Anthropic ने Series F राउंड में लगभग 18 ट्रिलियन वॉन का निवेश जुटाया

• Anthropic ने ICONIQ के नेतृत्व वाले Series F निवेश में 13 अरब डॉलर ($13B, 18 ट्रिलियन वॉन) जुटाए
• इस निवेश के साथ Anthropic का मूल्यांकन 183 अरब डॉलर ($183B, 254 ट्रिलियन वॉन) पर हुआ
• राजस्व वृद्धि तेज़ी से बढ़ रही है, और अगस्त 2025 में वार्षिक राजस्व के आधार पर यह 5 अरब डॉलर तक पहुंच गया
• Claude Code और API सहित कई उत्पाद बिज़नेस और डेवलपर बाज़ार में तेज़ी से विस्तार कर रहे हैं
• निवेश राशि का उपयोग एंटरप्राइज ग्राहकों की मांग पूरी करने, सुरक्षा अनुसंधान मज़बूत करने और वैश्विक विस्तार बढ़ाने में किया जाएगा

---

Anthropic, Series F निवेश और वृद्धि की स्थिति

Series F निवेश का सार

• Anthropic ने ICONIQ के नेतृत्व वाले Series F राउंड के माध्यम से 13 अरब डॉलर का निवेश जुटाया
• इस निवेश के बाद Anthropic का post-money valuation 183 अरब डॉलर आंका गया
• ICONIQ के अलावा Fidelity Management & Research Company और Lightspeed Venture Partners ने भी सह-नेतृत्व किया
• Altimeter, Baillie Gifford, BlackRock से जुड़े फंड, Blackstone, Coatue, D1 Capital Partners, General Atlantic, General Catalyst, GIC, Goldman Sachs Alternatives, Insight Partners, Jane Street, Ontario Teachers' Pension Plan, Qatar Investment Authority, TPG, T. Rowe Price, WCM Investment Management, XN सहित कई प्रमुख वैश्विक निवेशकों ने भाग लिया

Anthropic की वृद्धि और राजस्व स्थिति

• CFO Krishna Rao ने ज़ोर देकर कहा कि "Fortune 500 कंपनियों से लेकर AI-आधारित startups तक, ग्राहक Anthropic के frontier models और platform का उपयोग महत्वपूर्ण कार्यों में कर रहे हैं"
• पूरे ग्राहक आधार में मांग गुणात्मक रूप से बढ़ रही है
• Claude के लॉन्च (मार्च 2023) के बाद राजस्व वृद्धि बहुत तेज़ रही है
  • 2025 की शुरुआत में वार्षिक राजस्व 1 अरब डॉलर तक पहुंच गया
  • अगस्त 2025 में वार्षिक राजस्व 5 अरब dollar पार कर गया, जिससे इसे इतिहास की सबसे तेज़ी से बढ़ती टेक कंपनियों में से एक माना जा रहा है

तकनीकी क्षमता और सुरक्षा पर फोकस

• Anthropic की वृद्धि उत्कृष्ट तकनीकी प्रतिभा, सुरक्षा-केंद्रित दृष्टिकोण, और frontier research (alignment·interpretability आदि) से समर्थित है
• यही तत्व मॉडल के प्रदर्शन और विश्वसनीयता की नींव बन रहे हैं
• फिलहाल कंपनी 3 लाख से अधिक बिज़नेस ग्राहकों को सेवा दे रही है, और 1 लाख डॉलर से अधिक राजस्व वाले खातों के साथ बड़े ग्राहकों की संख्या एक वर्ष में 7 गुना बढ़ी है

उत्पाद और ग्राहक विस्तार

• पूरे platform पर बिज़नेस, डेवलपर और व्यक्तिगत बाज़ार—तीनों में तेज़ वृद्धि दर्ज की गई
  • एंटरप्राइज ग्राहकों के लिए API और उद्योग-विशिष्ट उत्पाद उपलब्ध कराकर जटिल integration प्रक्रिया के बिना शक्तिशाली AI अपनाने में मदद की जा रही है
  • डेवलपर्स मई 2025 में पूर्ण रूप से सार्वजनिक किए गए Claude Code को प्रमुख टूल के रूप में अपना रहे हैं
  • Claude Code ने केवल 3 महीनों में 50 करोड़ डॉलर से अधिक का वार्षिक राजस्व हासिल किया, और इसका उपयोग 10 गुना से अधिक बढ़ा
  • व्यक्तिगत उपयोगकर्ताओं के लिए Pro और Max प्लान के जरिए दैनिक और पेशेवर कामों के लिए उन्नत AI फीचर्स दिए जा रहे हैं

