Wyścig o AI się zaostrza: Który model zdominuje?

Postępy w AI pojawiają się szybciej, niż użytkownicy są w stanie je śledzić.

Premiera Gemini 3 od Google, miliardowe partnerstwa wokół Claude'a od Anthropic oraz świeże aktualizacje od OpenAI skondensowały lata postępu w jednym sezonie.

Każda duża firma technologiczna stawia na większe modele, nowe układy scalone i agresywną ekspansję chmury.

Ale prawdziwym problemem jest, czy lepsze modele wystarczą, by przechwycić miliardy użytkowników, przeprogramować całe branże i wspierać ekonomiczne oczekiwania stawiane na boom AI.

Rynek rozwijający się szybciej niż oczekiwania

AI rozwija się obecnie z technologii specjalistycznej i rozszerza działalność na opiekę zdrowotną, handel detaliczny, finanse, reklamę i operacje korporacyjne.

Bloomberg Intelligence prognozuje , że sama generatywna sztuczna inteligencja może generować około 1,8 biliona dolarów rocznych przychodów do 2032 roku, co odpowiada nawet 16% światowych wydatków na technologie.

Towarzyszy temu zmiana infrastruktury.

Obciążenia AI już stanowią ponad 20% globalnych przychodów z serwerów, a prognozy wskazują na 40% w nadchodzących latach.

Sektor ten wpływa również na popyt na sprzęt. Trenowanie dużych modeli wywołało pierwszy wzrost wydatków, ale wnioskowanie, czyli codzienne wykorzystanie AI w rzeczywistych zastosowaniach, staje się coraz bardziej trwałym czynnikiem.

Ta zmiana ma znaczenie, ponieważ obciążenia wnioskowania nie pojawiają się falami.

Działają one nieprzerwanie w systemach obsługi klienta, narzędziach produktywności, silnikach reklamowych oraz asystentach programowania.

Firmy postrzegają to jako początek długiego cyklu infrastrukturalnego, a nie krótkiego wzrostu związanego z kilkoma laboratoriami badawczymi.

Czy Gemini może złapać ChatGPT?

Google właśnie ogłosiło premierę Gemini 3, co pokazuje, jak intensywna stała się konkurencja.

Gemini 3 osiągnął rekordowe wyniki na głównych testach rozumowania oraz wprowadził nowe możliwości kodowania i agentów.

Model jest zintegrowany bezpośrednio z wyszukiwarką, aplikacją Gemini, Workspace oraz trybem AI Google.

Google odnotowało 650 milionów miesięcznie aktywnych użytkowników Gemini oraz ponad 2 miliardy przeglądów AI w wyszukiwarce.

Na papierze daje to firmie zasięg dystrybucyjny, który dorównuje lub nawet przewyższa ChatGPT.

Jednak ulepszanie modelu nie oznacza zmiany zachowań użytkowników.

ChatGPT niedawno osiągnął 800 milionów użytkowników tygodniowo i pozostaje najbardziej znanym interfejsem AI dla wielu.

Siłą produktu nie jest tylko model, który za nim stoi, ale także ekosystem wokół niego.

Miliony osób korzystają z ChatGPT w GitHub Copilot, Windows, Microsoft 365 oraz dziesiątkach narzędzi firm trzecich stworzonych specjalnie wokół modeli OpenAI.

Zmiana nawyków jest trudna, nawet gdy zawodnik jest technicznie lepszy w niektórych obszarach.

To tworzy subtelną dynamikę. Google może dorównać lub przewyższyć ChatGPT na poziomie modelu, ale samo to nie gwarantuje migracji użytkowników.

Ulepszenia modeli mają znaczenie, ale nie działają w izolacji.

Zmiana zależy od głębszych czynników ekonomicznych i przepływowych, takich jak niższe koszty zadań długokontekstowych, płynniejsza integracja przedsiębiorstwa czy unikalne funkcje zmniejszające obciążenie operacyjne firmy.

Ludzie będą się przeprowadzać, jeśli zysk jest wyraźnie widoczny w ich codziennej pracy, a nie dlatego, że wzrósł wynik referencyjny.

Konsolidacja, kapitał i cień bańki

Skala finansowa wokół AI rozrosła się na tyle , że przyciąga pytania inwestorów. Niektóre transakcje wyglądają na okrągłe. Modelowa firma pozyskuje kapitał od dostawcy chmury, a następnie wydaje go na usługi obliczeniowe tego dostawcy.

To jeden z powodów, dla których analitycy ostrzegają, że niektóre części sektora mogą inflować szybciej, niż budżety przedsiębiorstw są w stanie ich wchłonąć.

