AI-kapplöpningen tilltar: Vilken modell kommer att dominera?

Framsteg inom AI kommer snabbare än användare kan följa dem.

Lanseringen av Googles Gemini 3, de miljardpartnerskap kring Anthropics Claude och färska uppdateringar från OpenAI har kondenserat år av framsteg till en enda säsong.

Alla stora teknikföretag satsar på större modeller, nya chip och aggressiv molnexpansion.

Men den verkliga frågan är om bättre modeller räcker för att fånga miljarder användare, omkoppla hela branscher och stödja de ekonomiska förväntningarna på AI-boomen.

En marknad som expanderar snabbare än väntat

AI expanderar nu från en specialiserad teknik och sprids till hälso- och sjukvård, detaljhandel, finans, reklam och företagsverksamhet.

Bloomberg Intelligence förutspår att generativ AI ensam kan generera omkring 1,8 biljoner dollar i årlig omsättning år 2032, vilket motsvarar upp till 16 % av de globala teknikutgifterna.

Detta åtföljs av en förändring i infrastrukturen.

AI-arbetsbelastningar står redan för mer än 20 % av den globala serverintäkterna, med prognoser som pekar på 40 % de kommande åren.

Sektorn påverkar också efterfrågan på hårdvara. Att träna stora modeller skapade den första ökningen i utgifterna, men inferens, den vardagliga användningen av AI i verkliga tillämpningar, blir den mer ihållande drivkraften.

Denna förändring är viktig eftersom inferensarbetsbelastningar inte anländer i vågor.

De körs kontinuerligt i kundtjänstsystem, produktivitetsverktyg, annonsmotorer och kodassistenter.

Företag ser detta som början på en lång infrastrukturcykel snarare än en kort uppgång kopplad till ett fåtal forskningslaboratorier.

Kan Gemini fånga ChatGPT?

Google har precis meddelat lanseringen av Gemini 3, och det visar hur intensiv konkurrensen har blivit.

Gemini 3 publicerade rekordresultat på viktiga resonemangsbenchmarks och introducerade nya kodnings- och agentiska funktioner.

Modellen är integrerad direkt i Sök, Gemini-appen, Workspace och Googles AI-läge.

Google rapporterade 650 miljoner aktiva användare per månad för Gemini och över 2 miljarder för AI-översikter inom Sök.

På pappret ger detta företaget ett distributionsavtryck som matchar eller till och med överträffar ChatGPT.

Att förbättra en modell är dock inte samma sak som att ändra användarbeteende.

ChatGPT nådde nyligen 800 miljoner veckovisa användare och är fortfarande det mest välkända AI-gränssnittet för många.

Produktens styrka ligger inte bara i modellen bakom utan i ekosystemet runt omkring.

Miljontals människor använder ChatGPT i GitHub Copilot, Windows, Microsoft 365 och dussintals tredjepartsverktyg som är specifikt byggda kring OpenAI-modeller.

Att ändra vanor är svårt, även när en konkurrent tekniskt sett är bättre på vissa områden.

Detta skapar en subtil dynamik. Google kan matcha eller överträffa ChatGPT på modellnivå, men det garanterar inte ensamt en migrering av användare.

Modellförbättringar är viktiga, men de fungerar inte isolerat.

Övergången beror på djupare ekonomiska och arbetsflödesfaktorer såsom lägre kostnad för långkontextuppgifter, smidigare företagsintegration eller unika funktioner som minskar företagets operativa börda.

Folk kommer att röra sig om vinsten är tydligt synlig i deras dagliga arbete, inte för att en referenspoäng har ökat.

Konsolidering, kapital och skuggan av en bubbla

Den finansiella skalan kring AI har vuxit tillräckligt stor för att locka frågor från investerare. Vissa erbjudanden ser cirkulära ut. Ett modellföretag tar in kapital från en molnleverantör och spenderar sedan det kapitalet på molnleverantörens beräkningstjänster.

