AI-kapløbet tager fart: Hvilken model vil dominere?

Fremskridt inden for AI kommer hurtigere, end brugerne kan følge dem.

Udgivelsen af Googles Gemini 3, de milliard-dollar partnerskaber omkring Anthropics Claude og friske opdateringer fra OpenAI har kondenseret års fremskridt til en enkelt sæson.

Alle større teknologivirksomheder satser på større modeller, nye chips og aggressiv cloud-udvidelse.

Men det reelle spørgsmål er, om bedre modeller er nok til at fange milliarder af brugere, omprogrammere hele industrier og støtte de økonomiske forventninger, der stilles til AI-boomet.

Et marked, der vokser hurtigere end forventet

AI udvider sig nu fra at være en specialiseret teknologi og spredes til sundhedssektoren, detailhandel, finans, reklame og virksomhedsdrift.

Bloomberg Intelligence forudser , at generativ AI alene kan generere omkring 1,8 billioner dollars i årlig omsætning i 2032, svarende til op til 16 % af de globale teknologiudgifter.

Dette ledsages af et skift i infrastrukturen.

AI-arbejdsbelastninger udgør allerede mere end 20 % af den globale serveromsætning, med prognoser mod 40 % i de kommende år.

Sektoren påvirker også efterspørgslen efter hardware. Træning af store modeller skabte den første stigning i udgifterne, men inferens, den daglige brug af AI i virkelige applikationer, bliver den mere vedvarende drivkraft.

Denne ændring er vigtig, fordi inferensarbejdsbelastninger ikke ankommer i bølger.

De kører kontinuerligt i kundeservicesystemer, produktivitetsværktøjer, reklamemotorer og kodeassistenter.

Virksomheder ser dette som starten på en lang infrastrukturcyklus frem for en kortvarig opblomstring knyttet til et par forskningslaboratorier.

Kan Gemini fange ChatGPT?

Google har netop annonceret lanceringen af Gemini 3, og det viser, hvor intens konkurrencen er blevet.

Gemini 3 satte rekordscores på vigtige ræsonneringsbenchmarks og introducerede nye kodnings- og agentiske funktioner.

Modellen er integreret direkte i Søgning, Gemini-appen, Workspace og Googles AI-tilstand.

Google rapporterede 650 millioner månedlige aktive brugere for Gemini og over 2 milliarder for AI Oversigter inden for Søgning.

På papiret giver dette virksomheden et distributionsfodaftryk, der matcher eller endda overgår ChatGPT.

Men at forbedre en model er ikke det samme som at ændre brugeradfærd.

ChatGPT nåede for nylig 800 millioner ugentlige brugere og er stadig den mest velkendte AI-grænseflade for mange.

Produktets styrke er ikke blot modellen bag, men økosystemet omkring det.

Millioner af mennesker bruger ChatGPT i GitHub Copilot, Windows, Microsoft 365 og dusinvis af tredjepartsværktøjer, der er bygget specifikt omkring OpenAI-modeller.

At ændre vaner er svært, selv når en konkurrent teknisk set er bedre på visse områder.

Dette skaber en subtil dynamik. Google kan matche eller overgå ChatGPT på modelniveau, men det alene garanterer ikke en brugermigrering.

Modelforbedringer betyder noget, men de fungerer ikke isoleret.

Switching afhænger af dybere økonomiske og workflow-faktorer såsom lavere omkostninger til opgaver med lang kontekst, mere glidende enterprise-integration eller unikke funktioner, der reducerer virksomhedens driftsbyrde.

Folk vil bevæge sig, hvis gevinsten tydeligt er synlig i deres daglige arbejde, ikke fordi en benchmark-score er steget.

Konsolidering, kapital og skyggen af en boble

Den finansielle skala omkring AI er vokset så meget , at den tiltrækker spørgsmål fra investorer. Nogle tilbud ser cirkulære ud. En modelvirksomhed rejser kapital fra en cloud-udbyder og bruger derefter denne kapital på cloud-udbyderens compute-tjenester.

Dette er en af grundene til, at analytikere advarer om, at dele af sektoren kan vokse hurtigere, end virksomhedens budgetter kan bære.

