Invest Like The Best: Anthropic's omzet explodeerde van $9 miljard naar $30 miljard run rate in één kwartaal — en de CFO ziet geen tekenen van vertraging in de schaalwetten
Krishna Rao bespreekt op 13 mei 2026 met Patrick O'Shaughnessy de compute-strategie, de exponentiële groei en waarom frontier intelligence een structurele premie rechtvaardigt
Van $9 miljard naar $30 miljard in één kwartaal
Het cijfer dat de meeste beleggers even stil zal doen staan, werd bijna terloops genoemd. Anthropic CFO Krishna Rao vertelde in Invest Like The Best dat het bedrijf 2026 inging met een geannualiseerde omzet (run rate) van ongeveer $9 miljard en het eerste kwartaal afsloot met ruim $30 miljard. Dat is geen jaarcijfer; dat is het resultaat van één kwartaal. Ter vergelijking: toen Rao twee jaar geleden bij het bedrijf kwam, bedroeg de run rate ongeveer $250 miljoen. Het traject tart elk conventioneel kader voor de adoptie van enterprise-software, en Rao gaf eerlijk toe dat hij zich in zijn eerste maanden mentaal liet leiden door lineair denken, voordat hij gedwongen werd zijn aannames volledig bij te stellen.
De drijvende kracht achter die groei is volgens Rao niet louter sales-executie of prijszettingsmacht, maar de cumulatieve kracht van modelintelligentie. "Elke nieuwe modelgeneratie biedt de kans om meer te doen, het beter te doen en het efficiënter te doen", stelde hij. "De rendementen op frontier intelligence zijn extreem hoog, zeker in de zakelijke markt." De net dollar retention ligt op geannualiseerde basis boven de 500 procent. Negen van de Fortune 10-bedrijven zijn inmiddels klant. Tijdens de autorit naar de studio sloot Rao nog twee contracten van tientallen miljoenen dollars.
Een compute-commitment van $100 miljard en de "layer cake"-strategie
Vorige maand tekende Anthropic een van de grootste inkoopovereenkomsten voor rekenkracht in de bedrijfsgeschiedenis. Het bedrijf sloot een deal met Google en Broadcom voor maximaal vijf gigawatt aan TPU-capaciteit vanaf 2027, en een afzonderlijke overeenkomst met Amazon voor maximaal vijf gigawatt aan Trainium. Gezamenlijk vertegenwoordigen de twee contracten een commitment van meer dan $100 miljard. Rao maakte ook een nieuw partnerschap met SpaceX bekend voor toegang tot de Colossus-faciliteit in Memphis voor rekenkracht op de korte termijn, primair gericht op workloads voor consumenten en prosumers.
Rao omschrijft de resulterende infrastructuur als een "layer cake" — segmenten van rekenkracht van verschillende aanbieders, verschillende chipgeneraties en verschillende startdata, die dynamisch worden aangestuurd voor drie specifieke gebruiksdoelen: modeltraining en -ontwikkeling, interne versnelling voor werknemers, en het bedienen van de externe vraag naar inference. "We gebruiken deze chips inwisselbaar", zei hij. Anthropic draait tegelijkertijd op Amazon's Trainium, Google's TPU's en Nvidia's GPU's, en heeft een eigen compiler-stack en orkestratielaag gebouwd om de maximale benutting uit elk type te halen. Rao gelooft dat dit Anthropic de meest efficiënte gebruiker van rekenkracht maakt onder alle frontier labs — een claim die hij toeschrijft aan jaren van doelgerichte investeringen in plaats van één enkele architecturale beslissing.
De strategische logica achter deze multi-cloud en multi-chip opstelling is simpel: flexibiliteit is de afdekking tegen onzekerheid. "Als je te veel rekenkracht koopt, ga je failliet. Als je te weinig koopt, kun je je klanten niet bedienen en lig je niet meer aan de frontier — en dat komt op hetzelfde neer", aldus Rao.
