Доля корпоративных клиентов в выручке OpenAI впервые превысила 50%: 5 признаков превращения ChatGPT в корпоративную инфраструктуру

Примечание автора: Brockman подтвердил, что более половины доходов OpenAI приходится на корпоративный бизнес. Разбираемся, как произошёл этот сдвиг и что он означает для корпоративных закупок и разработчиков.

4 ноября 2026 года сооснователь и президент OpenAI Greg Brockman сообщил на технологической конференции The Wall Street Journal: сейчас более половины доходов OpenAI приходится на корпоративный бизнес. По его словам, раньше соотношение доходов от корпоративных и частных клиентов составляло примерно 30 к 70, а теперь корпоративный бизнес стал крупнейшим источником доходов.

Это не означает, что OpenAI отказывается от частных пользователей. Brockman особо подчеркнул, что доходы потребительского бизнеса не снизились и продолжают расти — просто корпоративное направление растёт быстрее. Reuters, TechCrunch и WSJ сообщили об этом выступлении 5 ноября.

О чём эта статья: мы проследим, как менялась структура доходов OpenAI, разберём несколько статистических показателей, которые легко перепутать, и объясним, почему корпоративный ИИ становится главным источником доходов для компаний, разрабатывающих модели.

Более половины доходов OpenAI приходится на корпоративный сектор: главное

Для начала соберём ключевые факты в одной таблице. Важно: Brockman сказал лишь «более половины», не назвав точную долю.

Здесь стоит подчеркнуть две детали. Во-первых, 70% — это квартальный рост годового темпа выручки (annualized revenue run rate), а не рост на 70% квартальной выручки, подтверждённой аудитом. Во-вторых, ответ «I think so» означает лишь, что Brockman считает возможной готовность компании к выходу на биржу в 2027 году. Это не значит, что дата IPO уже назначена или заявка подана.

Как менялась доля корпоративных доходов OpenAI

Корпоративный бизнес вышел на долю более половины доходов не за один день. Судя по официальным объявлениям OpenAI и сообщениям СМИ, это был постепенный процесс, занявший около года.

В марте OpenAI ожидала, что доходы от корпоративного и потребительского бизнеса сравняются к концу года. На деле корпоративный сегмент преодолел отметку в 50% уже в начале ноября. Это говорит о том, что его рост в третьем квартале превзошёл собственные ожидания компании в начале года.

Давление конкурентов в первом полугодии: что предшествовало росту корпоративной выручки OpenAI

Чтобы понять, почему структура выручки так заметно изменилась, стоит посмотреть, через что OpenAI прошла в первой половине года. Сам Brockman признал, что в первом и втором кварталах 2026 года компании было относительно сложно на корпоративном рынке. В заголовке статьи WSJ этот период прямо назван «трудным» — Rough.

Основные проблемы возникли в сфере агентного программирования (Agentic Coding). По словам Brockman, хотя у OpenAI уже был Codex, компания оставалась незаметной на этом рынке и не привлекала достаточно внимания. При этом программирование — одно из направлений, на которые компании тратят больше всего средств в области ИИ. По оценке Menlo Ventures, в 2026 году объём рынка ИИ-приложений для программирования составит около 34 млрд долларов.

Три фактора роста в третьем квартале

Brockman объяснил перемены в третьем квартале несколькими ключевыми факторами. При этом он подчеркнул, что они стали результатом продолжительных инвестиций, а не произошли в одночасье:

• Обновление модели: выпуск GPT-5.6 Sol сделал модель удобнее для использования в корпоративных сценариях.
• Запуск ChatGPT Work: сервис превратился из «ассистента для ответов на вопросы» в агента, способного выполнять многоэтапные задачи и предоставлять готовые документы и отчёты.
• Расширение корпоративных продаж: Codex Labs, сотрудничество с семью глобальными системными интеграторами и запуск OpenAI Partner Network в июне.