Samtidig har flere virksomheder stadig stærke adoptionstal.

Anthropic fortalte investorer , at de har mere end 300.000 erhvervs- og erhvervskunder og forventer at fordoble eller endda tredoble omsætningen til omkring 26 milliarder dollars næste år.

Google tæller 13 millioner udviklere, der bruger Gemini som en del af deres arbejdsgang.

Selvom disse tal viser reel fremdrift, understreger de også, hvor dyrt det er at udvide på dette niveau. Denne spænding mellem reel brug og overdimensionerede forventninger skaber et miljø, der ligner den tidlige internetcyklus.

Capex er tungt, værdiansættelserne er høje, og nogle virksomheder vil overbelaste.

Den underliggende tendens vil dog sandsynligvis ikke vende.

AI bliver allerede en del af daglig software og infrastruktur, uanset hvilke virksomheder der dominerer den endelige lineup.

Er NVIDIA sårbart i en verden af specialdesignet silicium

NVIDIAs position i centrum for træningsarbejdsbyrden har vakt bekymring om langsigtet risiko, da Google, Amazon og andre promoverer deres egne chips.

Googles TPU-serie og Amazons Trainium- og Inferentia-chips er tegn på en større tendens mod specialdesignet silicium designet til specifikke arbejdsbelastninger.

Det nylige partnerskab med antropiske lande komplicerer billedet yderligere.

På trods af Googles store investering i egne chips forpligtede Anthropic sig til en gigawatt regnekraft ved brug af NVIDIAs Grace Blackwell- og Vera Rubin-systemer, understøttet af op til 10 milliarder dollars i investeringer fra NVIDIA og 5 milliarder fra Microsoft.

På kort sigt mister NVIDIA ikke terræn.

Efterspørgslen efter compute vokser så hurtigt, at både GPU'er og specialacceleratorer er nødvendige på én gang.

Risikoen for NVIDIA virker længere ude i fremtiden.

Hvis inferensen bliver den dominerende arbejdsbyrde, og hyperskalere flytter det meste af trafikken til deres egne interne chips, kan NVIDIA stå over for pres på marginerne frem for volumen.

Træning kan måske forblive profitabel, men arbejdsmængden vil bevæge sig væk fra NVIDIAs mest lukrative segment.

Det betyder ikke, at NVIDIA er i problemer i dag. De næste tre til fem år ser stabile ud, fordi appetitten på træningskørsler og generel databehandling fortsat er enorm.

Konkurrencetruslen handler mere om langsigtet prisfastsættelseskraft.

Hyperskalere ønsker at undgå afhængighed af én enkelt leverandør.

De investerer i deres eget silicium, ikke for at eliminere NVIDIA, men for at forhandle fra en stærkere position.

Hvad der vil afgøre de næste vindere

AI-kapløbet går ind i en fase, hvor lederskab afhænger af mere end blot modelgennembrud.

Distribution er ekstremt vigtig, især evnen til at levere AI-funktioner til hundredvis af millioner af brugere gennem platforme, som folk allerede bruger hver dag.

Integration er også vigtigt, fordi virksomheder ønsker værktøjer, der glider ind i deres eksisterende arbejdsgange uden forstyrrelser.

Der findes ikke én enkelt vej til dominans.

Google kan udnytte Søgning og Android. Microsoft har Windows, Office og GitHub.

Anthropic skaber en position blandt virksomheder, der ønsker pålidelige og gennemsigtige modeller.

OpenAI fortsætter med at drive forbrugernes opmærksomhedsdeling gennem ChatGPT.

Feltet formes af overlappende alliancer og rivaliseringer, hvor partnerne ofte også er konkurrenter.

Den næste fase af AI-økonomien vil ikke belønne virksomheder alene for størrelsen på deres modeller.

Det vil belønne dem, der kan forbinde intelligens med reelle opgaver, reelle beslutninger og reel økonomisk værdi.

Modelkraft bliver stadig mere rigelig. Det, der stadig er knapt, er evnen til at omsætte denne kraft til varig adfærd, vanskelige arbejdsgange og langsigtet efterspørgsel.