OpenAI: 25 miliardów dolarów straty i ryzyka, które mogą zatrzymać IPO

OpenAI oficjalnie złożyło poufny wniosek S-1 do SEC, celując w debiut giełdowy z wyceną przekraczającą 1 bilion dolarów pod koniec 2026 roku. Dla liderów IT i architektów bezpieczeństwa kluczowe znaczenie ma jednak analiza gigantycznych strat operacyjnych oraz specyficznej struktury kosztów inferencji, które odróżniają tę spółkę od tradycyjnych modeli SaaS.

Czy model ekonomiczny OpenAI wytrzyma tempo spalania gotówki?

OpenAI notuje bezprecedensowy wzrost przychodów, które w 2025 roku wyniosły 13 miliardów dolarów, osiągając run-rate na poziomie 25 miliardów dolarów w lutym 2026 roku. Jednak spółka zmaga się z ogromną stratą GAAP, szacowaną na 25–26 miliardów dolarów w 2026 roku, co wynika bezpośrednio z astronomicznych nakładów na infrastrukturę obliczeniową i rozwój modeli.

  • Skala wydatków: Prognozowane spalanie gotówki (cash burn) w 2026 roku ma wynieść około 25 miliardów dolarów.
  • Finansowanie zewnętrzne: SoftBank, poprzez fundusz SVF2, zobowiązał się w lutym 2026 r. do zainwestowania dodatkowych 30 miliardów dolarów w trzech transzach, aby sfinansować te potrzeby.
  • Dystans do rentowności: Mimo dynamicznego wzrostu przychodów, osiągnięcie dodatnich przepływów pieniężnych nie jest spodziewane przed rokiem 2029 lub 2030.

Dlaczego koszty inferencji GPU są największym zagrożeniem dla IPO?

W przeciwieństwie do tradycyjnego oprogramowania, gdzie koszt obsłużenia kolejnego klienta jest bliski zeru, model OpenAI obciążony jest wysokimi kosztami inferencji za każde zapytanie użytkownika. To sprawia, że marża brutto spółki spadła z 40% w 2024 roku do 33% w 2025 roku, wymuszając ciągłe nakłady na moce GPU, które w 2026 roku mają pochłonąć 14,1 miliarda dolarów.

  • Brak korzyści skali: Architektura GPU OpenAI nie działa jak maszty telekomunikacyjne; milion zapytań kosztuje proporcjonalnie więcej niż tysiąc, co uniemożliwia klasyczną dla software’u ekspansję marży.
  • Zależność od infrastruktury: OpenAI pozostaje silnie uzależnione od Azure (Microsoft), mimo renegocjacji umów o podziale przychodów, które mają przynieść 97 miliardów dolarów oszczędności do 2030 roku.
  • Efektywność sprzętowa: Cała ścieżka do rentowności zależy od tego, czy spadek kosztów mocy obliczeniowej nastąpi szybciej niż wyczerpanie dostępnej gotówki.

Jakie ryzyka prawne i konkurencyjne musi ujawnić prospekt S-1?

OpenAI wchodzi w proces IPO z aktywnymi sporami prawnymi, w tym kluczowym procesem o prawa autorskie z New York Times oraz oskarżeniami o wpływ ChatGPT na zdrowie psychiczne użytkowników, w tym zarzuty o bycie „trenerem samobójstw”. Równocześnie rywal Anthropic wyprzedził OpenAI pod względem wyceny prywatnej (965 mld USD), a modele open-source agresywnie redukują udział rynkowy spółki w sektorze korporacyjnym.

  • Erozja rynku: Udział OpenAI w rynku AI dla przedsiębiorstw spadł z 50% do 34% na rzecz rozwiązań Google i Anthropic.
  • Ekspozycja prawna: Potencjalne koszty ugód w toczących się sprawach o naruszenie praw autorskich szacowane są na kwoty od 500 milionów do 5 miliardów dolarów.
  • Presja regulacyjna: Spółka znajduje się pod ciągłym nadzorem prokuratorów generalnych Kalifornii i Nowego Jorku w związku z procesem konwersji na model nastawiony na zysk.

