300 Miliar Pendanaan Hanya Awal? Valuasi Anthropic Diprediksi Tembus US$2 Triliun pada 2030

marsbitDipublikasikan tanggal 2026-03-31Terakhir diperbarui pada 2026-03-31

Abstrak

Menurut laporan dari Newcomer, lembaga investasi Coatue Management memproyeksikan valuasi Anthropic akan melonjak hingga US$1,995 triliun pada tahun 2030. Dalam presentasi internal Januari, mereka memperkirakan pendapatan Anthropic mencapai US$18 miliar pada 2026, meski masih rugi EBITDA US$14 miliar, dengan ARR tahunan US$30 miliar. Pada 2031, pendapatan diproyeksikan melampaui US$200 miliar. Anthropic baru saja mengumpulkan pendanaan US$30 miliar pada Februari dengan valuasi pasca-investasi US$380 miliar. Namun, pertumbuhan aktualnya bahkan melampaui ekspektasi — ARR perusahaan telah mendekati US$20 miliar pada Maret, meningkat dua kali lipat dari akhir 2025. CEO Dario Amodei menegaskan bahwa produk seperti Claude Code berkontribusi signifikan, dengan 80% pelanggan berasal dari perusahaan. Sebagai pesaing utama OpenAI, Anthropic dikenal dengan pendekatan AI yang "aman dan andal". Model Claude telah mengalami adopsi cepat dalam coding dan aplikasi enterprise, dengan pengguna aktif mingguan Claude Code meningkat dua kali lipat sejak 2025. Perusahaan ini mencapai pertumbuhan dari nol menjadi miliaran dolar dalam waktu kurang dari tiga tahun, melampaui kecepatan pertumbuhan raksasa cloud computing di masa awal.

Penulis: Bright Company

Menurut akun Substack Newcomer, lembaga investasi ternama Coatue Management dalam presentasi internal untuk investor pada Januari memprediksi valuasi Anthropic akan melonjak menjadi US$1,995 triliun pada 2030.

Berdasarkan PPT Coatue yang dirilis Newcomer, Anthropic diproyeksikan mencapai pendapatan US$18 miliar pada 2026, namun EBITDA masih rugi US$14 miliar, dengan ARR mencapai US$30 miliar di akhir tahun.

Pada 2031, pendapatan perusahaan diperkirakan melonjak menjadi US$200 miliar, laba EBITDA US$48 miliar, dan ARR terus naik menjadi US$224 miliar.

Coatue menggunakan ini sebagai dasar, menerapkan kelipatan EBITDA prospektif 41 kali, menghitung valuasi 2030 sebesar US$1,995 triliun, dan mengisyaratkan kemungkinan naik lebih lanjut menjadi US$2,413 triliun pada 2031.

Pada Februari lalu, Anthropic baru saja menyelesaikan putaran pendanaan baru. Coatue dan dana kekayaan negara Singapura GIC bersama-sama memimpin pendanaan Seri G Anthropic sebesar US$30 miliar, dengan valuasi pasca-investasi US$380 miliar. Skala putaran pendanaan ini termasuk yang terbesar dalam sejarah bidang AI, dengan peserta termasuk D.E. Shaw Ventures, Founders Fund, dan lembaga top lainnya. Pendiri Coatue Philippe Laffont saat itu menyatakan, perusahaan sangat percaya diri pada tata letak Anthropic di bidang AI tingkat perusahaan dan Agent Coding.

Namun, kecepatan pertumbuhan aktual Anthropic telah sebagian melampaui ekspektasi optimis Coatue. Pada awal Maret, ARR perusahaan telah mendekati US$20 miliar, meningkat dua kali lipat dari US$9 miliar pada akhir 2025, dengan peningkatan yang sangat signifikan pada bulan Februari. CEO Anthropic Dario Amodei dalam konferensi Morgan Stanley mengonfirmasi, produk seperti Claude Code memberikan kontribusi menonjol, dengan proporsi pelanggan perusahaan mencapai 80%, dan model penagihan konsumen semakin memperbesar elastisitas pendapatan.

Sebagai pesaing utama OpenAI, Anthropic terkenal dengan konsep AI yang "aman dan andal", dan seri model Claude-nya menembus dengan cepat dalam Coding dan aplikasi perusahaan. Sejak 2025, pengguna aktif mingguan Claude Code berlipat ganda, dan proporsi kode yang dihasilkannya di GitHub meningkat signifikan. Perusahaan yang didirikan kurang dari tiga tahun telah mencapai lompatan pendapatan dari nol ke puluhan miliar dolar, dengan laju pertumbuhan jauh melampaui raksasa komputasi awal. Pasar AI generatif sedang dalam periode ledakan, dengan pusat data, kebutuhan daya komputasi, dan transformasi digital perusahaan bersama-sama mendorong ekspektasi pertumbuhan triliunan dolar.

