پرش به محتوای اصلی
پرش به محتوای مقاله

سود ۳.۲ میلیارد دلاری مایکروسافت از سرمایه‌گذاری در Anthropic

·۸ مرداد ۱۴۰۵۲ دقیقه مطالعه
ساتیا نادلا هشدار شوکه‌کننده‌ای به شرکت‌های استفاده‌کننده از هوش مصنوعی داد | تک‌کرانچ
ساتیا نادلا هشدار شوکه‌کننده‌ای به شرکت‌های استفاده‌کننده از هوش مصنوعی داد | تک‌کرانچ
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تأیید رسمی سود میلیاردی از Anthropic در مقابل افت ارزش OpenAI؛ تغییری در توازن قدرت مالی میان دو رقیب اصلی در سبد مایکروسافت.

تصور کنید در یک سبد سهام، یک دارایی ناگهان میلیاردها دلار سود می‌دهد و دیگری با ضرر بسته شود؛ مایکروسافت راضی است چون دقیقاً همین اتفاق افتاد. طبق گزارش TechCrunch در ۲۹ جولای ۲۰۲۶، سود حاصل از سرمایه‌گذاری در آنتراپیک (Anthropic) چنان بود که ۳۳ سنت به سود هر سهم (EPS) این شرکت در سه ماهه چهارم سال مالی ۲۰۲۶ اضافه کرد.

این اقدام در حالی رخ می‌دهد که مایکروسافت در شبکه پیچیده‌ای از مشارکت‌ها حرکت می‌کند. این شرکت سال‌ها حامی اصلی اوپن‌ای‌آی (OpenAI) بود، اما در نوامبر ۲۰۲۵ مبلغ ۵ میلیارد دلار در آنتراپیک سرمایه‌گذاری کرد. این توافق شامل یک قرارداد دوجانبه است که طی آن این آزمایشگاه متعهد شده ۳۰ میلیارد دلار از خدمات ابری آژور (Azure) را خریداری کند. همان‌طور که در تحلیل قبلی ما درباره‌ی نفوذ عامل‌های OpenAI به سرورهای Hugging Face اشاره کردیم، این پوشش ریسک استراتژیک پس از دوره‌ای از ناپایداری در قابلیت اطمینان عامل‌های هوش مصنوعی صورت گرفته است.

گزارش‌های مالی مایکروسافت تضاد شدیدی را میان دو سرمایه‌گذاری بزرگ در بازه زمانی منتهی به ۳۰ ژوئن ۲۰۲۶ نشان می‌دهد:

  • آنتراپیک: ثبت سود ۳.۲ میلیارد دلاری که اثر مستقیمی بر EPS سه ماهه داشت.
  • اوپن‌ای‌آی: ثبت زیان ۶۰۰ میلیون دلاری که باعث کاهش تقریبی ۷ سنتی در سود هر سهم شد.

با وجود این افت کوتاه‌مدت، سرمایه‌گذاری در اوپن‌ای‌آی در بلندمدت همچنان سودآور است. بر اساس مستندات مالی، این همکاری در کل سال مالی ۵ میلیارد دلار سود ایجاد کرد و ۰.۶۷ دلار به EPS افزود. مایکروسافت در حال حاضر مالک حدود ۲۷ درصد از اوپن‌ای‌آی است و مبالغ نامشخصی را به عنوان سهم از درآمد دریافت می‌کند.

برای شما که بازار را دنبال می‌کنید، این یک سیگنال است: روایت «پیروز-برنده» در مورد اوپن‌ای‌آی در حال رنگ باختن است. این وضعیت با مدل‌های توزیع سرمایه در بازار مدل‌های بنیادی که پیش‌تر بر تسلط این دو غول تأکید داشت، در تضاد است. مایکروسافت با این کار، آزمایشگاه‌ها را مانند یک سبد diversified مدیریت می‌کند تا اگر یک معماری مدل شکست خورد یا به دیوار رگولاتوری خورد، مدل دیگری برای مقیاس‌پذیری روی آژور آماده باشد.

گام بعدی شما

  • تحلیل سبد مدل‌ها: اگر مدیر محصول هستید، وابستگی کامل به یک مدل زبانی را کنار بگذارید و استراتژی چند-مدلی (Multi-model) را پیش بگیرید. این رویکرد با استراتژی جدید مایکروسافت در ارائه خدمات تخصصی برای تعبیه متخصصان در سازمان مشتریان، همسو است.
  • دنبال کردن شفافیت مالی: بررسی کنید که آیا مایکروسافت نوسانات سه ماهه را برای سایر شرکا هم افشا می‌کند یا خیر.
  • مقایسه Claude و GPT: تفاوت در ارزش‌گذاری بازار را با بررسی عملکرد عملیاتی مدل‌های Claude در برابر GPT بسنجید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این گزارش با تکیه بر داده‌های رسمی مالی، نشان می‌دهد که اعتبار بازار از تک‌محوری OpenAI به سمت توزیع قدرت میان مدل‌های رقیب حرکت کرده است. اعتبار این تحلیل از شفافیت گزارش‌های EPS مایکروسافت می‌آید.

تأثیر برای ایران

این خبر یک تحول داخلی در ساختار مالی شرکت‌های آمریکایی است و مسیر مستقیمی به اکوسیستم توسعه‌دهندگان ایران ندارد.

·نگاه ما
تحریریه دات‌هوش

تنوع‌بخشی مایکروسافت نشان می‌دهد که دوران اعتماد مطلق به یک «مدل برتر» به پایان رسیده است. این شرکت دیگر به دنبال یک شریک انحصاری نیست، بلکه به دنبال تبدیل شدن به زیرساخت مشترک برای تمام بازیگران است تا در هر صورت، فروش سرویس‌های ابری‌اش تضمین شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.