Barclays analizuje układ zysków w AI: z każdych 100 dolarów przychodu firm zajmujących się modelami, 35-40 dolarów trafia do firm chmurowych, przynosząc im 10-20 dolarów zysku operacyjnego

Autor | Kozmon

      Edytor | Twarda AI

Gdy firma AI zarobi 100 dolarów, około 35–40 dolarów trafia w formie opłat za obliczenia wnioskowania do trzech największych dostawców chmurowych: AWS, Azure i GCP. Dostawcy chmurowi z tych przychodów uzyskują 10–20 dolarów zysku operacyjnego, przy marży operacyjnej około 35%–45%.

To kluczowa obserwacja z raportu Barclays na temat ekonomiki jednostkowej branży AI opublikowanego 28 sierpnia.

Jednocześnie marża płatnych wnioskowań w laboratoriach AI skoczyła z kilkunastu procent w 2025 roku do ponad 50%–65% w 2026 roku; skorygowane marże brutto wzrosły rok do roku o 30–50 punktów procentowych. Napędzają to klienci korporacyjni i agentyczne przepływy pracy, które stały się "obowiązkowym" produktem na rynku.

Według analityka Barclays, Ross Sandlera, faktyczne marże mogą być wyższe niż szacowania w raportach, ale wraz ze wzrostem konkurencji i podaży mocy obliczeniowej przewiduje się ich stopniowy spadek.

Ta sama branża, dwa obrazy finansowe

Barclays stworzył dwa hipotetyczne modele laboratoriów AI, aby przeanalizować różnice w marżach. "Laboratorium A" ma około 70% przychodów z API, 30% z abonamentów; "Laboratorium B" odwrotnie – 80% z abonamentów, API to tylko 20%.

API z natury zapewnia wyższą marżę wnioskowania niż abonament. Po dodaniu rozliczenia kosztów treningu i podziału przychodów z partnerami, różnica skorygowanych marż brutto wynosi aż 17 punktów procentowych – Laboratorium A ok. 55%, Laboratorium B ok. 38%.

Sposób księgowania przychodów dodatkowo zwiększa tę "deformację". Laboratorium A rozlicza pośrednie przychody z API metodą brutto, Laboratorium B – netto, a nawet w ogóle nie rozpoznaje przychodów z pośrednich API obsługiwanych przez strategicznych partnerów. Barclays porównuje to do UBER i LYFT: ten sam biznes, ale wyniki finansowe zależne od metod rachunkowości wyglądają zupełnie inaczej. Po ujawnieniu raportów GAAP przez laboratoria AI inwestorzy powinni analizować różnice w rozliczeniach przy porównywaniu firm.

Wzrost marży z wnioskowań

Przechodząc do poszczególnych linii produktowych——

Dla produktów abonamentowych (np. Claude Code, Codex) marża z wnioskowań szacowana jest na ok. 70% i jest najniższa spośród trzech linii produktowych. Wynika to z tego, że laboratoria AI chętnie subsydiują koszt tokenów, aby zatrzymać użytkowników. Abonamenty bazują zazwyczaj na miesięcznych płatnościach i mają limity użycia, które ostatnio są częściej resetowane – prawdopodobnie w związku z presją utrzymania użytkowników i efektywnością modeli.

Bezpośrednie API to najwcześniejszy model biznesowy laboratoriów AI i najbardziej dochodowy. Tacy programiści jak Cursor czy Figma płacą według ilości zużytych tokenów. Barclays szacuje, że aktualna marża z wnioskowań przez API przekracza 80%. Wyższa efektywność tokenów modeli (mniej tokenów do wykonania tej samej pracy), wzrost cen API oraz optymalizacje usług wnioskowań na poziomie infrastruktury (kwantyzacja, technologie speculator, nowej generacji moc obliczeniowa) stale uwalniają przestrzeń dla zysku. Barclays podkreśla, że marża z API w drugim kwartale 2026 jest dużo wyższa niż pokazano na wykresach w raporcie, lecz spodziewany jest jej spadek w przyszłości.

Doświadczenie użytkownika pośrednich API jest takie samo jak bezpośrednich, jednak rozliczenia są między użytkownikiem a dostawcą chmury. Wraz ze wzrostem udziału pośrednich API w przychodach, różnice w metodach księgowania przychodów w laboratoriach dodatkowo zwiększą trudność porównania wyników finansowych.

Ile zarabiają dostawcy chmurowi

Na każde 100 dolarów przychodu laboratorium AI, Laboratorium A generuje 35 dolarów przychodu dla dostawcy chmurowego, a po odjęciu kosztów infrastrukturalnych pozostaje ok. 11,8 dolara zysku, marża operacyjna ok. 34%. Laboratorium B dzięki podziałowi przychodów ze strategicznym partnerem (20% przychodów, limit kumulacji) daje dostawcy chmurowemu więcej – 41 dolarów przychodu, 19,1 dolara zysku, marża 47%.

Barclays podkreśla, że podział przychodów sztucznie podbija marże dostawców chmury, a po odjęciu podziałów realny zysk na token pozostaje taki sam; ten podział ma wygasnąć po 2028 roku.

Agentowe produkty subskrypcyjne tworzą dodatkową wartość dla dostawców chmury. Produkty te zwykle wymagają połączenia z bazami danych i innymi zasobami wyższego poziomu, więc przychód jednostkowy jest wyższej jakości; w niektórych przypadkach występuje podział przychodów między laboratorium AI i dostawcę chmury.

Od dominacji trenowania do dominacji wnioskowania

Barclays szacuje, że całkowite przychody laboratoriów AI wzrosną z 7 miliardów dolarów w 2024 roku do 137 miliardów dolarów w 2026 roku, a do 690 miliardów dolarów w 2028 roku. Aggresywniejsze szacunki ARR na koniec roku: około 200 miliardów w 2026 roku i 782 miliardów w 2028 roku.

Obecnie wydatki na trenowanie stanowią około 48% przychodów laboratoriów AI, co oznacza, że niemal każdy dolar przychodu laboratorium odpowiada jednemu dolarowi przychodu dostawcy chmury. Udział kosztów treningu szybko spada — z 96% w 2024 roku do 35% w 2027 i do 30% w 2028 roku. Wraz ze wzrostem zysków z wnioskowań w stosunku do wydatków treningowych, ogólna rentowność laboratoriów AI będzie się poprawiać.

Udział przychodów z AI dla dostawców chmury wobec laboratoriów AI też maleje: z 153% w 2024 roku do 90% w 2026 i 73% w 2028 roku. Barclays prognozuje, że AWS, Azure i GCP przez kolejne dwa lata utrzymają swój udział w wydatkach na moc obliczeniową laboratoriów AI, lecz od 2028 roku własne, gwarantowane projekty infrastruktury AI rozpoczną działalność i staną się preferowanym wyborem laboratoriów AI — trzej główni dostawcy chmurowi mogą przez to stopniowo tracić udział w rynku treningu i wnioskowań.