Pertanyaan Terkait

QMenurut laporan Newcomer, berapa perkiraan valuasi Anthropic pada tahun 2030 yang diprediksi oleh Coatue Management?

ACoatue Management memprediksi valuasi Anthropic akan mencapai 1,995 triliun dolar AS pada tahun 2030.

QBerapa besar pendapatan yang diproyeksikan untuk Anthropic pada tahun 2026, dan bagaimana kondisi EBITDA mereka menurut proyeksi Coatue?

APada tahun 2026, Anthropic diproyeksikan menghasilkan pendapatan sebesar 18 miliar dolar AS, namun EBITDA mereka diperkirakan masih rugi 14 miliar dolar AS.

QApa peran Coatue dalam pendanaan Anthropic, dan berapa nilai valuasi pasca-investasi pada putaran pendanaan terbaru?

ACoatue bersama dengan dana Kekayaan Negara Singapura GIC memimpin putaran pendanaan Seri G Anthropic senilai 30 miliar dolar AS, dengan valuasi pasca-investasi mencapai 380 miliar dolar AS.

QFaktor apa yang disebut-sebut berkontribusi pada pertumbuhan pendapatan Anthropic yang pesat, menurut CEO Dario Amodei?

ACEO Dario Amodei menyatakan bahwa produk seperti Claude Code memberikan kontribusi signifikan, dengan 80% pelanggan berasal dari perusahaan, dan model penagihan konsumen yang memperkuat elastisitas pendapatan.

QApa yang membedakan Anthropic dari pesaingnya seperti OpenAI, dan dalam hal apa mereka menunjukkan penetrasi yang cepat?

AAnthropic dikenal dengan filosofi AI yang 'aman dan andal'. Seri Claude mereka, terutama Claude Code, menunjukkan penetrasi cepat dalam pengkodean dan aplikasi perusahaan, dengan pengguna aktif mingguan yang berlipat ganda.

Bacaan Terkait

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

Selama setahun terakhir, penulis berfokus membangun infrastruktur untuk ekonomi *agent*, berinteraksi dengan perusahaan seperti Stripe, Visa, dan startup lainnya. Kesimpulan utamanya: belum ada permintaan riil yang matang, dan startup menghadapi banyak tantangan struktural. **Data Realitas:** Stripe melaporkan sedikit transaksi *agent* aktif. Visa menyebutkan proses KYC yang panjang dan batas pendapatan tinggi untuk token pembayaran *agent*. Analisis Coinbase menunjukkan volume transaksi harian *agent* di blockchain masih sangat kecil, sebagian besar adalah transaksi uji coba. **Tantangan di Berbagai Sektor:** 1. **Agent untuk Merchant (E-commerce):** Pengalaman belanja via chatbot seringkali lebih buruk daripada antarmuka visual tradisional. Kebutuhan merchant saat ini bersifat defensif (optimasi untuk *agent*), bukan karena permintaan konsumen yang nyata. Celah potensial ada pada pembelian rutin (seperti pesan makanan) atau situs dengan UI rumit, tetapi butuh distribusi B2C skala besar yang dikuasai raksasa seperti Amazon. 2. **Agent untuk API:** Developer sudah memiliki metode pembayaran yang mapan (kunci API, saldo prabayar) untuk akses layanan komputasi dan data. Pasar untuk transaksi mikro bersifat *long-tail* namun relatif kecil. Penyedia SaaS besar cenderung mempertahankan model kontrak bisnis mereka. 3. **Agent untuk Agent:** Visi jangka panjang ini masih teoritis dengan volume transaksi nyata yang hampir nihil. Butuh infrastruktur penyelesaian khusus untuk transaksi antar-mesin yang cepat dan kompleks. 4. **Agent untuk Keuangan:** Ini adalah kategori dengan permintaan dan kemauan bayar yang sudah ada. Integrasi AI ke alur kerja keuangan tradisional atau DeFi merupakan evolusi alami, meski persaingan dengan lembaga mapan sangat ketat. **Inti Permasalahan:** Banyak yang membangun infrastruktur pembayaran untuk *agent*, tetapi masalah sebenarnya bukan pada transfer dana. Tantangan utamanya adalah **koordinasi** antara *agent* dan manusia—memverifikasi kerja dan menyelesaikan hasil. Penyelesaian (settlement) dan pembayaran (payment) hanyalah bagian dari masalah koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi akan mendominasi. Perusahaan besar membangun untuk bertahan dari masa depan transaksi mesin skala besar. Namun, startup harus menemukan pasar yang benar-benar aktif *sekarang*, yang mungkin berada di luar empat kategori utama ini.

