Share classes and voting structure주식 클래스와 의결권 구조

• Class A — one vote per share; the class being offered. Holders’ aggregate voting power is limited to 49.9%.
• Class A — 주당 1표, 이번 공모 대상. 보유자 전체 의결권은 49.9%로 제한됩니다.
• Class F — a single share issued to the Founder LLC (the seven co-founders) immediately before the offering, carrying a fixed 50.1% of total voting power on general matters, including election of non-Class T directors; no economic rights.
• Class F — 공모 직전 Founder LLC(공동창업자 7명)에 발행되는 단 1주로, 비Class T 이사 선임을 포함한 일반 안건에서 전체 의결권의 고정 50.1%를 가지며 경제적 권리는 없습니다.
• Class T — a single share held by the Long-Term Benefit Trust, which generally elects and removes the Class T directors, who will form a majority of the board; no general voting or economic rights.
• Class T — 장기이익신탁(LTBT)이 보유하는 단 1주로, LTBT는 이사회 과반을 구성할 Class T 이사를 대체로 선임·해임합니다. 일반 의결권과 경제적 권리는 없습니다.
• Class N — economic rights equal to Class A but non-voting; held primarily by strategic business partners and generally converts to Class A on sale to an unaffiliated third party.
• Class N — Class A와 동일한 경제적 권리를 갖지만 의결권이 없으며, 주로 전략적 사업 파트너가 보유하고 비계열 제3자에게 매각되면 대체로 Class A로 전환됩니다.
• Class E — issued to employees other than co-founders; votes only on limited matters; no economic rights.
• Class E — 공동창업자를 제외한 직원에게 발행, 제한된 안건에만 의결권, 경제적 권리 없음.

Anthropic is a Delaware public benefit corporation and will be a “controlled company” under Nasdaq rules. The LTBT is described as an independent body of five financially disinterested trustees.

Anthropic은 델라웨어 공익법인(PBC)이며 나스닥 규정상 “지배주주 회사(controlled company)”에 해당합니다. LTBT는 재무적 이해관계가 없는 수탁자 5명으로 구성된 독립 기구로 설명됩니다.

Offering terms, underwriters and use of proceeds공모 조건, 주관사, 자금 사용 목적

• Price range, number of shares offered by the company and by selling stockholders, and expected proceeds are not yet stated (blank in the filing).
• 공모가 범위, 회사와 매출 주주의 공모 주식 수, 예상 조달 금액은 아직 기재되지 않았습니다(신고서에 공란).
• Lead underwriters: Goldman Sachs & Co. LLC and Morgan Stanley, followed by J.P. Morgan, Citigroup, Barclays, Wells Fargo Securities, BofA Securities, Deutsche Bank Securities, RBC Capital Markets, UBS Investment Bank, BMO Capital Markets, BNP Paribas, Crédit Agricole CIB, Jefferies, Mizuho, MUFG, Société Générale, TD Securities, BTIG, Cantor, Capital One Securities and Macquarie Capital (22 banks on the cover).
• 대표 주관사: Goldman Sachs & Co. LLC와 Morgan Stanley, 이어 J.P. Morgan, Citigroup, Barclays, Wells Fargo Securities, BofA Securities, Deutsche Bank Securities, RBC Capital Markets, UBS Investment Bank, BMO Capital Markets, BNP Paribas, Crédit Agricole CIB, Jefferies, Mizuho, MUFG, Société Générale, TD Securities, BTIG, Cantor, Capital One Securities, Macquarie Capital(표지 기준 22개 은행).
• Use of proceeds: general corporate purposes, including working capital, operating expenses and capital expenditures (including compute and infrastructure), hiring and retention; part to cover tax withholding on RSU settlement; possible acquisitions or investments (none agreed). No proceeds from shares sold by selling stockholders.
• 자금 사용 목적: 운전자본, 영업비용, (컴퓨팅·인프라 포함) 설비투자, 인재 채용·유지 등 일반 기업 목적, RSU 정산 관련 원천징수세 납부, 인수·투자 가능성(합의된 건 없음). 매출 주주가 파는 주식의 대금은 회사에 들어오지 않습니다.
• Offering includes public offerings in Australia, Canada, certain EEA states, Japan, Switzerland and the UK; listing only in the US.
• 공모에는 호주, 캐나다, 일부 EEA 국가, 일본, 스위스, 영국에서의 공모가 포함되며, 상장은 미국에서만 합니다.
• Auditor: Ernst & Young LLP (engaged October 30, 2025; previously Grant Thornton LLP). Filer status: non-accelerated filer, not an emerging growth company.
• 감사인: Ernst & Young LLP(2025년 10월 30일 선임, 이전 Grant Thornton LLP). 신고인 구분: 비가속 신고인, 신흥성장기업 아님.