Detta är en av anledningarna till att analytiker varnar för att delar av sektorn kan öka snabbare än vad företagsbudgetar kan hantera.

Samtidigt rapporterar flera företag fortfarande starka användningssiffror.

Anthropic meddelade investerare att de har mer än 300 000 affärs- och företagskunder och prognostiserar att fördubbla eller till och med tredubbla intäkterna till omkring 26 miljarder dollar nästa år.

Google räknar 13 miljoner utvecklare som använder Gemini som en del av sitt arbetsflöde.

Även om dessa siffror visar verklig framgång, visar de också hur dyrt det är att expandera på denna nivå. Denna spänning mellan verklig användning och överdimensionerade förväntningar skapar en miljö som liknar den tidiga internetcykeln.

Capex är tungt, värderingarna är höga och vissa företag kommer att översträcka sig.

Den underliggande trenden är dock osannolik att vända.

AI håller redan på att bli en del av vardagsprogramvara och infrastruktur, oavsett vilka företag som dominerar den slutliga lineupen.

Är NVIDIA sårbart i en värld av specialbyggd kisel

NVIDIAs position i centrum för träningsarbetsbelastningar har väckt oro för långsiktiga risker när Google, Amazon och andra marknadsför sina egna chip.

Googles TPU-serie och Amazons Trainium- och Inferentia-chip är tecken på en större trend mot specialdesignat kisel för specifika arbetsbelastningar.

Det senaste partnerskapet med antropiska grupper komplicerar situationen ytterligare.

Trots Googles stora investeringar i egna chip åtagit sig Anthropic upp till en gigawatt beräkningskapacitet med hjälp av NVIDIAs Grace Blackwell- och Vera Rubin-system, understödda av upp till 10 miljarder dollar i investeringar från NVIDIA och 5 miljarder från Microsoft.

På kort sikt tappar NVIDIA inte mark.

Efterfrågan på beräkning ökar så snabbt att både GPU:er och specialanpassade acceleratorer behövs samtidigt.

Risken för NVIDIA verkar längre fram.

Om inferens blir den dominerande arbetsbelastningen och hyperskalare flyttar det mesta av trafiken till sina egna interna chip, kan NVIDIA möta press på marginaler snarare än volymer.

Utbildningen kan förbli lönsam, men arbetsbelastningsmixen skulle flyttas bort från NVIDIAs mest lukrativa segment.

Detta betyder inte att NVIDIA har problem idag. De kommande tre till fem åren ser stabila ut eftersom efterfrågan på träningskörningar och allmän databehandling är enorm.

Konkurrenshotet handlar mer om långsiktig prissättningskraft.

Hyperskalare vill undvika beroende av en enda leverantör.

De investerar i sitt eget kisel, inte för att eliminera NVIDIA utan för att förhandla från en starkare position.

Vad kommer att avgöra nästa vinnare

AI-kapplöpningen går in i en fas där ledarskapet beror på mer än bara modellgenombrott.

Distribution är extremt viktigt, särskilt förmågan att leverera AI-funktioner till hundratals miljoner användare via plattformar som människor redan använder varje dag.

Integration är också viktig, eftersom företag vill ha verktyg som glider in i deras befintliga arbetsflöden utan avbrott.

Det finns ingen enda väg till dominans.

Google kan använda sök och Android. Microsoft har Windows, Office och GitHub.

Anthropic skapar en position bland företag som vill ha pålitliga och transparenta modeller.

OpenAI fortsätter att driva konsumenternas medvetenhet genom ChatGPT.

Fältet formas av överlappande allianser och rivaliteter där partners ofta också är konkurrenter.

Nästa fas av AI-ekonomin kommer inte att belöna företag enbart för storleken på deras modeller.

Det kommer att belöna dem som kan koppla intelligens till verkliga uppgifter, verkliga beslut och verkligt ekonomiskt värde.

Modellkraft blir allt vanligare. Det som fortfarande är sällsynt är förmågan att omvandla den kraften till varaktigt beteende, trånga arbetsflöden och långsiktig efterfrågan.