marsbit14m yang lalu

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

marsbit14m yang lalu

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

Selama setahun terakhir, penulis telah membangun infrastruktur untuk ekonomi Agen, berinteraksi dengan perusahaan besar seperti Stripe, Visa, Coinbase, Google, dan puluhan startup. Temuan utamanya adalah bahwa belum ada permintaan nyata untuk pembayaran berbasis Agen, dan startup menghadapi banyak tantangan struktural. Analisis terhadap empat kategori utama menunjukkan: 1. **Agen ke Merchant**: Pengalaman belanja melalui chat seringkali lebih buruk daripada antarmuka e-commerce visual tradisional untuk kebanyakan produk. Permintaan dari merchant saat ini bersifat defensif (AEO) dan bukan kebutuhan mendesak. Pengecualian mungkin ada untuk pembelian rutin seperti pesan makanan, tetapi hambatan distribusi B2C sangat besar. 2. **Agen ke API**: Pengembang sudah memiliki solusi pembayaran yang berfungsi untuk penggunaan API (misalnya, isi ulang saldo). Penyedia SaaS besar cenderung menolak model mikro-pembayaran yang mengganggu bisnis inti mereka. Peluang ada di pasar ekor panjang, tetapi skalanya terbatas. 3. **Agen ke Agen**: Ini adalah visi jangka panjang dengan volume transaksi nyata yang hampir nol saat ini. Jika terwujud, akan membutuhkan infrastruktur penyelesaian khusus yang sangat berbeda dari sistem pembayaran saat ini. 4. **Agen ke Keuangan**: Ini adalah satu-satunya kategori dengan permintaan yang sudah mapan dan pelanggan yang mau membayar, baik untuk otomatisasi alur kerja maupun kemampuan baru. Namun, persaingan dari perusahaan mapan yang sudah memiliki lisensi dan hubungan klien sangat ketat. Kesimpulannya, perusahaan besar membangun infrastruktur pembayaran Agen sebagai taruhan defensif jangka panjang. Namun, bagi startup, peluang nyata saat ini tidak terletak pada lapisan pembayaran itu sendiri. Masalah intinya adalah **koordinasi** antara Agen dan manusia (memverifikasi pekerjaan dan menyelesaikan hasil). Penyelesaian dan pembayaran hanyalah bagian dari puzzle koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi skala besar akan mendominasi, bukan sebaliknya.

链捕手37m yang lalu

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

链捕手37m yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

Seorang peneliti keamanan menemukan bug serius dalam jaringan privasi Zcash (Orchard) yang memungkinkan penciptaan token tanpa batas, menggunakan Claude Opus 4.8. Setelah perbaikan darurat, harga Zcash turun 50%. Peristiwa ini menunjukkan bahwa AI, seperti model Opus yang tersedia umum, membuat penemuan kerentanan menjadi lebih mudah dan murah, bukan hanya model canggih seperti Claude Mythos. AI mendemokratisasikan kemampuan audit keamanan, memungkinkan tim kecil memiliki kemampuan seperti tim besar. Namun, ini membanjiri pemelihara dengan laporan bug berkualitas rendah yang dihasilkan AI, seperti yang dialami curl dan didiskusikan OpenSSF. Ini seperti serangan DDoS pada perhatian manusia. Banyak kerentanan lama (seperti Heartbleed, Baron Samedit) tetap tak terdeteksi selama bertahun-tahun karena biaya penemuan yang tinggi. AI mengubah struktur biaya ini. Namun, sementara AI membuat penemuan dan potensi serangan lebih murah, perbaikan tetap mahal dan membutuhkan keahlian manusia. Industri keamanan siber sudah menghadapi kekurangan tenaga kerja global yang besar (misalnya, defisit 4,8 juta menurut ISC2). Laporan menunjukkan profesional beralih ke analisis ancaman kompleks dan pembuatan strategi. Yang paling dibutuhkan adalah orang yang dapat memahami, menilai, dan memperbaiki kerentanan. Kesimpulannya, AI tidak menghancurkan internet, tetapi mengungkap kerentanan yang sudah ada. Kemampuan menemukan bug menyebar dengan cepat, tetapi tanggung jawab untuk memperbaikinya tidak bertambah sebanding. Keamanan digital bergantung pada upaya terus-menerus oleh manusia untuk mengurangi risiko, dan di era AI, sumber daya manusia yang terampil tetap menjadi aset paling berharga dan langka.