निवेशकों का आकलन और आगे की योजना

• ICONIQ पार्टनर Divesh Makan ने कहा कि "शोध उत्कृष्टता, तकनीकी नेतृत्व, और ग्राहक-केंद्रित फोकस" के बल पर Anthropic असाधारण growth trajectory पर चल रहा है
• एंटरप्राइज लीडर्स भी Claude की विश्वसनीयता और दीर्घकालिक विज़न को उच्च महत्व दे रहे हैं
• Series F की राशि एंटरप्राइज मांग को पूरा करने की क्षमता बढ़ाने, सुरक्षा अनुसंधान को गहरा करने, और वैश्विक कारोबार का विस्तार करने में इस्तेमाल की जाएगी
• लक्ष्य है विश्वसनीय, interpretability-सक्षम, और steerable AI systems बनाना

[GN⁺]

Hacker News की राय

• ऐसा महसूस होता है कि AI क्षेत्र में computing competitiveness बेहद तीव्र होती जा रही है; अब छोटे देशों के GDP के स्तर की पूंजी, GPU और power infrastructure के बिना प्रतिस्पर्धा करना ही मुश्किल हो गया है। असली खेल TSMC और बिजली कंपनियों के हाथ में है। सिर्फ प्रतिभा काफी नहीं; अगर 100,000 H100 और समर्पित power plant नहीं है तो खेल खत्म है। ऐसा भी लग सकता है कि 13 अरब डॉलर का बड़ा हिस्सा वास्तविक operating cost से ज़्यादा compute prepayment हो। यह कुछ-कुछ ऐसा है जैसे Manhattan Project स्तर का infrastructure निजी क्षेत्र में चला गया हो। पहले 100 million dollar में GPT-4 को train किया जा सकता था, लेकिन जल्द ही यह 1 billion, फिर 10 billion dollar तक जा सकता है। भविष्य में यह भी सस्ता लग सकता है। GPT-7 के लिए शायद sovereign wealth fund की ज़रूरत पड़े।
  • LLM का दौर डरावना है, क्योंकि ज़्यादातर innovation बड़ी पूंजी वाली स्थापित बड़ी कंपनियों के नेतृत्व में आ रहा है। उपयोग subscription के रूप में होता है, इसलिए users के पास लगभग कोई control नहीं है। hype इतना ज़्यादा है कि C-level executives, जिन्हें यह भी नहीं पता कि यह वास्तव में field में मदद करता है या नहीं, adoption को धक्का दे रहे हैं। AI का चुनाव भी अक्सर vendors के साथ पुराने रिश्तों से तय होता है। लगता है जैसे पिछले 10 साल की tech industry की सबसे खराब प्रवृत्तियाँ इसमें समा गई हों।
  • हर नए model के साथ लागत के मुकाबले लाभ घटता हुआ महसूस होता है। कई बार पुराने models की तुलना में फर्क साफ़ नहीं दिखता। video क्षेत्र में प्रगति तेज़ लगती है, लेकिन उसी अनुपात में computing cost भी बढ़ रही है, जिससे उल्टा चिंता पैदा होती है।
  • सबसे चौंकाने वाली बात यह है कि cutting-edge models लगभग 6 महीनों में पुराने हो जाते हैं। इतने कम समय में इतना विशाल पैसा झोंकते रहना टिकाऊ नहीं लगता। जब तक यह विश्वास न हो कि AGI कुछ ही generations में आने वाला है, यह ढांचा लंबे समय तक टिकना कठिन है।
  • Dario ने Cheeky Pint में जो कहा था, उसका हवाला देते हुए: “अगर हर model को एक company मानें, तो 2023 में 100 million dollar खर्च करके model train किया, 2024 में उससे 200 million dollar revenue आया, फिर उसी साल 1 billion dollar लगाकर अगला model बनाया और अगले साल 2 billion revenue कमाया। इस तरह शुरुआत में भारी नुकसान होने पर भी हर model अपने आप में मुनाफ़ा दे सकता है, लेकिन साथ ही आप लगातार और महंगी companies शुरू करते जा रहे होते हैं, इसलिए पैसों का आकार बढ़ता जाता है। जब यह equilibrium scale पर पहुँचेगा, तब या तो लंबे समय में कुल profitability बहुत अच्छी होगी, या फिर एक ऐसा बिंदु आएगा जहाँ model performance और बेहतर नहीं होगी, और तब अत्यधिक निवेश के बाद यह सब ढीला पड़ सकता है।” निष्कर्ष यह है कि संतुलन किस पैमाने पर बनेगा और overshoot होगा या नहीं, यह अभी पता नहीं। लिंक: Cheeky Pint podcast
