AI-kappløpet tilspisses: Hvilken modell vil dominere?

Fremskritt innen AI kommer raskere enn brukerne kan spore dem.

Lanseringen av Googles Gemini 3, milliardpartnerskapene rundt Anthropics Claude, og ferske oppdateringer fra OpenAI har kondensert år med fremgang til én enkelt sesong.

Alle store teknologiselskaper satser på større modeller, nye brikker og aggressiv skyutvidelse.

Men det virkelige spørsmålet er om bedre modeller er nok til å fange milliarder av brukere, omprogrammere hele industrier og støtte de økonomiske forventningene som stilles til AI-boomen.

Et marked som vokser raskere enn forventet

KI utvider seg nå fra å være en spesialisert teknologi og sprer seg til helsevesen, detaljhandel, finans, reklame og bedriftsdrift.

Bloomberg Intelligence anslår at generativ AI alene kan generere rundt 1,8 billioner dollar i årlige inntekter innen 2032, tilsvarende opptil 16 % av globale teknologiutgifter.

Dette ledsages av et skifte i infrastrukturen.

AI-arbeidsbelastninger utgjør allerede mer enn 20 % av globale serverinntekter, med prognoser som peker mot 40 % i årene som kommer.

Sektoren påvirker også etterspørselen etter maskinvare. Trening av store modeller skapte den første økningen i utgifter, men slutning, den daglige bruken av KI i reelle applikasjoner, blir den mer vedvarende drivkraften.

Denne endringen er viktig fordi inferensarbeidsbelastninger ikke kommer i bølger.

De kjører kontinuerlig i kundeservicesystemer, produktivitetsverktøy, reklamemotorer og kodeassistenter.

Bedrifter ser dette som starten på en lang infrastruktursyklus, snarere enn en kortvarig oppblomstring knyttet til noen få forskningslaboratorier.

Kan Gemini fange ChatGPT?

Google kunngjorde nettopp lanseringen av Gemini 3, og det viser hvor intens konkurransen har blitt.

Gemini 3 publiserte rekordpoeng på viktige resonnementsbenchmarks og introduserte nye kodings- og agentiske muligheter.

Modellen er integrert direkte i Søk, Gemini-appen, Workspace og Googles AI-modus.

Google rapporterte 650 millioner månedlige aktive brukere for Gemini og over 2 milliarder for AI-oversikter i Søk.

På papiret gir dette selskapet et distribusjonsområde som matcher eller til og med overgår ChatGPT.

Men å forbedre en modell er ikke det samme som å endre brukeratferd.

ChatGPT nådde nylig 800 millioner ukentlige brukere og er fortsatt det mest kjente AI-grensesnittet for mange.

Produktets styrke er ikke bare modellen bak det, men økosystemet rundt det.

Millioner av mennesker bruker ChatGPT inne i GitHub Copilot, Windows, Microsoft 365 og dusinvis av tredjepartsverktøy som er spesifikt bygget rundt OpenAI-modeller.

Å endre vaner er vanskelig, selv når en konkurrent teknisk sett er bedre på enkelte områder.

Dette skaper en subtil dynamikk. Google kan matche eller overgå ChatGPT på modellnivå, men det alene garanterer ikke en migrasjon av brukere.

Modellforbedringer har betydning, men de fungerer ikke isolert.

Bytte avhenger av dypere økonomiske og arbeidsflytfaktorer som lavere kostnad for langtidsoppgaver, smidigere enterprise-integrasjon eller unike funksjoner som reduserer selskapets driftsbyrde.

Folk vil bevege seg hvis gevinsten er tydelig synlig i deres daglige arbeid, ikke fordi en referansescore har økt.

Konsolidering, kapital og skyggen av en boble

Den finansielle skalaen rundt AI har vokst stor nok til å tiltrekke seg spørsmål fra investorer. Noen tilbud ser sirkulære ut. Et modellselskap henter kapital fra en skyleverandør, og bruker deretter denne kapitalen på skyleverandørens databehandlingstjenester.

Dette er en av grunnene til at analytikere advarer om at deler av sektoren kan øke raskere enn bedriftsbudsjettene kan tåle.