Compute partners and financing facilities컴퓨팅 파트너와 자금 조달 한도

• Multi-chip compute across AWS Trainium, Google TPUs, NVIDIA GPUs and AMD GPUs. The aggregate committed spend on purchase commitments and leases (substantially all compute and infrastructure) is left blank in this filing.
• AWS Trainium, Google TPU, NVIDIA GPU, AMD GPU에 걸친 멀티칩 컴퓨팅. 구매 약정과 리스의 총 약정 지출액(대부분 컴퓨팅·인프라)은 이번 신고서에 공란입니다.
• Undrawn note purchase agreements as of June 30, 2026: Google 2026 NPA $20.0B (draws through December 2030; reduced by up to $10.0B if Google exercises its private-placement option), Amazon 2026 NPA $15.0B, Broadcom Infrastructure Partner 2026 NPA $42.0B — $77.0B in total.
• 2026년 6월 30일 기준 미인출 사채 매입 약정: Google 2026 NPA $200억(2030년 12월까지 인출, Google이 사모 옵션을 행사하면 최대 $100억 감소), Amazon 2026 NPA $150억, Broadcom 인프라 파트너 2026 NPA $420억 — 합계 $770억.
• AMD (July 2026 hardware supply agreement for Helios / MI450 systems): commitment to purchase up to $5.0B of Class N stock, drawable on GPU delivery milestones, the first expected in 2027.
• AMD(2026년 7월 Helios/MI450 시스템 하드웨어 공급 계약): GPU 인도 단계 달성 시 인출 가능한 최대 $50억 Class N 주식 매입 약정, 첫 단계는 2027년 예상.
• September 2026 amended credit agreement: $15B senior secured revolving facility maturing September 4, 2031, with a minimum liquidity covenant of $5.0B from the quarter ending December 31, 2026.
• 2026년 9월 수정 신용계약: 2031년 9월 4일 만기 $150억 선순위 담보 리볼빙 한도, 2026년 12월 31일 분기부터 최소 유동성 $50억 약정.

Customers and revenue quality (as of / for Q3 2026)고객과 매출의 질(2026년 3분기 기준)

• More than 11,900 customers with $100K+ TTM revenue, more than 1,900 with $1M+, and approximately 250 with $10M+ (Sep 30, 2026).
• TTM 매출 $10만 이상 고객 11,900곳 이상, $100만 이상 1,900곳 이상, $1,000만 이상 약 250곳(2026년 9월 30일).
• No customer above 10% of revenue for the nine months to September 30, 2026; top five customers were approximately 25%. About 79% of Q3 2026 revenue came from outside the top five (64% in Q1 2026).
• 2026년 9월 30일까지 9개월간 매출의 10%를 넘는 고객은 없으며, 상위 5개 고객은 약 25%입니다. 2026년 3분기 매출의 약 79%는 상위 5개 이외 고객에서 나왔습니다(2026년 1분기 64%).
• The company estimates that 5–7% of revenue for the nine months to September 30, 2026 came from customers later found to be using its services in violation of its usage policy or commercial terms, and expects this share to decline.
• 회사는 2026년 9월 30일까지 9개월 매출의 5–7%가 이후 이용 정책이나 상업 조건을 위반한 것으로 확인된 고객에게서 나왔다고 추정하며, 이 비중은 줄어들 것으로 예상합니다.
• Revenue through CSP marketplaces (e.g. AWS, Google Cloud) is recognized on a gross basis, with Anthropic as principal.
• CSP 마켓플레이스(AWS, Google Cloud 등)를 통한 매출은 Anthropic이 본인(principal)으로서 총액 기준으로 인식합니다.
• Run-Rate Revenue is defined as trailing-28-day consumption fees × 13 plus monthly subscription fees × 12; the current figure is left blank in this filing.
• 연환산 매출(Run-Rate Revenue)은 최근 28일 사용량 기반 수수료 × 13 + 월 구독료 × 12로 정의되며, 현재 수치는 이번 신고서에 공란입니다.