  • एक आशावादी सोच यह भी है कि यह उन्माद इतना अधिक nuclear generation capacity छोड़ जाएगा कि अंततः बिजली सस्ती हो जाएगी और उससे हवा से carbon capture करना संभव होगा। मध्यम अवधि में चीन surplus power की वजह से high-end models में अलग पहचान बना सकता है, जबकि अमेरिका दशकों से उपेक्षित power grid की मरम्मत में उलझा रहेगा।
• यह fundraising 5 billion dollar के लक्ष्य से शुरू होकर 13 billion dollar तक पहुँच गई। आमतौर पर ऐसा तब होता है जब या तो गर्म बाज़ार माहौल का लाभ उठाना हो, या फिर लगे कि इतनी ऊँची valuation पर आगे पैसा जुटाना मुश्किल होगा। insiders जो संकेत दे रहे हैं, वे AI investors के लिए नकारात्मक लगते हैं। सैकड़ों comments पढ़कर लगा कि भ्रम, अनिश्चितता और अवास्तविक कल्पनाएँ बहुत ज़्यादा हैं, जिससे यह पिछले bubbles जैसा महसूस होता है। training cost तेज़ी से बढ़ रही है, लेकिन नए models में improvement की चौड़ाई घटती दिख रही है, इसलिए outlook चिंताजनक है। wealth ऐसा विचार है जिसे परिभाषित करना कठिन है; यह सहयोग और विनिमय के माध्यम से धुंधले ढंग से बनती है। अंततः LLM को वास्तव में wealth create करनी होगी, तभी यह निवेश जायज़ ठहरेगा। अगर जल्दी ठोस value नहीं दिखी, तो अचानक collapse का जोखिम बड़ा है। finance industry में काम करते हुए महसूस हुआ कि financiers कोई जीनियस नहीं होते; 13 billion dollar चलाने से कोई अपने आप असाधारण बुद्धिमान नहीं हो जाता। वहाँ बस पुराने किस्म के money-minded लोग बहुत हैं। यह मान लेना गलत है कि उनके पास ज़रूर गहरी insight होगी।
  • अगर dilution 20% होता, तो मैं सहमत होता। लेकिन अगर यह 3% से 7% तक बढ़ा है, तो भारी oversubscription के कारण इसे उल्टा सकारात्मक संकेत माना जा सकता है। कमजोर कंपनियाँ तो round भरने के लिए भी जूझती हैं।
• इस funding का आकार बेचैनी देता है कि आगे कुछ फटने वाला है। प्रतिस्पर्धा में टिके रहने के लिए इतनी भारी cash burn करनी पड़ रही है कि यह अब कुछ ही खिलाड़ियों का खेल रह गया है, और उनमें से किसी ने भी अभी तक लाभदायक business स्पष्ट रूप से नहीं दिखाया है। models के एक-दूसरे के क़रीब आते जाने से तकनीकी entry barrier भी मामूली रह गई है; अब स्थिति ऐसी है कि कोई भी कर सकता है, बस बड़े पैमाने की funding चाहिए। business के लिहाज़ से यह बहुत जोखिमभरा ढाँचा है। technology शानदार है, लेकिन लगता है कि अंततः ज़्यादातर investors को नुकसान होगा।
  • मैं भी कुछ समय तक इससे सहमत था, लेकिन हाल में मेरी राय थोड़ी बदली है। जब आप latest model को सीधे customize करके in-house इस्तेमाल कर सकते हैं, बनिस्बत सिर्फ API के ज़रिए इस्तेमाल करने के, तो अनुभव में बहुत अंतर होता है। Cursor और Claude Code की तुलना करें तो एक ही model होने पर भी खुद build करके इस्तेमाल करने में गुणवत्ता बिलकुल अलग महसूस होती है। Mac vs Windows की तरह, model और tool को साथ डिज़ाइन करके देने वाला integrated structure काफी बड़ा advantage रखता है।
  • फिर भी उस बात पर अभी पूरी तरह भरोसा नहीं है। Anthropic जब API के ज़रिए inferencing service देता है, तो कीमत काफ़ी ऊँची होने के बावजूद लोग वह लागत उठाकर इस्तेमाल करते रहते हैं।