Рост числа пользователей Codex тоже косвенно подтверждает эту динамику. Согласно опубликованным официальным данным, число еженедельных активных пользователей Codex выросло с 2 млн в конце марта до более чем 5 млн в начале июня. Около пятой части из них составляли корпоративные специалисты умственного труда, а численность этой группы росла более чем втрое быстрее, чем численность разработчиков. Важно отметить, что 5 млн — это публичные данные за июнь, а не актуальный показатель на ноябрь.

Корпоративная выручка OpenAI и конкуренция с Anthropic: не путайте разные показатели

При обсуждении корпоративной выручки OpenAI легко допустить ошибку: сравнить цифры, рассчитанные по разным методикам. В открытых источниках есть как минимум четыре вида данных, и каждый говорит о своём.

Вместе эти данные дают более полную картину конкуренции. По оценке Menlo, Anthropic по-прежнему лидирует по доле корпоративных расходов на API: её показатель вырос с 40% годом ранее до 55%, а показатель OpenAI — с 27% до 31%. Однако, по данным WSJ, среди компаний, закупающих продукты обоих поставщиков, в начале года около трёх четвертей расходов приходилось на Anthropic, а к сентябрю доли сторон стали примерно равными. Конкурентные позиции OpenAI заметно улучшились.

Эти данные не противоречат друг другу. В первом случае речь идёт об оценке рынка в целом за год, во втором — об изменениях в определённой группе клиентов. Это как раз показывает, насколько быстро OpenAI сокращала отставание во втором полугодии.

Два показателя годового темпа выручки: 50 и 70 млрд долларов

Ещё одна цифра, которую легко понять неправильно, — годовой темп выручки OpenAI. В конце сентября Reuters сообщило, что этот показатель приблизился к 70 млрд долларов, а в октябре написало, что сентябрьский показатель был близок к 50 млрд долларов. Это не значит, что выручка «сократилась» на 20 млрд долларов.

Разница связана с учётом выручки от партнёров — облачных платформ. OpenAI отражает по некоторым продажам через облачных партнёров только причитающуюся ей долю, тогда как Anthropic может учитывать в выручке всю сумму, уплаченную клиентом, а долю облачной платформы относить на расходы. Представленный ранее инвесторам показатель в 70 млрд долларов был рассчитан по аналогичному принципу учёта полной суммы, чтобы его было проще сравнивать с показателем Anthropic. Кроме того, годовой темп выручки — это лишь оценка годового объёма на основе выручки за определённый период, а не фактически полученная выручка за полный год.

Как это влияет на корпоративную выручку OpenAI и почему компании не выбирают единственного поставщика

JPMorgan Chase — хороший пример того, как компании подходят к закупке ИИ. На конференции Брокман рассказал о сотрудничестве OpenAI с банком: оно включает использование Codex и моделей OpenAI для кибербезопасности в корпоративной трансформации, интеллектуальном труде и внутренней защите. При этом, по дополнительным сообщениям, JPMorgan Chase также сотрудничает в сфере кибербезопасности с Anthropic.

Это показывает, что закупка ИИ в крупных компаниях — не игра с нулевой суммой, где нужно выбрать что-то одно. Компании закупают продукты разных поставщиков в зависимости от задач, возможностей моделей и требований к безопасности. Для разработчика моделей контракт с крупной компанией не означает, что он получит весь её бюджет. А для самой компании работа с несколькими поставщиками — обычный способ снизить риски и оптимизировать расходы.

Что это значит для разработчиков

• Использование нескольких моделей становится нормой: в одном корпоративном проекте для программирования, безопасности и ответов на вопросы могут применяться модели разных поставщиков. Разработчикам важно быстро переключаться между ними и сравнивать результаты.
• Управление расходами становится важнее: по данным Menlo, фактические расходы компаний на ИИ выросли в среднем в 4,7 раза по сравнению с предыдущим годом, хотя ожидался рост лишь в 1,9 раза. Параллельная работа агентов и их непрерывное выполнение в фоновом режиме — одни из главных причин превышения бюджета.
• Контроль качества необходим: как отмечает Axios, управление несколькими рабочими процессами агентов одновременно усложняет надзор. Данные и код, созданные агентами, по-прежнему требуют проверки специалистами.