Anthropic annualized run-rate progressionAnthropic 연환산 매출 추이

• End-2025: roughly mid-single-digit to low-double-digit billions (various estimates).
• 2025년 말: 대략 수십억 달러 중반에서 100억 달러대 초반(추정치별 상이).
• May 2026: >$47 billion (company / Series disclosures).
• 2026년 5월: $470억 초과(회사·시리즈 투자 공시).
• End of July 2026: ~$65 billion (company communication to investors).
• 2026년 7월 말: 약 $650억(회사가 투자자에게 전달).
• Post-Q3 2026: external estimates near ~$74 billion (SemiAnalysis and others).
• 2026년 3분기 이후: 외부 추정치 약 $740억(SemiAnalysis 등).

Growth has been exceptionally rapid, driven in significant part by Claude Code and enterprise adoption. Anthropic has reported adjusted profitability for two consecutive quarters; the S-1 shows adjusted operating income of $1.6B (10% margin) for H1 2026 and GAAP operating income of $974M in Q2 2026 after a $(1,667)M operating loss in Q1 2026. Large non-cash charges (linked to prior fundraising) and rising compute spend remain material on a GAAP basis. Multi-year cloud commitments are substantial.

성장은 매우 빨랐으며, 상당 부분 Claude Code와 기업 도입이 이끌었습니다. Anthropic은 2개 분기 연속 조정 기준 흑자를 보고했습니다. S-1에 따르면 2026년 상반기 조정 영업이익은 $16.2억(이익률 10%)이고, GAAP 영업이익은 2026년 1분기 $(16.67)억 손실 후 2분기 $9.74억입니다. 과거 자금 조달과 연계된 대규모 비현금 비용과 늘어나는 컴퓨팅 지출은 GAAP 기준으로 여전히 중요합니다. 다년 클라우드 약정 규모도 상당합니다.

Google Gemini

Alphabet does not break out Gemini as a standalone revenue line. The closest public proxies are:

Alphabet은 Gemini를 별도 매출 항목으로 공개하지 않습니다. 가장 가까운 공개 지표는 다음과 같습니다.

• Google Cloud: $24.8 billion revenue in Q2 2026 (+82% year-over-year). Operating income $8.8 billion; operating margin expanded to ~35.6%. Contracted backlog reached $514 billion.
• Google Cloud: 2026년 2분기 매출 $248억(전년 대비 +82%). 영업이익 $88억, 영업이익률은 약 35.6%로 확대. 계약 잔고는 $5,140억에 도달.
• Products built on Google’s generative AI models showed extremely high percentage growth in certain quarters (hundreds of percent reported), though absolute dollar contribution is not disclosed.
• 구글 생성형 AI 모델 기반 제품은 일부 분기에 매우 높은 성장률(수백 %로 보도)을 보였지만, 절대 금액 기여는 공개되지 않았습니다.
• Gemini app: approximately 950 million monthly active users by late 2026 (more than doubled year-over-year in some reporting).
• Gemini 앱: 2026년 말 기준 월간 활성 사용자 약 9억 5,000만 명(일부 보도 기준 전년 대비 두 배 이상).
• Nearly 90% of the Fortune 100 are reported to use Gemini Enterprise.
• Fortune 100 기업의 약 90%가 Gemini Enterprise를 사용하는 것으로 보도되었습니다.
• Consumer AI plans (via Google One) have contributed to paid subscription growth.
• 소비자용 AI 요금제(Google One)는 유료 구독 증가에 기여했습니다.

Gemini’s economic impact is therefore distributed across Cloud infrastructure and model access, Search enhancements (AI Overviews / AI Mode), enterprise platforms, and consumer subscriptions. Pure incremental “Gemini software revenue” cannot be isolated from public filings.

따라서 Gemini의 경제적 효과는 클라우드 인프라와 모델 접근, 검색 기능 강화(AI Overviews / AI Mode), 기업용 플랫폼, 소비자 구독에 분산되어 있습니다. 순수한 증분 “Gemini 소프트웨어 매출”은 공시 자료로는 분리할 수 없습니다.

Microsoft Copilot

Microsoft primarily discloses paid seat counts rather than a pure Copilot revenue line:

Microsoft는 순수 Copilot 매출 대신 주로 유료 시트 수를 공개합니다.