  • “हर कोई model बनाना जानता है, बस पैसा चाहिए” वाला तर्क differentiated quality, efficiency, partnership जैसे कई तत्वों को नज़रअंदाज़ करता है।
  • मज़ाक में कहा गया कि लोग लंबे समय से कहते आ रहे हैं कि यह ज़्यादा दिन नहीं चलेगा, लेकिन Herbalife आज भी listed है।
  • जब इतना विशाल पैसा दाँव पर हो, तो अगर bubble फूटकर यह मृगतृष्णा साबित हुआ, तो पूरे बाज़ार को बहुत बड़ा झटका लगेगा।
• नकारात्मक comments बहुत ज़्यादा हैं। अगर बहुत बड़ी growth potential वाले नए बाज़ार का top player 13 billion dollar जुटाने में सफल हुआ है, वह भी revenue के 20x valuation पर, तो इसे अनिवार्य रूप से bubble signal नहीं कहना चाहिए। ये investors न तो अविवेकी होंगे, न ही मूर्ख। bubble की संभावना बनी रहती है, लेकिन बहुत जल्दबाज़ी में निष्कर्ष निकालना ठीक नहीं।
  • 20x revenue valuation क्या bubble signal नहीं है? इस पर एक राय यह थी कि क्या यही bubble की परिभाषा नहीं है?
  • इससे SoftBank और WeWork की घटना याद आती है।
  • “ये investors बेवकूफ़ नहीं होंगे” जैसी बात bubble फटने से पहले हमेशा सुनने को मिलती है।
  • याद दिलाया गया कि यही investors SBF से भी ठगे गए थे। SBF के पास तो financials समझाने के लिए एक ढंग की spreadsheet तक नहीं थी, फिर भी उसे funding मिली थी।
• याद किया गया कि 2006 में YouTube का acquisition 1.65 billion dollar में हुआ था और तब बहुतों को वह पागलपन लगा था। इससे यह बात उभरती है कि बाज़ार की जानकारी के सामने व्यक्तिगत intuition कितनी अविश्वसनीय हो सकती है। जब हमें लगता है कि हम बाज़ार से ज़्यादा जानते हैं, तब अक्सर गलत होने की संभावना अधिक होती है। सिर्फ अपने सही होने के समर्थन में तर्क ढूँढना खतरनाक है। सबक यह है कि अगर निवेश स्तर वास्तव में irrational है, तब भी यह कितनी हद तक, क्यों, और भविष्य में कैसे सामने आएगा, इसका ठोस अनुमान लगाना बहुत कठिन है।
  • लेकिन खुद YouTube का उदाहरण देना भी क्या एक तरह का self-contradiction नहीं है?
  • यह भी कहा गया कि यह survivor bias हो सकता है। Google की Motorola deal, Microsoft की Nokia deal जैसे कई असफल उदाहरण भी हैं। WeWork ने भी 12 billion dollar जुटाए थे और फिर दिवालिया हो गया।
  • 183 billion dollar valuation को 20 साल पहले के 1.65 billion dollar से तुलना करके उचित ठहराने वाला तर्क बहुत convincing नहीं लगता।
• अगर अपेक्षित revenue 9 billion dollar ARR हो और gross margin 60% हो (cloud providers के साथ partnership होने पर 30%), तो high growth को देखते हुए GM level पर भी स्थिति बुरी नहीं है। 20x multiple भी growth rate के हिसाब से पूरी तरह पागलपन नहीं है। असली बात यह है कि साल के अंत तक यह संख्या सच में हासिल होती है या नहीं। मई में 3 billion था, जुलाई में 5 billion, यानी हर महीने 200-400 million की growth।
  • जिज्ञासा है कि investors आखिर किस बात पर इतना पैसा लगा रहे हैं। यह साफ़ है कि न dividend के लिए, न सीधे profits के लिए। अंततः यह stock price appreciation पर पूर्ण दाँव जैसा लगता है। शायद वे मानते हैं कि बाज़ार सचमुच value create करेगा और यह ढाँचा चलता रहेगा।
• AI में पैसा और compute झोंकने का मौजूदा तरीका एक अल्पकालिक समाधान जैसा लगता है। मानव मस्तिष्क nuclear plant स्तर की ऊर्जा के बिना भी सीखता है, इसलिए आगे चलकर efficiency ही वास्तविक innovation point होगी। वह समय कल आए या 5 साल बाद, कहना मुश्किल है, लेकिन तब तक AI कंपनियों के पास all-in जाने के अलावा विकल्प नहीं है।
