הנפקת אנת'רופיק: הכנסות של 17 מיליארד דולר ברבעון לצד הפסד עתק של 104 מיליארד

הנפקת אנת'רופיק מתקרבת, והתשקיף המתוקן שהוגש ל-SEC חושף הכנסות של כ-33.2 מיליארד דולר בתשעת החודשים הראשונים של השנה, זינוק של כ-1,200% לעומת 2025, לצד הפסד נקי של 104 מיליארד דולר שנובע בעיקרו משערוך חשבונאי של אג"ח להמרה. במאמר הזה נפרק את המספרים, נסביר מאיפה מגיע ההפסד העצום, ונתרגם את הנתונים להשלכות מעשיות עבור מי שבונה מוצרים על ה-API של Claude ומתכנן ארכיטקטורה לשנים הקרובות.

מה חשפה אנת'רופיק בתשקיף המתוקן ל-SEC?

לפי הדיווח של Quartz, התשקיף המתוקן (S-1) מציג הכנסות של כ-33.2 מיליארד דולר בתקופה ינואר-ספטמבר, מתוכן כ-17 מיליארד דולר ברבעון השלישי בלבד. המשמעות: קצב ההכנסות השנתי (ARR אפקטיבי) של החברה, אם מחשבים לפי הרבעון האחרון, חוצה את רף 65 מיליארד הדולר. זו קפיצה שממקמת את אנת'רופיק בליגה של ספקיות תוכנה ארגונית גדולות, וזאת שנים ספורות בלבד אחרי שההכנסות נמדדו במאות מיליונים.

החברה מתכננת להיסחר בנאסד"ק תחת הסימול ANT, והגשת תשקיף מתוקן היא בדרך כלל אחד הצעדים האחרונים לפני תמחור ההנפקה. עצם העובדה שאנת'רופיק, שנתפסה עד כה כחברה פרטית שמעדיפה גיוסים ממשקיעים אסטרטגיים כמו גוגל ואמזון, בוחרת בשוק הציבורי, מאותתת על צורך הוני בסדרי גודל שגם הענקיות מתקשות לספק לבדן.

חשוב לקרוא את המספרים בהקשר הנכון: צמיחה של 1,200% בהכנסות אינה תוצאה של עליית מחירים אלא בעיקר של התרחבות שימוש. יותר טוקנים, יותר לקוחות ארגוניים, יותר עומסי עבודה שעברו מפיילוט לפרודקשן. זה הנתון שמעניין אותנו כבוני מוצרים יותר מכל שורה אחרת בתשקיף.

איך חברה עם 33 מיליארד דולר הכנסות רושמת הפסד של 104 מיליארד?

התשובה הקצרה: רוב ההפסד אינו תזרימי אלא חשבונאי, ונובע משערוך של אג"ח להמרה (Convertible Notes). כשחברה מגייסת חוב שניתן להמרה למניות, כללי החשבונאות מחייבים לשערך את ההתחייבות לפי שווי השוק שלה בכל תקופת דיווח. ככל ששווי החברה מזנק, שווי אופציית ההמרה שמחזיקים המלווים מזנק איתו, וההפרש נרשם כהוצאה בדוח רווח והפסד.

במילים אחרות, חלק ניכר מההפסד של 104 מיליארד דולר הוא תוצר של ההצלחה עצמה: ככל שהשווי המשתמע של אנת'רופיק עלה לקראת ההנפקה, כך תפח ההפסד החשבונאי. זו תופעה מוכרת מהנפקות קודמות של חברות שגייסו באמצעות מכשירים המירים, אבל סדר הגודל כאן חסר תקדים ומשקף את קפיצת השווי החדה של החברה.

מה כן חשוב לבדוק מעבר לשורת ההפסד

עבור מי שמנתח את הדוחות ברצינות, השאלות המהותיות הן אחרות: מהו שיעור הרווח הגולמי על הכנסות ה-API אחרי עלויות המחשוב (Compute), מהו קצב שריפת המזומנים התפעולית, וכמה מההכנסות מגיעות מלקוחות ארגוניים בחוזים ארוכי טווח לעומת שימוש משתנה. אלה הפרמטרים שיקבעו אם מודל העסקי בר-קיימא, לא שערוך של מכשיר פיננסי שייעלם מהדוחות אחרי ההמרה למניות בהנפקה.

מה המספרים אומרים על כלכלת ה-LLM ועל מחירי ה-API?

הנתון המרכזי עבור בוני מוצרים הוא שהכנסות של 17 מיליארד דולר ברבעון מעידות על ביקוש אמיתי ומשלם ל-Inference בקנה מידה תעשייתי, וזה משנה את מאזן הכוחות בתמחור. חברה בקצב הכנסות כזה נהנית מיתרונות לגודל ברכש שבבים, בהסכמי ענן ובניצולת של אשכולות GPU ו-TPU, מה שמאפשר לה תיאורטית להמשיך להוריד מחירי טוקנים בלי לשחוק את הרווח הגולמי.