Samtidig har flere selskaper fortsatt sterke adopsjonstall.

Anthropic fortalte investorer at de har mer enn 300 000 forretnings- og bedriftskunder og planlegger å doble eller til og med tredoble omsetningene til rundt 26 milliarder dollar neste år.

Google regner med 13 millioner utviklere som bruker Gemini som en del av arbeidsflyten sin.

Selv om disse tallene viser ekte gjennomslagskraft, viser de også hvor dyrt det er å utvide på dette nivået. Denne spenningen mellom reell bruk og overdimensjonerte forventninger skaper et miljø som ligner den tidlige internettsyklusen.

Capex er tungt, verdsettelsene er høye, og noen selskaper vil overbelaste.

Den underliggende trenden vil imidlertid sannsynligvis ikke snu.

KI blir allerede en del av daglig programvare og infrastruktur, uavhengig av hvilke selskaper som dominerer den endelige lineupen.

Er NVIDIA sårbart i en verden med spesialtilpasset silisium

NVIDIAs posisjon i sentrum for opplæringsarbeidsmengden har vekket bekymringer om langsiktig risiko ettersom Google, Amazon og andre promoterer sine egne brikker.

Googles TPU-serie og Amazons Trainium- og Inferentia-brikker er tegn på en større trend mot spesialtilpasset silisium designet for spesifikke arbeidsbelastninger.

Det nylige partnerskapet med antropiske lande kompliserer bildet ytterligere.

Til tross for Googles store investering i egne brikker, forpliktet Anthropic opptil én gigawatt datakraft ved bruk av NVIDIAs Grace Blackwell- og Vera Rubin-systemer, støttet av opptil 10 milliarder dollar i investeringer fra NVIDIA og 5 milliarder fra Microsoft.

På kort sikt mister ikke NVIDIA terreng.

Etterspørselen etter beregning øker så raskt at både GPU-er og spesialtilpassede akseleratorer trengs samtidig.

Risikoen for NVIDIA virker lenger ute.

Hvis inferens blir den dominerende arbeidsmengden og hyperskalere flytter mesteparten av trafikken til sine egne interne brikker, kan NVIDIA møte press på marginer i stedet for volum.

Opplæring kan fortsatt være lønnsomt, men arbeidsmengden vil flytte seg bort fra NVIDIAs mest lukrative segment.

Dette betyr ikke at NVIDIA er i trøbbel i dag. De neste tre til fem årene ser stabile ut fordi appetitten på treningskjøringer og generell databehandling fortsatt er enorm.

Konkurransetrusselen handler mer om langsiktig prisingsmakt.

Hyperskalere ønsker å unngå avhengighet av én enkelt leverandør.

De investerer i sitt eget silisium, ikke for å eliminere NVIDIA, men for å forhandle fra en sterkere posisjon.

Hva vil avgjøre de neste vinnerne

AI-kappløpet går inn i en fase hvor lederskap avhenger av mer enn bare modellgjennombrudd.

Distribusjon er ekstremt viktig, spesielt evnen til å levere AI-funksjoner til hundrevis av millioner brukere gjennom plattformer folk allerede bruker hver dag.

Integrasjon er også viktig, fordi selskaper ønsker verktøy som glir inn i deres eksisterende arbeidsflyt uten forstyrrelser.

Det finnes ingen enkelt vei til dominans.

Google kan utnytte søk og Android. Microsoft har Windows, Office og GitHub.

Anthropic skaper en posisjon blant virksomheter som ønsker pålitelige og transparente modeller.

OpenAI fortsetter å drive forbrukernes bevissthet gjennom ChatGPT.

Feltet preges av overlappende allianser og rivaliseringer, hvor partnerne ofte også er konkurrenter.

Neste fase av AI-økonomien vil ikke belønne selskaper kun for størrelsen på modellene deres.

Det vil belønne dem som kan knytte intelligens til reelle oppgaver, reelle beslutninger og reell økonomisk verdi.

Modellkraft blir stadig mer overflødig. Det som fortsatt er knapt, er evnen til å gjøre denne kraften om til varig oppførsel, vanskelige arbeidsflyter og langsiktig etterspørsel.