De "kegel van onzekerheid" — en waarom die alles aanstuurt
Het belangrijkste conceptuele kader dat Rao gebruikt om de financiële functie bij Anthropic te runnen, is wat hij de "kegel van onzekerheid" (cone of uncertainty) noemt. Op een exponentiële groeicurve leiden kleine verschillen in wekelijkse of maandelijkse groei tot radicaal uiteenlopende uitkomsten over een horizon van één tot twee jaar. De bandbreedte van scenario's wordt daardoor extreem groot en puntschattingen worden nagenoeg nutteloos. Anthropic reageert hierop door flexibiliteit in elk compute-contract in te bouwen, een harde ondergrens te handhaven voor rekenkracht die aan modelontwikkeling wordt toegewezen (ongeacht de druk van de korte-termijn-vraag), en de rest dynamisch te herverdelen op basis van ROI-discussies die continu plaatsvinden in plaats van per kwartaal.
Rao is expliciet over het feit dat het bedrijf historisch gezien aan de bovenkant van zijn kegel opereert. De reden dat de kapitaalwerving op grote schaal doorgaat — $75 miljard opgehaald sinds zijn komst, met nog eens $50 miljard in het vooruitzicht vanuit de Amazon- en Google-deals — is niet om operationele verliezen te dekken, zo betoogde hij, maar om zich te positioneren voor scenario's waarin de groei de verwachtingen blijft overtreffen. "We halen dit kapitaal vooral op vanwege die kegel van onzekerheid, en minder om de huidige verliezen in de business te financieren", zei hij.
Recursieve zelfverbetering is al realiteit
Een van de meest ingrijpende onthullingen in het gesprek was Rao's bevestiging dat recursieve zelfverbetering bij Anthropic geen theoretisch construct meer is, maar een huidige operationele realiteit. Meer dan 90 procent van de intern geschreven code wordt nu geproduceerd door Claude Code, en een aanzienlijk deel van Claude Code zelf wordt geschreven door Claude Code. Anthropic wijst aanzienlijke interne rekenkracht toe aan deze lus, niet omdat het daarvoor omzet opoffert, maar omdat de modellen de ontwikkeling van de volgende generatie modellen materieel versnellen.
"De modellen zelf helpen ons om die volgende generatie modellen te bouwen", zei Rao. "Naast de sprong in capaciteit die je al krijgt door de schaalwetten, is talent cruciaal — en dat talent kan met de beste modellen de ontwikkeling van nieuwe capaciteiten enorm versnellen." Het bedrijf bracht alleen al in januari 30 product- en functie-updates uit, een tempo dat volgens Rao sindsdien alleen maar is versneld. De interne stelling van Anthropic is dat deze recursieve lus, gecombineerd met de schaalwetten die volgens hen intact blijven, de kloof tussen frontier labs en de rest van de markt vergroot.
Schaalwetten: geen vertraging waargenomen
Over de centrale vraag die de AI-beleggersgemeenschap verdeelt — of de schaalwetten tegen een muur aanlopen — was Rao onomwonden. "Voor ons is dat een terechte karakterisering. De schaalwetten vertragen niet." Hij erkende dat bij de oprichters enkele van de oorspronkelijke auteurs van de papers over schaalwetten zitten en dat de interne cultuur vraagt om wetenschappelijk scepticisme ten aanzien van eerder aangenomen aannames. Maar op basis van wat Anthropic ziet in pre-training loss-curves, reinforcement learning-runs en uiteindelijk de feedback van klanten over werkelijke prestaties, is er geen enkel bewijs voor vertraging. Pre-training, post-training en redeneervermogen ontwikkelen zich allemaal, en Rao's visie is dat een echt plafond zou vereisen dat ze allemaal tegelijkertijd instorten.
Anthropic volgt verbeteringen in modelefficiëntie naast de pure capaciteitswinst. Als we de Opus-familie als voorbeeld nemen — van Opus 4 naar 4.5, 4.6 en nu 4.7 — levert elke generatie niet alleen meer intelligentie, maar ook een multiplier in de efficiëntie van tokenverwerking. De implicatie is dat de sportwagen-analogie voor AI-modellen onjuist is: betere modellen zijn ook goedkoper om te draaien. "We zien beide: enorme verbeteringen in capaciteit, maar ook in modelefficiëntie", zei Rao. Die efficiëntiewinst werkt intern door, omdat reinforcement learning in feite inference binnen een sandbox is; een efficiënter model maakt dus ook de RL-runs goedkoper.