Anthropic has filed an S-1 registration statement with the SEC related to its proposed IPO.

Read more: https://t.co/zuRMrxXzNx

Legal disclaimer: A registration statement relating to these securities has been filed with the SEC but has not yet become effective. These securities…

— Anthropic (@AnthropicAI) 26 באוקטובר 2026

מצד שני, חברה ציבורית נמדדת רבעון אחרי רבעון על מרווחים. הלחץ של וול סטריט עשוי לעצור את מרוץ הוזלות ה-API שהתרגלנו אליו, או להסיט אותו: הוזלות אגרסיביות במודלים הקטנים והמהירים (דוגמת משפחת Haiku) שמתחרים מול מודלים בקוד פתוח, לצד שמירה על פרמיה במודלי הדגל המשמשים ל-Agentic Workflows מורכבים.

התרגום המעשי: אם אתם מתמחרים מוצר SaaS שמבוסס על קריאות LLM, אל תניחו שעקומת הוזלת הטוקנים של 2023-2025 תימשך באותו שיפוע. בנו את מודל היחידה הכלכלית (Unit Economics) שלכם על המחירים הנוכחיים, והתייחסו לכל הוזלה עתידית כאפסייד ולא כהנחת בסיס.

איך כדאי לבנות ארכיטקטורה על Claude אחרי ההנפקה?

העיקרון המנחה הוא הפרדה בין הלוגיקה העסקית לבין ספק המודל, כך שתוכלו להגיב לשינויי תמחור ומדיניות בלי לשכתב את המערכת. בפועל זה אומר שכבת אבסטרקציה אחת לקריאות LLM, פרומפטים מנוהלים כקונפיגורציה ולא כקוד קשיח, וסט בדיקות רגרסיה (Evals) שמריצים אוטומטית על כל החלפת מודל או גרסה.

שלושה מנגנונים שכדאי ליישם כבר עכשיו כדי לשלוט בעלויות בפרודקשן:

1. Prompt Caching: אנת'רופיק מתמחרת קריאה מהמטמון בחלק קטן ממחיר טוקן קלט רגיל. אם יש לכם System Prompt ארוך או קונטקסט קבוע (מסמכי מדיניות, סכמות), העברתו למטמון חותכת עלויות משמעותית בעומסים חוזרים.
2. Batch API: עומסים שאינם אינטראקטיביים, כמו סיווג, תיוג וסיכום לילי, מקבלים הנחה ניכרת בעיבוד אצווה. הפרידו בארכיטקטורה בין מסלול סינכרוני למסלול אסינכרוני.
3. Model Routing: נתבו כל בקשה למודל הזול ביותר שעומד ברף האיכות שהגדרתם, עם Fallback למודל חזק רק כשצריך. ניטור של עלות-לבקשה הוא מטריקת פרודקשן לכל דבר, לצד Latency ושיעור שגיאות.

אג"ח להמרה (Convertible Notes)

חוב שניתן להמרה למניות. כללי החשבונאות מחייבים לשערך אותו לפי שווי שוק בכל תקופת דיווח - וכשהשווי מזנק, ההפרש נרשם כהוצאה בדוח רווח והפסד.

Inference

הרצת המודל בפועל על בקשות משתמשים, להבדיל מאימון. זו העלות השוטפת המרכזית של מוצרי LLM בפרודקשן.

Prompt Caching

שמירת קונטקסט קבוע (כמו System Prompt ארוך) במטמון הספק, כך שקריאות חוזרות מתומחרות בחלק קטן ממחיר טוקן קלט רגיל.

Batch API

עיבוד אצווה אסינכרוני לעומסים שאינם אינטראקטיביים - סיווג, תיוג וסיכום - בהנחה ניכרת לעומת קריאות סינכרוניות.

Model Routing

ניתוב כל בקשה למודל הזול ביותר שעומד ברף האיכות שהוגדר, עם Fallback למודל חזק רק במקרים שמצריכים זאת.

Evals

סט בדיקות רגרסיה שמריצים אוטומטית על כל החלפת מודל או גרסה, כדי להשוות ספקים ולוודא שהתנהגויות קריטיות נשמרות.

בנוסף, הנפקה מגבירה את השקיפות: דוחות רבעוניים יחשפו מגמות בתמחור, בקיבולת ובהשקעות תשתית. כדאי להתייחס אליהם כחלק משגרת התכנון הטכנולוגי שלכם, בדיוק כמו Roadmap של ספק ענן.

מה משמעות הסימול ANT בנאסד"ק לשוק ה-AI כולו?