• Over 30 million paid Microsoft 365 Copilot seats by the end of June 2026 (FY26 Q4 earnings).
• 2026년 6월 말 기준 Microsoft 365 Copilot 유료 시트 3,000만 개 이상(2026 회계연도 4분기 실적).
• Third-party tracking estimates ~36 million paid seats by September 2026.
• 외부 추적 기관은 2026년 9월 기준 유료 시트를 약 3,600만 개로 추정합니다.
• License-based ARR estimates around ~$14 billion by late September 2026 (expert commentary); projections of $16–17 billion once seats reach ~50 million.
• 라이선스 기반 연환산 매출은 2026년 9월 말 약 $140억으로 추정(전문가 의견), 시트가 약 5,000만 개에 이르면 $160–170억으로 전망됩니다.
• Net seat additions accelerated sharply in 2026, with large enterprise deployments (customers with >50,000 seats growing more than 7x year-over-year in some periods).
• 2026년 순증 시트가 크게 늘었으며, 대규모 기업 배치(시트 5만 개 초과 고객은 일부 기간 전년 대비 7배 이상 증가)가 이어졌습니다.
• Penetration remains relatively low versus the ~450+ million paid Microsoft 365 commercial seats, leaving substantial headroom inside the existing base.
• 약 4억 5,000만 개 이상의 Microsoft 365 상업용 유료 시트 대비 보급률은 아직 낮아, 기존 고객 기반 안에 상당한 여지가 있습니다.

Copilot’s advantage is distribution: it is sold into an already-installed base of productivity software rather than requiring a separate new-vendor procurement cycle. Usage-based elements (credits, metering) are also being introduced in some tiers.

Copilot의 강점은 유통망입니다. 새 공급업체에 대한 별도 구매 절차 없이 이미 설치된 생산성 소프트웨어 기반에 판매됩니다. 일부 요금제에는 사용량 기반 요소(크레딧, 계량)도 도입되고 있습니다.

Meta Muse

Meta’s consumer-facing AI efforts (including products referred to in some contexts as Muse) remain early-stage from a direct monetization perspective. Revenue contribution is primarily indirect — through improved engagement, advertising efficiency, and potential future commerce features. No large-scale direct enterprise software revenue line comparable to Copilot or the pure-play labs has been disclosed. Meta’s AI infrastructure investment is large, but attribution of incremental revenue is not broken out in the same manner as the other players.

Meta의 소비자용 AI(일부에서 Muse로 불리는 제품 포함)는 직접적인 수익화 측면에서 아직 초기 단계입니다. 매출 기여는 주로 간접적이며, 참여도 향상, 광고 효율, 향후 커머스 기능 가능성을 통해 나타납니다. Copilot이나 순수 AI 연구소에 견줄 만한 대규모 기업용 소프트웨어 직접 매출은 공개되지 않았습니다. Meta의 AI 인프라 투자는 크지만, 증분 매출의 귀속은 다른 기업들처럼 구분되어 공개되지 않습니다.

Factors supporting a path toward $1T$1조로 가는 경로를 뒷받침하는 요인

• Embedding into existing software: AI features added to ERP, CRM, productivity suites, coding tools, and customer service platforms allow vendors to capture premiums without requiring entirely new procurement decisions. Incumbents (Microsoft, Salesforce, SAP, Oracle, etc.) are well positioned here.
• 기존 소프트웨어에 내장: ERP, CRM, 생산성 제품군, 코딩 도구, 고객 서비스 플랫폼에 AI 기능을 더하면 완전히 새로운 구매 결정 없이도 공급업체가 프리미엄을 얻을 수 있습니다. 기존 강자(Microsoft, Salesforce, SAP, Oracle 등)가 유리한 위치에 있습니다.
• Agentic systems: If autonomous agents move from pilots to production at scale and become a meaningful share of software budgets, Gartner has indicated this category alone could drive hundreds of billions of enterprise application software revenue by the mid-2030s.
• 에이전틱 시스템: 자율 에이전트가 시범 단계에서 대규모 운영으로 넘어가 소프트웨어 예산의 의미 있는 비중을 차지하면, Gartner는 이 범주만으로도 2030년대 중반까지 수천억 달러의 엔터프라이즈 애플리케이션 소프트웨어 매출을 만들 수 있다고 봤습니다.
• Cloud AI services and APIs: Continued rapid growth in model access, fine-tuning, and inference continues to expand the addressable spend.
• 클라우드 AI 서비스와 API: 모델 접근, 파인튜닝, 추론의 빠른 성장이 이어지며 대상 지출이 계속 확대됩니다.
• Broader generative AI forecasts: Several research houses (Bloomberg Intelligence ~$1.3T by 2032, MarketsandMarkets paths above $1.5T by early 2030s, Morgan Stanley ~$1.1T by 2028 under certain scopes) reach or exceed $1 trillion when the definition includes software, services, and related elements.
• 더 넓은 생성형 AI 전망: 여러 리서치 기관(Bloomberg Intelligence 2032년 약 $1.3조, MarketsandMarkets 2030년대 초 $1.5조 이상, Morgan Stanley 특정 범위 기준 2028년 약 $1.1조)은 소프트웨어, 서비스, 관련 요소를 포함하면 $1조에 도달하거나 이를 넘는다고 봅니다.