Co oznacza dla inwestorów brak udziałów Sama Altmana i nowa struktura PBC?

Planowana transformacja OpenAI w Public Benefit Corporation (PBC) ma na celu zniesienie ograniczeń zysku i ułatwienie pozyskiwania kapitału, przy zachowaniu misji bezpiecznego rozwoju AGI. Kontrowersje budzi jednak fakt, że CEO Sam Altman nie posiada potwierdzonych udziałów kapitałowych w spółce, co w połączeniu z nadzorem fundacji non-profit tworzy bezprecedensowy i skomplikowany model ładu korporacyjnego.

  • Governance: Fundacja non-profit nadal zachowuje prawo do decydowania o tym, kiedy system osiągnął poziom AGI, co teoretycznie może wyłączyć go z umów komercyjnych z Microsoftem.
  • Rola Microsoftu: Gigant z Redmond posiada 27% udziałów po recapitalizacji z października 2025 r., co rodzi pytania o realną niezależność decyzyjną zarządu OpenAI.
  • Precedens Altmana: Brak udziałów CEO w spółce wchodzącej na giełdę z wyceną biliona dolarów jest sytuacją niespotykaną, która może wymusić przyznanie mu znacznego pakietu akcji, prowadząc do rozwodnienia udziałów innych akcjonariuszy.

Wnioski praktyczne

  • Analiza marży: Architekci IT powinni monitorować koszty inferencji w projektach opartych na API OpenAI, ponieważ brak stabilizacji marży brutto spółki może prowadzić do nagłych zmian cenników dla deweloperów.
  • Dywersyfikacja dostawców: Spadek udziału OpenAI w rynku enterprise oraz agresywna konkurencja ze strony Anthropic (Claude) sugerują konieczność wdrażania strategii multi-LLM.
  • Cierpliwość rynkowa: Oficjalny debiut (listing) prawdopodobnie nie nastąpi przed wrześniem lub grudniem 2026 roku, co daje czas na ocenę stabilności finansowej w publicznym prospekcie S-1.
  • Ryzyko prawne: Należy uwzględnić materialne ryzyko związane z procesami o prawa autorskie, które mogą wpłynąć na dostępność danych treningowych dla przyszłych modeli.
Przemysław Majdak

Przemysław Majdak · AI Automation Engineer

Założyciel Baluarte i wydawca BitBiz.pl. Członek ISSA Polska. Ekspert z 18-letnim stażem w branży IT — wdraża bezpieczne automatyzacje AI, systemy full-stack i zaawansowane procedury cyberbezpieczeństwa dla firm. Wszystkie artykuły autora →

2 odpowiedzi

💬 Kliknij tutaj, aby dodać komentarz

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *

  1. Awatar prof.Andrzej
    prof.Andrzej

    25 miliardów strat przy bilionowej wycenie to klasyczny przykład przepaści między spekulacją a fundamentami — w przypadku OpenAI kluczowe jest jednak to, że ich wydatki na inferencję to nie tylko koszt operacyjny, ale wręcz bariera strukturalna. W tradycyjnym SaaS marżę buduje się na niskim koszcie krańcowym kolejnego użytkownika, a tutaj każda rozmowa z modelem generuje realny koszt obliczeniowy, który nie maleje wraz ze skalą. Pytanie, czy rynek akceptuje model, w którym wzrost przychodów może oznaczać proporcjonalny wzrost strat.

  2. Awatar KasiaZpodlasia
    KasiaZpodlasia

    Koszty inferencji to zupełnie inna liga niż standardowe operacyjne w SaaS – wytrenowanie modelu to jeden wydatek, ale każda odpowiedź generuje koszt zmienny, który nie spada wraz ze skalą tak szybko, jak w przypadku tradycyjnej chmury. Pytanie, czy inwestorzy na IPO uwierzą w osiągnięcie marż typowych dla software’u, skoro każdy kolejny użytkownik realnie zwiększa rachunek za GPU. Przy wycenie biliona dolarów to zakład, że OpenAI wynajdzie sposób na radykalne obniżenie tych kosztów – albo że rynek wybaczy straty jeszcze przez lata, podobnie jak w początkowym okresie Netflixa.