הנפקת אנת'רופיק תיצור לראשונה תמחור שוק שוטף ופומבי לחברת מודלי שפה טהורה, וזה ישפיע על כל האקוסיסטם. עד היום, שוויין של חברות ה-Foundation Models נקבע בסבבי גיוס פרטיים ולא שיקף מסחר יומיומי. מניה ציבורית תחת הסימול ANT תהפוך לברומטר: כל דוח רבעוני, כל הכרזת מודל וכל שינוי תמחור יקבלו מיד תג מחיר מהשוק.

ההשפעה תורגש גם אצל המתחרות. OpenAI, גוגל ומטא יימדדו מעתה מול בנצ'מרק ציבורי של הכנסות ומרווחים בתחום ה-Inference, והמשקיעים בחברות סטארט-אפ בשכבת האפליקציה יקבלו עוגן הערכה ברור יותר. עבור השוק הישראלי, שבו מאות חברות בונות על גבי ממשקי ה-API של אנת'רופיק ומתחרותיה, מדובר בהפחתת אי-ודאות: חברה ציבורית מחויבת לגילוי נאות על סיכונים, תלות בספקי מחשוב ותחזיות, מידע שעד היום היה חסוי.

יש גם סיכון סימטרי: אם השוק יתמחר את המניה בציפיות צמיחה אגרסיביות והחברה תפספס רבעון, תגובת השרשרת עלולה להגיע עד למחירי ה-API ולקצב השקת המודלים. תלות בספק יחיד הייתה תמיד סיכון ארכיטקטוני. מעכשיו היא גם סיכון שאפשר לכמת לפי גרף מניה.

מה לעשות עכשיו: צעדים מעשיים לבוני מוצרים ולצוותי הנדסה

הצעד הראשון הוא מיפוי התלות: כמה מהערך של המוצר שלכם תלוי במודל ספציפי, ומה עלות המעבר (Switching Cost) בפועל. צוותים שבנו סביב יכולות ייחודיות כמו חלונות קונטקסט ארוכים או Tool Use מתקדם צריכים לתעד בדיוק אילו התנהגויות קריטיות להם, ולבנות סביבן סט Evals שמאפשר להשוות ספקים בצורה אובייקטיבית תוך ימים ולא חודשים.

הצעד השני הוא משמעת תקציבית: הגדירו תקרות הוצאה לכל פיצ'ר מבוסס LLM, הטמיעו מדידת טוקנים ברמת המשתמש והפיצ'ר, וקבעו התראות על חריגה. חברות שעברו מפיילוט לפרודקשן בשנתיים האחרונות למדו שעלויות Inference מתנהגות כמו עלויות ענן בתחילת העשור הקודם: בלתי נראות עד שהן הופכות לסעיף התקציב הגדול ביותר.

צ'ק-ליסט מוכנות לעידן ה-LLM הציבורי

• מפו כמה מערך המוצר תלוי במודל ספציפי ומה עלות המעבר (Switching Cost) בפועל
• תעדו את ההתנהגויות הקריטיות למוצר ובנו סביבן Evals שמאפשרים השוואת ספקים תוך ימים
• הקימו שכבת אבסטרקציה אחת לקריאות LLM ונהלו פרומפטים כקונפיגורציה, לא כקוד קשיח
• הגדירו תקרות הוצאה לכל פיצ'ר מבוסס LLM עם מדידת טוקנים ברמת משתמש והתראות חריגה
• הפרידו בארכיטקטורה בין מסלול סינכרוני לאסינכרוני כדי לנצל הנחות Batch
• הוסיפו את הדוחות הרבעוניים של אנת'רופיק לשגרת התכנון הטכנולוגי, כמו Roadmap של ספק ענן

הצעד השלישי הוא השקעה בידע. כלכלת הטוקנים, הנדסת פרומפטים ברמת פרודקשן וארכיטקטורות Multi-Model הפכו למיומנויות ליבה של כל צוות פיתוח, ומי שמבין אותן לעומק מתמחר ומתכנן טוב יותר. אפשר להעמיק בנושאים האלה דרך קורסי הבינה המלאכותית המעשיים שלנו, שמכסים בניית מוצרים על LLM משלב ה-POC ועד אופטימיזציית עלויות בפרודקשן.

בשבועות הקרובים, עד תמחור ההנפקה והמסחר הראשון בסימול ANT, נמשיך לעקוב אחרי הגילויים בתשקיף ואחרי השלכותיהם על תמחור ה-API ועל שוק המודלים כולו. את הניתוחים השוטפים, כולל השוואות עומק בין ספקי המודלים הגדולים, תמצאו במגזין ה-AI שלנו. המספרים של אנת'רופיק אינם רק כותרת פיננסית: הם המפה שלפיה כדאי לתכנן את הארכיטקטורה והתקציב של כל מוצר AI ב-2026.