Для команд, которые используют несколько моделей, единый интерфейс помогает существенно снизить затраты на переключение между ними. Ниже — простейший пример вызова модели через интерфейс, совместимый с OpenAI:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Единый интерфейс APIYI, совместимый с OpenAI
)

response = client.chat.completions.create(
    model="gpt-6.1-sol",  # ID модели указан в списке моделей на платформе
    messages=[{"role": "user", "content": "总结本周销售会议的三个待办事项"}]
)
print(response.choices[0].message.content)

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Один ключ для вызова моделей разных поставщиков
)

# ID моделей указаны в списке на платформе; их можно заменить на Claude, Gemini и другие
MODELS = ["gpt-6.1-sol", "gpt-6.1-terra", "claude-sonnet", "gemini-pro"]

def compare_models(prompt: str):
    """Вызывает несколько моделей для одной задачи, записывает время и расход токенов для оценки затрат"""
    results = []
    for model in MODELS:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[{"role": "user", "content": prompt}],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency": round(time.time() - start, 2),
                "input_tokens": resp.usage.prompt_tokens,
                "output_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content[:120]
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

for r in compare_models("审查这段权限校验逻辑是否存在越权风险：..."):
    print(r)

🚀 Быстрый старт: если ваша команда выбирает, какую модель использовать для разных задач, попробуйте получить бесплатные тестовые кредиты на APIYI apiyi.com. С помощью одного и того же кода сравните результаты OpenAI, Claude и Gemini на реальных бизнес-данных, а также затраты на токены — и затем решите, какие модели закупать.

Логика роста корпоративной выручки OpenAI: от рабочих мест к рабочим процессам

Почему корпоративная выручка может расти быстрее потребительской? Дело в том, что у неё несколько источников. В исходных материалах выделяют три основных уровня: прямые закупки, разработку и вызовы моделей, а также внедрение в рабочие процессы.

Потолок потребительских подписок относительно понятен: один пользователь платит от $8 до $200 в месяц. А корпоративная выручка зависит от двух множителей: числа клиентов и интенсивности использования каждым из них. Компания может сначала купить несколько сотен рабочих мест, затем её разработчики начнут использовать Codex, внутренние системы — вызывать модели через API, а позже Agent будет непрерывно выполнять задачи в фоновом режиме.

Появление Agent ещё сильнее изменило характер потребления токенов. По данным OpenRouter, на которые ссылается Menlo, на Agent приходится около 80% потребления токенов на платформе. С февраля 2026 года, когда трафик Agent превысил трафик от пользователей, он вырос примерно в 37 раз, тогда как пользовательский трафик за тот же период вырос примерно в 5 раз. Эти данные относятся только к OpenRouter — платформе, ориентированной прежде всего на разработчиков, — и их нельзя напрямую переносить на всю отрасль. Но тенденция заслуживает внимания: потребление токенов всё меньше зависит от числа пользователей и всё больше — от количества задач.

Почему при корпоративных закупках важнее возможности управления

ChatGPT Enterprise — это не просто массовая закупка личных аккаунтов Plus. В него входят инструменты управления SCIM, EKM и RBAC, хранение данных в десяти регионах, SLA, индивидуальные юридические условия и обязательство по умолчанию не использовать корпоративные данные для обучения моделей. Это подтверждает и пример JPMorgan: Brockman особо подчеркнул, насколько высокие требования финансовые организации предъявляют к доверию, безопасности и надёжности.

Корпоративные кейсы тоже дают пищу для размышлений. Согласно опубликованному OpenAI кейсу клиента Credit Saison, пилотное внедрение ChatGPT Enterprise с участием 315 человек показало ROI в 954% и позволило сэкономить около 14 часов в месяц на каждого сотрудника. Однако это данные, предоставленные самой компанией и опубликованные OpenAI: они не прошли независимый аудит и не отражают средний показатель по отрасли.

В таблице ниже приведены некоторые публичные цены официального API OpenAI в стандартном режиме — они помогут компаниям оценить стоимость вызовов модели:

Режимы Fast и Flex/Batch, длинный контекст и запись в кэш влияют на фактическую стоимость. Кроме того, API и подписки ChatGPT оплачиваются по разным тарифным схемам.