Prijsstelling: Jevons-paradox in actie
De belangrijkste prijsaanpassing van Anthropic in de recente geschiedenis was de prijsverlaging van de Opus-familie bij de lancering van Opus 4.5. De reden was simpel: de capaciteit van het Opus-niveau werd onderbenut omdat klanten problemen die geschikt waren voor Opus probeerden op te lossen binnen de prijsstelling van het Sonnet-niveau. Door de prijs te verlagen, ontketende Anthropic wat Rao expliciet omschreef als een Jevons-paradox: het verbruik nam veel sterker toe dan de prijsverlaging bij een constant benuttingsniveau zou doen vermoeden. De prijzen voor Sonnet en Haiku zijn grotendeels stabiel gebleven. Mythos, het nieuwste en krachtigste model, heeft een hoger prijspunt dat in verhouding staat tot zijn capaciteitsniveau.
Rao wees de stelling van de hand dat beperkingen in rekenkracht logischerwijs tot prijsverhogingen over de hele linie zouden moeten leiden. Zijn voorkeursmaatstaf is het rendement op het totale compute-budget, waarbij training, intern gebruik en inference worden behandeld als één kapitaalpool die rendementen genereert over verschillende tijdshorizons. "Onze rendementen op die compute-uitgaven zijn momenteel robuust", zei hij, zonder specifieke marges te noemen. Het cruciale inzicht voor beleggers is dat wanneer de omzet snel groeit zonder een evenredige toename in rekenkracht — omdat de capaciteit 12 maanden vooruit is vastgelegd — de incrementele economie van het bedienen van nieuwe vraag zeer gunstig kan zijn binnen een bepaalde compute-vintage.
Platform vs. Applicatie: grotendeels horizontaal, selectief verticaal
Rao positioneerde de strategische koers van Anthropic primair als een horizontaal platformbedrijf, waarbij hij een expliciete vergelijking trok met de beginjaren van AWS. Het doel is om de beste modellen te bouwen en vervolgens de tools, SDK's, beheerde agents, prompt caching en applicatiespecifieke overlays aan te bieden waarmee zakelijke klanten op die basis kunnen bouwen. Claude Code, co-work, Claude for Financial Services, Claude for Life Sciences en Claude Security worden gekarakteriseerd als verticale demonstraties die bedoeld zijn om het ecosysteem te laten zien wat het platform kan — en niet als een poging om de applicatiemarkt te domineren.
Rao erkende de spanning direct. Klanten die hun bedrijf op Claude bouwen, hebben het recht om scherp in de gaten te houden hoe ver Anthropic in de stack afdaalt, en hij gaf toe dat modelreleases soms zelfs het eigen team van Anthropic verrassen. Zijn antwoord op de onrust bij partners was in essentie structureel: Anthropic bouwt op hetzelfde platform dat het aan klanten aanbiedt, verticale lanceringen zijn in samenwerking met ecosysteempartners gedaan, en het commerciële belang van het bedrijf ligt in het breed verspreiden van intelligentie in plaats van het veroveren van elke applicatielaag. Of die houding standhoudt naarmate het platform volwassener wordt, liet Rao in het midden.