marsbit1j yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

marsbit1j yang lalu

Prediksi Harga Ethereum: ETH Bisa Naik Dua Kali Lipat Sementara Cardano (ADA) dan Token Pendatang Baru Ini Mendekati Rally 500%

Pasar kripto menunjukkan tanda-tanda pemulihan saat investor bersiap untuk siklus bull berikutnya. Ethereum (ETH), salah satu platform kontrak pintar terkemuka, saat ini diperdagangkan di sekitar $2.014,7. Analis memprediksi potensi kenaikan harga menjadi dua kali lipat menuju $4.000 jika pasar bullish pada 2026, menjadikannya pilihan investasi jangka panjang yang kuat. Cardano (ADA), proyek blockchain lapisan 1 utama, diperdagangkan di sekitar $0,2329. Investor tertarik pada fokusnya pada skalabilitas dan pengembangan berbasis penelitian, yang diyakini dapat mendorong pertumbuhan di masa depan. Sementara itu, token baru Little Pepe (LILPEPE) menarik perhatian. Dalam tahap presale ke-13 dengan harga $0,0022, proyek ini telah mengumpulkan lebih dari $28,19 juta. LILPEPE membangun blockchain Layer 2 yang kompatibel dengan Ethereum untuk komunitas meme, bertujuan mengurangi biaya dan meningkatkan kecepatan transaksi. Beberapa investor memperkirakan potensi rally 500% menjadi sekitar $0,0132, didorong oleh permintaan presale yang kuat, fitur ekosistem seperti staking, dan komunitas yang berkembang pesat. Kesimpulannya, Ethereum dan Cardano tetap menjadi pilihan investasi solid, sedangkan Little Pepe menawarkan potensi pertumbuhan tinggi bagi mereka yang mencari proyek baru dengan infrastruktur dan komunitas yang kuat.

TheNewsCrypto1j yang lalu

Prediksi Harga Ethereum: ETH Bisa Naik Dua Kali Lipat Sementara Cardano (ADA) dan Token Pendatang Baru Ini Mendekati Rally 500%

TheNewsCrypto1j yang lalu

Panduan Penggunaan Mode Goal Codex: Cara Agar AI Terus Mendukung Tujuan Spesifik

Panduan menggunakan mode tujuan (goal mode) atau /goal pada Codex: Cara agar AI dapat terus mendorong pencapaian tujuan spesifik. Mode ini mengubah peran alat pemrograman AI dari asisten kode yang merespons perintah satu kali menjadi agen eksekusi yang dapat bekerja secara berkelanjutan untuk mencapai tujuan yang jelas. Kunci utama adalah menetapkan kriteria keluar yang jelas dan dapat diverifikasi, seperti "mengurangi waktu penerapan 30%" atau "mencapai cakupan tes 100%". Hal ini membantu Codex menilai apakah tugas telah selesai dan menghindari percobaan tanpa akhir pada tujuan yang ambigu. Pengguna juga perlu memberikan arahan, alat, dan lingkungan yang realistis agar Codex dapat mengukur kemajuan dan memvalidasi hasil. Untuk tugas visual, disarankan menghindari target seperti "reproduksi UI 100% pixel sempurna". Lebih baik uraikan menjadi daftar fungsionalitas, spesifikasi sistem desain, dan metrik yang dapat dinilai. Untuk tugas jangka panjang (beberapa jam hingga hari), penting untuk melacak kemajuan melalui commit, draft PR, dokumen progres, atau pembaruan Slack. Mode tujuan mendefinisikan ulang AI pemrograman dari sekadar "menulis prompt" menjadi "mengelola pelaksana teknik yang bekerja terus-menerus". Kemampuan inti developer bergeser menjadi mendefinisikan tujuan, membangun sistem pengukuran, mengonfigurasi lingkungan eksekusi, serta melakukan tinjauan dan refleksi akhir.

marsbit2j yang lalu

Panduan Penggunaan Mode Goal Codex: Cara Agar AI Terus Mendukung Tujuan Spesifik

marsbit2j yang lalu

Trading

Spot
Futures
活动图片