Constraints제약 요인

• Most pure enterprise AI software forecasts remain in the $500–800+ billion range by 2035–2036.
• 대부분의 순수 엔터프라이즈 AI 소프트웨어 전망은 2035–2036년 $5,000–8,000억 이상 범위에 머뭅니다.
• ROI realization is still uneven. Many organizations remain in pilot or early production stages; a meaningful share of projects are delayed or cancelled due to cost, governance, or unclear value.
• ROI 실현은 아직 고르지 않습니다. 많은 조직이 시범 또는 초기 운영 단계에 있으며, 상당수 프로젝트가 비용, 거버넌스, 불분명한 가치 때문에 지연되거나 취소됩니다.
• A large portion of the biggest market-size numbers include infrastructure, services, and consumer applications rather than pure software licensing.
• 가장 큰 시장 규모 수치의 상당 부분은 순수 소프트웨어 라이선스가 아니라 인프라, 서비스, 소비자 애플리케이션을 포함합니다.
• McKinsey’s widely cited $2.6–4.4 trillion figure is an estimate of economic productivity value across use cases, not software vendor revenue.
• 자주 인용되는 McKinsey의 $2.6–4.4조는 활용 사례 전반의 경제적 생산성 가치 추정치이지 소프트웨어 공급업체 매출이 아닙니다.

Primary demand drivers주요 수요 동인

• Software engineering productivity: Coding assistants and agents (Claude Code, GitHub Copilot, etc.) have shown some of the clearest early ROI and have been major growth drivers for the labs.
• 소프트웨어 엔지니어링 생산성: 코딩 어시스턴트와 에이전트(Claude Code, GitHub Copilot 등)는 가장 분명한 초기 ROI를 보여 왔으며 연구소의 주요 성장 동력이었습니다.
• Customer service and support: Task-specific agents that handle multi-turn inquiries and reduce human handling time.
• 고객 서비스·지원: 여러 차례 이어지는 문의를 처리하고 사람의 응대 시간을 줄이는 업무 특화 에이전트.
• Knowledge work and productivity: Summarization, drafting, analysis, and workflow assistance inside existing office suites.
• 지식 노동·생산성: 기존 오피스 제품군 안에서의 요약, 초안 작성, 분석, 업무 흐름 지원.
• Enterprise application enhancement: AI features inside CRM, ERP, and vertical applications that improve conversion, reduce errors, or accelerate processes.
• 엔터프라이즈 애플리케이션 고도화: CRM, ERP, 산업별 애플리케이션 안의 AI 기능으로 전환율 개선, 오류 감소, 프로세스 가속.
• Governance and compliance tooling: As deployment scales, spending on monitoring, audit trails, and controls is expected to grow rapidly.
• 거버넌스·컴플라이언스 도구: 배치 규모가 커지면서 모니터링, 감사 추적, 통제에 대한 지출이 빠르게 늘 것으로 예상됩니다.

Adoption: progress and constraints도입 현황: 진전과 제약

Surveys (McKinsey and others) indicate high stated adoption rates and a meaningful share of organizations reporting some positive ROI. At the same time, a persistent gap remains between ambition and scaled production deployment. Cost (including token consumption), integration complexity, data readiness, and governance are frequently cited constraints. Agentic projects in particular face elevated cancellation risk in some forecasts when ROI is unclear or controls are weak.