Hoe Claude het financiële team van Anthropic aanstuurt
Een van de meer gedetailleerde onthullingen was Rao's beschrijving van hoe zijn eigen financiële organisatie is getransformeerd. Anthropic produceert nu wettelijke jaarrekeningen voor alle juridische entiteiten met behulp van Claude, waarbij menselijke controle fungeert als check in plaats van als primair productieproces. Het bedrijf heeft een intern platform gebouwd genaamd Ant Stats, met een bibliotheek van meer dan 70 financiële vaardigheden die toegankelijk zijn voor het hele team, waaronder een maandelijkse financiële review-vaardigheid die het MFR (Monthly Financial Review) voor 90 tot 95 procent voltooit. Een wekelijks rapport over omzet en compute-benutting dat voorheen uren in beslag nam, kost nu 30 minuten. Cruciaal is dat Rao zegt dat het model niet alleen rapporteert wat er is gebeurd — het analyseert de drijfveren en causaliteit. "Claude rapporteert niet alleen het weer, het helpt ook na te denken over de oorzaken — waarom veranderde het cijfer zoals het deed?"
Rao houdt het tokengebruik binnen zijn team bij op een ranglijst en merkte op dat de zwaarste gebruikers vaak de meest senior medewerkers zijn. Zijn hoofd belastingen is de grootste verbruiker; zij bouwt beleidsengines en automatiseert grote delen van de belastingwerkzaamheden. "Als wij hier geen intensieve gebruikers van zijn, als wij de grenzen hiervan niet opzoeken, hoe kun je dan verwachten dat klanten dat doen?", zei hij.
Mythos, Cybersecurity en het gefaseerde release-framework
Rao ging in op de release van Mythos, dat hij omschreef als een breed inzetbaar model dat toevallig een bijzonder scherpe piek in cybersecurity-capaciteiten vertoonde. Waar een vorig Claude-model 22 kwetsbaarheden in een open-source codebase identificeerde, vond Mythos er 250. De beslissing om het in fasen uit te brengen, aan een gecontroleerde en groeiende groep gebruikers, werd gepresenteerd als een sjabloon voor hoe Anthropic toekomstige modellen met asymmetrische risicoprofielen (dual-use) wil aanpakken. Het bedrijf werkte nauw samen met de huidige Amerikaanse regering in de aanloop naar de release. Rao karakteriseerde de regelgevende dynamiek als een situatie waarin Anthropic wil dat innovatie snel verloopt, maar binnen een kader van verantwoordelijkheid — en waarbij de investering van Anthropic in interpretability en alignment-onderzoek commerciële voordelen creëert bij zakelijke klanten die oorspronkelijk niet de motivatie voor dat onderzoek waren.
Wat de stelling onderuit zou kunnen halen
Rao bood een eerlijke pre-mortem over wat Anthropic naar de onderkant van zijn kegel van onzekerheid zou kunnen duwen. Het eerste risico is de diffusiegraad: use-cases in grote ondernemingen lopen achter op de capaciteiten van de modellen, en menselijke organisatorische traagheid zou de adoptie kunnen vertragen. Het tweede is een vertraging in de schaalwetten zelf, waarvan Rao opmerkte dat dit niet met zekerheid kan worden uitgesloten, ook al ziet Anthropic daar vandaag de dag geen bewijs van. Het derde is de concurrentiepositie: "Vandaag zitten we aan de frontier. Ik denk dat we de frontier van agentic AI definiëren. We moeten daar blijven — en dat is ook niet gegarandeerd."
De lange termijn: gezondheidszorg en medicijnontwikkeling
Gevraagd naar waar hij persoonlijk het meest enthousiast over is wat betreft de impact van AI, was het antwoord van Rao ondubbelzinnig: biotechnologie en medicijnontwikkeling. Zijn visie is een wereld waarin een patiënt bij wie een momenteel ongeneeslijke ziekte wordt vastgesteld, die ziekte nog tijdens zijn leven genezen kan zien worden, omdat AI de tijdlijn voor moleculair onderzoek, eiwitanalyse en de verwerking van klinische proeven met ordes van grootte heeft verkort. "Als je kijkt naar deze moleculen en eiwitten — ze zijn zo complex, en zulke kleine veranderingen hebben zulke grote gevolgen voor de uitkomsten — daar is AI perfect voor", zei hij. Hij ziet een toename van 10x tot 100x in laboratoriumcapaciteit als haalbaar en transformatief, op een manier die de wereldwijde bevolking zou bereiken, ook in gebieden waar middelen in de gezondheidszorg schaars zijn.