Jednocześnie kilka firm nadal prezentuje silne wskaźniki adopcji.

Anthropic poinformował inwestorów , że ma ponad 300 000 klientów biznesowych i korporacyjnych oraz planuje podwoić lub nawet potroić przychody do około 26 miliardów dolarów w przyszłym roku.

Google liczy 13 milionów programistów korzystających z Gemini jako części swojego workflow.

Chociaż te liczby pokazują realną popularność, podkreślają też, jak kosztowna jest ekspansja na tym poziomie. To napięcie między rzeczywistym użytkowaniem a nadmiernymi oczekiwaniami tworzy środowisko podobne do wczesnego cyklu internetowego.

Wydatki inwestycyjne są duże, wyceny są wysokie, a niektóre firmy mogą się nadmiernie zaciągać.

Jednak podstawowy trend raczej się nie odwróci.

AI już staje się częścią codziennego oprogramowania i infrastruktury, niezależnie od tego, które firmy zdominują ostateczną ofertę.

Czy NVIDIA jest podatna na ataki w świecie niestandardowych krzemów

Pozycja NVIDIA w centrum zadań treningowych wzbudziła obawy dotyczące długoterminowego ryzyka, ponieważ Google, Amazon i inni promują własne układy scalone.

Linia TPU firmy Google oraz układy Trainium i Inferentia od Amazona to oznaki większego trendu w kierunku niestandardowego krzemu zaprojektowanego do konkretnych zadań.

Niedawne partnerstwo z Anthropic dodatkowo komplikuje sytuację.

Pomimo dużych inwestycji Google w własne układy, Anthropic zobowiązał się do jednego gigawata mocy obliczeniowej, wykorzystując systemy NVIDIA Grace Blackwell i Vera Rubin, wspierane przez inwestycje sięgające 10 miliardów dolarów od NVIDIA i 5 miliardów dolarów od Microsoftu.

W najbliższej perspektywie NVIDIA nie traci gruntów.

Popyt na obliczenia rośnie tak szybko, że potrzebne są zarówno karty graficzne, jak i niestandardowe akceleratory jednocześnie.

Ryzyko dla NVIDIA wydaje się jeszcze bardziej odległe.

Jeśli wnioskowanie stanie się dominującym obciążeniem, a hiperskalerzy przeniosą większość tego ruchu na własne wewnętrzne układy, NVIDIA może stanąć pod presją dotyczącą marży, a nie wolumenów.

Szkolenia mogą pozostać opłacalne, ale mieszanka obciążeń oddala się od najbardziej dochodowego segmentu NVIDIA.

To nie oznacza, że NVIDIA ma dziś kłopoty. Kolejne trzy do pięciu lat wyglądają stabilnie, ponieważ apetyt na treningi i ogólne obliczenia pozostaje ogromny.

Zagrożenie konkurencyjne dotyczy bardziej długoterminowej siły cenowej.

Hyperskalerzy chcą uniknąć zależności od jednego dostawcy.

Inwestują w własny krzem, nie po to, by wyeliminować NVIDIA, lecz by negocjować z silniejszej pozycji.

Co zdecyduje o kolejnych zwycięzcach

Wyścig AI wchodzi w fazę, w której przywództwo zależy od czegoś więcej niż tylko przełomów modelowych.

Dystrybucja jest niezwykle ważna, zwłaszcza możliwość dostarczania funkcji AI setkom milionów użytkowników za pośrednictwem platform, z których ludzie korzystają codziennie.

Integracja również ma znaczenie, ponieważ firmy chcą narzędzi, które bez zakłóceń wpisują się w ich obecne procesy pracy.

Nie ma jednej ścieżki do dominacji.

Google może wykorzystać wyszukiwarkę i Androida. Microsoft ma Windows, Office i GitHub.

Anthropic zdobywa pozycję wśród przedsiębiorstw, które chcą wiarygodnych i przejrzystych modeli.

OpenAI nadal zwiększa popularność konsumentów dzięki ChatGPT.

Pole kształtowane jest przez nakładające się sojusze i rywalizacje, gdzie partnerzy często są również konkurentami.

Następna faza gospodarki AI nie nagradza firm wyłącznie za rozmiar ich modeli.

Nagrodzi tych, którzy potrafią połączyć inteligencję z rzeczywistymi zadaniami, rzeczywistymi decyzjami i realną wartością ekonomiczną.

Moc modeli staje się coraz powszechniejsza. To, co pozostaje rzadkie, to zdolność przekształcenia tej mocy w trwałe zachowanie, sztywne procesy i długoterminowe zapotrzebowanie.