설문 조사(McKinsey 등)에 따르면 응답 기업의 도입률은 높고, 상당수 조직이 어느 정도 긍정적인 ROI를 보고하고 있습니다. 동시에 목표와 대규모 운영 배치 사이의 격차는 계속 남아 있습니다. 비용(토큰 사용량 포함), 통합 복잡성, 데이터 준비 상태, 거버넌스가 자주 거론되는 제약입니다. 특히 에이전틱 프로젝트는 ROI가 불분명하거나 통제가 약할 경우 일부 전망에서 취소 위험이 높게 평가됩니다.

Implications for software TAM소프트웨어 TAM에 대한 시사점

Embedding AI software in physical systems expands the theoretical addressable market well beyond pure enterprise software seats. Each deployed robot or autonomous vehicle can generate ongoing software revenue through:

물리적 시스템에 AI 소프트웨어를 내장하면 이론적 대상 시장은 순수 엔터프라이즈 소프트웨어 시트를 훨씬 넘어 확장됩니다. 배치된 로봇이나 자율주행차는 다음을 통해 지속적인 소프트웨어 매출을 만들 수 있습니다.

• Specialized foundation models and vision-language-action models
• 특화 파운데이션 모델과 비전-언어-행동 모델
• Simulation, digital twins, and training data platforms
• 시뮬레이션, 디지털 트윈, 학습 데이터 플랫폼
• Fleet management, monitoring, and optimization software
• 플릿 관리, 모니터링, 최적화 소프트웨어
• Safety, compliance, and teleoperation systems
• 안전, 컴플라이언스, 원격 조작 시스템
• Updates and new task capabilities sold as software
• 소프트웨어로 판매되는 업데이트와 새 작업 기능

However, software capture rates are typically lower than in pure SaaS. Hardware manufacturers, system integrators, and industrial incumbents often control distribution and customer relationships. Pure-play AI labs may capture a meaningful share of the model and software layer, but they are unlikely to capture the majority of the total physical systems revenue.

다만 소프트웨어가 가져가는 비율은 보통 순수 SaaS보다 낮습니다. 하드웨어 제조사, 시스템 통합업체, 기존 산업 강자가 유통과 고객 관계를 쥐고 있는 경우가 많습니다. 순수 AI 연구소는 모델·소프트웨어 계층에서 의미 있는 몫을 차지할 수 있지만, 전체 물리적 시스템 매출의 대부분을 가져갈 가능성은 낮습니다.

Constraints specific to physical AI피지컬 AI 고유의 제약

• Reliability and safety: Physical systems must operate with far higher reliability than most software. Failures have real-world consequences. This slows deployment relative to pure software tools.
• 신뢰성·안전: 물리적 시스템은 대부분의 소프트웨어보다 훨씬 높은 신뢰성으로 작동해야 합니다. 고장은 현실 세계에 영향을 줍니다. 이 때문에 순수 소프트웨어 도구보다 배치가 느립니다.
• Cost: Advanced humanoid and general-purpose systems remain expensive ($100k–$500k+ in many cases). Meaningful scale requires further cost declines toward the $20k–$50k range for broader adoption.
• 비용: 첨단 휴머노이드와 범용 시스템은 여전히 비쌉니다(많은 경우 $10만–50만 이상). 폭넓은 도입을 위한 의미 있는 규모에 이르려면 $2만–5만 범위로 비용이 더 내려가야 합니다.
• Data and training: Real-world robotic data is harder and more expensive to collect than text or image data. Simulation helps but does not fully substitute.
• 데이터·학습: 현실 세계의 로봇 데이터는 텍스트나 이미지 데이터보다 수집이 어렵고 비쌉니다. 시뮬레이션이 도움이 되지만 완전히 대체하지는 못합니다.
• Integration and infrastructure: Factories, warehouses, and construction sites were not designed for flexible robots. Retooling and workflow redesign take time.
• 통합·인프라: 공장, 창고, 건설 현장은 유연한 로봇을 전제로 설계되지 않았습니다. 설비 개조와 업무 흐름 재설계에 시간이 걸립니다.
• Power and compute at the edge: On-device inference for vision and control adds energy and thermal constraints on mobile systems.
• 엣지의 전력·컴퓨팅: 비전과 제어를 위한 온디바이스 추론은 이동형 시스템에 에너지·발열 제약을 더합니다.