Частые вопросы FAQ

Доходы OpenAI от корпоративных клиентов: главное

• Структура доходов изменилась: доля корпоративного бизнеса выросла примерно с 30% до более чем половины, при этом доходы от частных пользователей продолжают расти.
• Сложности в первом полугодии: OpenAI почти не была заметна в сфере агентного программирования, но в третьем квартале восстановила позиции благодаря Work и Codex.
• Важно различать показатели: доля корпоративной выручки OpenAI, доля рынка API и расходы общих клиентов — это разные вещи.
• Несколько поставщиков — норма: JPMorgan Chase сотрудничает и с OpenAI, и с Anthropic. Выбор одного поставщика не исключает другого.
• Рост зависит от глубины использования: лицензии, API, агенты и рабочие процессы дополняют друг друга. Именно глубина использования определяет доходы от корпоративных клиентов.
• С чего начать: используйте бесплатный лимит APIYI apiyi.com для небольшого теста, а затем решайте, каких поставщиков и как сочетать.

Итоги

Доходы OpenAI от корпоративных клиентов впервые превысили половину общей выручки. Это означает, что ChatGPT из продукта для частных пользователей постепенно превращается в инфраструктуру, на которую компании опираются в повседневной работе. В основе этого перехода лежат три фактора:

1. Корпоративные доходы обладают мультипликативным эффектом: важно не только количество клиентов, но и то, насколько глубоко каждый из них использует продукт и сколько процессов охватывает.
2. Агенты меняют логику оплаты: расход токенов всё сильнее зависит от объёма задач, а не только от числа пользователей.
3. Конкуренция остаётся острой: Anthropic по-прежнему лидирует по расходам корпоративных клиентов на API, OpenAI быстро догоняет, а компании охотно используют решения нескольких поставщиков одновременно.

Разработчикам и техническим командам компаний вместо ставки на одного поставщика стоит научиться выбирать модель под задачу и оценивать расходы на основе данных. Чтобы быстро проверить, как разные модели справляются с вашими бизнес-задачами, можно использовать APIYI apiyi.com: платформа предлагает OpenAI-совместимый интерфейс и бесплатный лимит для новых пользователей.

📚 Источники

1. Reuters — Брокман о корпоративной выручке и IPO: публикация от 2026-11-05
2. Ссылка: reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05

3. Описание: оригинальная публикация о том, что более половины выручки поступает от корпоративных клиентов, и о готовности к IPO

4. WSJ — бизнес OpenAI в сфере программирования взлетел после сложного первого полугодия: публикация за 2026-11

5. Ссылка: wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5

6. Описание: давление конкурентов в первом полугодии и изменение расходов общих клиентов

7. Reuters — годовая выручка OpenAI в пересчёте по сентябрьским данным приблизилась к 50 млрд долларов: публикация от 2026-10-08

8. Ссылка: reuters.com/business/openais-annualized-revenue-20-billion-less-than-previously-signaled-ft-reports-2026-10-08

9. Описание: объяснение расхождения между оценками в 50 и 70 млрд долларов

10. OpenAI — The next phase of enterprise AI: официальный блог

11. Ссылка: openai.com/index/next-phase-of-enterprise-ai

12. Описание: доля корпоративной выручки свыше 40% и информация о расширении клиентской базы

13. Menlo Ventures — 2026 The State of Enterprise AI: отраслевой отчёт

14. Ссылка: menlovc.com/perspective/2026-the-state-of-enterprise-ai

15. Описание: оценки корпоративных расходов на ИИ и долей рынка API

16. OpenAI — история клиента Credit Saison: опубликовано 2026-10-29

17. Ссылка: openai.com/index/credit-saison
18. Описание: пример ROI пилотного корпоративного проекта (данные, предоставленные самой компанией)

Автор: техническая команда APIYI
Технические вопросы: свяжитесь с нами через главную страницу APIYI apiyi.com. Дополнительные материалы по интеграции доступны в центре документации docs.apiyi.com