  • यक़ीन नहीं कि quantum computing ही समाधान है, लेकिन ऐसा लगता है कि कोई बिल्कुल नया computing paradigm चाहिए जो बहुत अधिक efficient और powerful हो, जैसे quantum computing।
  • अगर energy cost महंगी बनी रहती है, तो AI में निवेश करना अंततः इस दाँव जैसा है कि energy production cost घटेगी। अगर energy price गिरती है, तो computing competitiveness की entry barrier भी टूट जाएगी। अगर efficiency में breakthrough आता है, तो उसकी संभावना semiconductors की तुलना में model side पर ज़्यादा है। और तब भी, अगर उस breakthrough को आंतरिक रूप से ही सीमित नहीं रखा जा सका, तो competitive moat फिर गायब हो जाएगा।
  • मानव मस्तिष्क nuclear plant इस्तेमाल नहीं करता, इसका कारण यह है कि evolution के लिहाज़ से वह उतना जटिल और कठिन था। अगर हमने nuclear plant का उपयोग करना सीख लिया है, तो बहुत अधिक intelligence भी संभव हो सकती है। ऐसा कोई नियम नहीं कि nuclear plant का उपयोग करके अधिक intelligence नहीं बन सकती।
• LLM inference services को हमेशा cloud datacenter स्तर की 99.999% availability की ज़रूरत नहीं होती। इसलिए छोटे निवेशक गोदाम में GPU लगाकर open source LLM चला सकते हैं और customer routing कर सकते हैं; अगर सेवा एक दिन बंद भी रही, तो भारी नुकसान नहीं होगा, सिर्फ एक दिन की कमाई जाएगी। इसे laundry या warehouse investment की तरह आसान passive investment destination के रूप में भी देखा जा सकता है।
  • मैं खुद अपने AI काम का 80% OpenAI batch mode में चलाता हूँ, जिससे मानसिक शांति ज़्यादा रहती है। instant-response mode में लगातार तनाव बना रहता है। Copilot का उछाल ठंडा पड़ने के बाद शायद यह धारणा बढ़ेगी कि LLM उपयोगी tools तो बनाता है, लेकिन खुद कोई निर्णायक tool नहीं है; तब usage और urgency दोनों कम हो सकते हैं।
• Iconiq (Mark Zuckerberg की family office) इस round के lead investors में से एक था।
• Ontario Teachers' Pension Plan को investor सूची में देखकर सवाल उठा कि क्या कनाडा की national pension Anthropic में निवेश कर रही है।
  • Ontario Teachers' venture/growth funding में बहुत सक्रिय है और कई funds का प्रमुख LP है। हालांकि उसके कुल investment portfolio में यह हिस्सा बहुत छोटा है। संदर्भ: Crunchbase / OTPP official
  • ऐसे बड़े निवेशों के लिए आमतौर पर pension funds जैसी संस्थाएँ चाहिए होती हैं जो बड़े पैमाने की capital allocate कर सकें। अगर SoftBank जैसी संस्थाएँ बड़ी funding plan लेकर आती हैं, तो व्यावहारिक रूप से बेहतर विकल्प बहुत कम होते हैं।
  • ‘public pension’ (सरकारी कर्मचारी और सार्वजनिक संस्थानों के कर्मचारियों की retirement savings) और ‘public money’ (सरकारी budget आदि) में स्पष्ट अंतर है। हाँ, अगर pension fund को बड़ा नुकसान हो तो सरकार को बचाव करना पड़ सकता है, इसलिए कुछ हद तक बात जुड़ती है। लेकिन किसी एक investment में इतना concentrated exposure नहीं होता कि उससे पूरा fund डगमगा जाए।
  • यह pension fund VC industry में बहुत महत्वपूर्ण investor रहा है, और मुझे भी याद है कि कुछ वर्षों तक मेरी salary अप्रत्यक्ष रूप से उसी की वजह से आती थी।