Near term (2026–2027)단기(2026–2027)

Continued rapid revenue growth for the leading labs and Copilot-style products is likely if current enterprise adoption trends hold. Infrastructure spending remains elevated. Power and interconnection constraints become more visible. Some consolidation among smaller AI providers is expected.

현재의 기업 도입 추세가 유지되면 선두 연구소와 Copilot 유형 제품의 빠른 매출 성장이 이어질 가능성이 큽니다. 인프라 지출은 높은 수준을 유지합니다. 전력과 연계 제약이 더 뚜렷해집니다. 소규모 AI 업체 간 일부 통합이 예상됩니다.

Medium term (2028–2030)중기(2028–2030)

Growth rates for pure AI software are expected to moderate from current extreme levels as the market matures and base effects take hold. Embedding of AI into incumbent software platforms becomes a larger share of total value. Agentic capabilities move further into production for a subset of high-ROI use cases. Returns on infrastructure capital begin to be tested more rigorously.

시장이 성숙하고 기저 효과가 나타나면서 순수 AI 소프트웨어의 성장률은 현재의 매우 높은 수준에서 완만해질 것으로 예상됩니다. 기존 소프트웨어 플랫폼에 AI를 내장하는 것이 전체 가치에서 더 큰 비중을 차지합니다. 에이전틱 기능은 ROI가 높은 일부 활용 사례에서 운영 단계로 더 나아갑니다. 인프라 자본의 수익이 더 엄격하게 검증되기 시작합니다.

Key variables to watch주요 확인 변수

Pace of enterprise production deployment (versus pilots), realized productivity gains and willingness to pay, trajectory of inference costs, power availability and pricing, and the degree to which AI value is captured by pure-play labs versus incumbents embedding the technology.

기업의 운영 배치 속도(시범 대비), 실현된 생산성 향상과 지불 의향, 추론 비용 추이, 전력 확보와 가격, 그리고 AI 가치가 순수 연구소와 기술을 내장하는 기존 강자 중 어디에 귀속되는지의 정도.

What the data support데이터가 뒷받침하는 것

• Anthropic and OpenAI have reached annualized revenue scales in the tens of billions of dollars within a very short period. Their growth trajectories are among the fastest recorded for software businesses of this size.
• Anthropic과 OpenAI는 매우 짧은 기간에 연환산 매출 수백억 달러 규모에 도달했습니다. 이 규모의 소프트웨어 사업 중 가장 빠른 성장 궤적에 속합니다.
• Microsoft Copilot has demonstrated that distribution into an existing enterprise software base can generate multi-billion-dollar ARR relatively quickly, even if penetration remains low relative to the total Microsoft 365 seat count.
• Microsoft Copilot은 기존 엔터프라이즈 소프트웨어 기반으로의 유통이 Microsoft 365 전체 시트 대비 보급률이 낮더라도 비교적 빠르게 수십억 달러의 연환산 매출을 만들 수 있음을 보여 주었습니다.
• Google’s AI contribution is large but distributed across Cloud infrastructure, Search enhancements, and consumer subscriptions, making pure software attribution difficult from public data.
• Google의 AI 기여는 크지만 클라우드 인프라, 검색 기능 강화, 소비자 구독에 분산되어 있어 공개 데이터로는 순수 소프트웨어 귀속이 어렵습니다.
• Enterprise AI software market forecasts that stay within a software-centric definition generally point to a mid-to-high hundreds of billions of dollars by the mid-2030s. Broader definitions that include embedded features and related services can reach or exceed $1 trillion.
• 소프트웨어 중심 정의에 머무는 엔터프라이즈 AI 소프트웨어 시장 전망은 대체로 2030년대 중반 수천억 달러 중후반을 가리킵니다. 내장 기능과 관련 서비스를 포함하는 넓은 정의는 $1조에 이르거나 넘을 수 있습니다.

What remains unresolved아직 해소되지 않은 것

• The speed and durability of enterprise production deployment beyond pilots and coding assistance.
• 시범 단계와 코딩 지원을 넘어선 기업 운영 배치의 속도와 지속성.
• Whether realized productivity gains will support the pricing and volume needed to generate attractive returns on the current capital cycle.
• 실현된 생산성 향상이 현재 자본 사이클에서 매력적인 수익을 내는 데 필요한 가격과 물량을 뒷받침할지 여부.
• How much of the long-term value will be captured by pure-play AI companies versus incumbents that embed AI into existing applications.
• 장기 가치 중 얼마가 순수 AI 기업에, 얼마가 기존 애플리케이션에 AI를 내장하는 기존 강자에 돌아갈지.
• The practical severity of power, land, and interconnection constraints over the next several years, and the timeline on which any orbital compute concepts could become relevant.
• 향후 몇 년간 전력, 부지, 연계 제약의 실제 강도, 그리고 궤도 컴퓨팅 개념이 의미를 갖게 될 시점.

Primary sources주요 출처

• Anthropic, PBC Form S-1, filed with the SEC on October 26, 2026 (File No. 333-299633; EDGAR).
• Anthropic, PBC Form S-1, 2026년 10월 26일 SEC 제출(파일 번호 333-299633, EDGAR).
• Financial Times, Wall Street Journal, Reuters, Bloomberg, and related coverage of Anthropic investor meetings and draft prospectus figures (October 2026).
• Anthropic 투자자 미팅과 투자설명서 초안 수치에 관한 Financial Times, Wall Street Journal, Reuters, Bloomberg 및 관련 보도(2026년 10월).
• OpenAI figures from Bloomberg, Financial Times, and related coverage of investor communications (September–October 2026).
• 투자자 커뮤니케이션에 관한 Bloomberg, Financial Times 및 관련 보도의 OpenAI 수치(2026년 9–10월).
• Alphabet earnings releases and commentary (Google Cloud revenue, Gemini usage metrics, backlog).
• Alphabet 실적 발표와 코멘트(Google Cloud 매출, Gemini 사용 지표, 수주 잔고).
• Microsoft earnings calls and third-party seat / ARR estimates for Microsoft 365 Copilot.
• Microsoft 실적 발표 콜과 Microsoft 365 Copilot의 외부 시트·연환산 매출 추정치.
• Gartner AI spending forecasts (2026) and commentary on agentic AI and infrastructure returns.
• Gartner AI 지출 전망(2026)과 에이전틱 AI 및 인프라 수익에 관한 코멘트.
• Market research reports on enterprise AI, agentic AI, generative AI, physical AI / embodied AI, and robotics market size (Counterpoint, Polaris, Acumen, Market.us, Barclays, J.P. Morgan / multi-firm averages, McKinsey, Future Markets, and others).
• 엔터프라이즈 AI, 에이전틱 AI, 생성형 AI, 피지컬·체화형 AI, 로보틱스 시장 규모에 관한 시장 조사 보고서(Counterpoint, Polaris, Acumen, Market.us, Barclays, J.P. Morgan / 다수 기관 평균, McKinsey, Future Markets 등).

Key caveats주요 유의 사항

• Private company figures are not audited public filings and can be revised.
• 비상장사 수치는 감사받은 공시 자료가 아니며 수정될 수 있습니다.
• Gross versus net accounting for cloud-partner revenue creates material differences between Anthropic and OpenAI reported run-rates.
• 클라우드 파트너 매출의 총액 대 순액 회계 처리로 Anthropic과 OpenAI의 보고된 연환산 매출에 큰 차이가 생깁니다.
• Public company AI product revenue is frequently not broken out (Gemini, much of Meta’s AI contribution, portions of Microsoft beyond seat counts).
• 상장사의 AI 제품 매출은 별도로 공개되지 않는 경우가 많습니다(Gemini, Meta AI 기여의 상당 부분, 시트 수 이외의 Microsoft 일부).
• Market-size forecasts use differing scopes. Always verify whether a number includes infrastructure, services, embedded features, or pure software licensing.
• 시장 규모 전망은 범위가 서로 다릅니다. 수치가 인프라, 서비스, 내장 기능, 순수 소프트웨어 라이선스 중 무엇을 포함하는지 항상 확인하십시오.
• All forward-looking TAM and revenue figures are estimates subject to adoption rates, pricing power, competition, regulation, and macroeconomic conditions.
• 모든 TAM·매출 전망치는 도입률, 가격 결정력, 경쟁, 규제, 거시경제 여건에 따라 달라지는 추정치입니다.
• Adjusted profitability metrics exclude various costs and should not be treated as equivalent to GAAP net income.
• 조정 기준 수익성 지표는 여러 비용을 제외하므로 GAAP 순이익과 같은 것으로 취급해서는 안 됩니다.