英偉達護城河難撼動，Gemini無法擊敗OpenAI

在最近的市場中，兩個主流觀點主導著投資者的判斷。第一個觀點認為，英偉達公司的護城河正在被侵蝕，主要原因是圖形處理器的替代方案如張量處理單元和其他專用集成電路的出現。第二個觀點是，谷歌公司及其Gemini人工智能模型正在獲得市場份額，將主導AI搜索并最終擊敗OpenAI集團。我們認為這兩種觀點都被過度夸大了，不太可能如許多人目前設想的那樣實現。

具體而言，我們的研究表明，英偉達的GB300及其后續產品Vera Rubin將完全重塑AI經濟學，為英偉達帶來持續優勢。此外，英偉達的產能領先地位將使其成為低成本生產商，也是目前為止在訓練和推理方面大規模運行AI最經濟的平臺。

關于谷歌，我們認為它面臨著終極創新者困境，因為其搜索功能與廣告收入緊密相關。如果谷歌將其廣告模式轉向類似聊天機器人的體驗，其處理搜索查詢的成本將增加100倍。另一種選擇是將其商業模式轉向更綜合的購物體驗。但這需要的不僅僅是向用戶提供10個藍色鏈接。相反，它需要與用戶和廣告商建立新的信任契約，而谷歌目前并不具備這種能力，即使Gemini最近取得了成功。

盡管ChatGPT受到批評，但我們估計OpenAI正在通過強調可信信息而非推送廣告來顛覆當今的在線體驗。關鍵是AI時代的兩個早期催化劑——英偉達和OpenAI在我們看來仍處于強勢地位。盡管許多事情都可能發生變化，但當GB300開始大規模采用時，圍繞這兩家公司的當前敘述可能會發生改變。

為什么張量處理單元無法打破英偉達的AI工廠護城河

我們認為張量處理單元的核心問題不在于它們是否是"好"芯片——它們確實是好芯片。在我們看來，問題在于它們對AI下一階段的廣泛架構適應性，在這一階段，前沿規模的工作負載越來越依賴通信和帶寬，需要能夠擴展到非常大的集群而不會在自身協調開銷下崩潰的系統。在我們的評估中，張量處理單元是在帶寬昂貴且難以提供的時代設計的，這種設計中心在模型規模擴大和工作負載多樣化時就會顯現出來。

張量處理單元適用于低帶寬AI，并在搜索等生產環境中證明了其有效性。它們可以很好地進行某些訓練，并與重要的早期里程碑相關聯。但隨著模型變得更大，工作變得更分散，我們的研究表明張量處理單元設計在擴展和架構內可用帶寬量方面遇到實際約束。在我們看來，這是張量處理單元方法未成為整個行業廣泛復制藍圖的關鍵原因。

我們認為領先的前沿工作越來越需要為高帶寬和規模優化的架構——這種系統設計能夠實現"GPU工廠"，在那里可以連接大量加速器并保持生產性利用。

當我們談論AI工廠的要求時，我們強調三個關鍵因素：近線性二分帶寬增長、最小集合退化和持續的實際利用率（約50%）。在我們看來，圍繞更高帶寬、可擴展互連設計的架構更符合這些要求。

我們的前提是張量處理單元仍然是具有拓撲結構的單供應商架構，有效地形成了莢艙——作為單一系統呈現的緊耦合單元。這種方法在當時是優雅的，并呼應了旨在解決"我們如何連接一切"問題的其他歷史設計。但我們認為限制出現在兩個地方：它不能以前沿工作負載日益需要的方式擴展；它不能為最通信密集型、前沿級模型開發提供所需的凈帶寬。

這些都不會使張量處理單元變得無關緊要。在我們看來，張量處理單元仍然極其有用和有吸引力——特別是對于更有界的工作負載——但有用性不等同于成為下一代AI工廠的主導基礎。在我們的框架中，它絕對不是會侵蝕英偉達護城河的平臺。

為什么英偉達保持其護城河而Gemini不會殺死OpenAI

我們相信最近張量處理單元的熱情與其說是英偉達結構性轉變，不如說是因為產能受限、需求超過供應，每個超大規模計算提供商都在稀缺條件下運營。在這種環境中，買家和建設者將使用任何他們能獲得的可信計算——這種動態正在放大張量處理單元以及其他替代方案的可用性和能力。

CoWoS是門控因素。我們的研究目前指向的最大約束是封裝產能。CoWoS（晶圓上芯片基板上）是臺積電的封裝技術，它將晶片從晶圓上取下并將它們集成到基板上，以便它們可以通過非常高速的通信連接。在我們看來，這對依賴芯片間快速移動和跨復雜多芯片架構的現代AI系統來說是基礎性的。

關鍵點是當CoWoS產能緊張時，它會約束先進AI加速器的輸出，無論需求有多強。總CoWoS產能隨時間大幅擴展，英偉達鎖定了超過60%的產量。與此同時，隨著英偉達通過架構步驟的轉換——從GB200到GB300，然后到Rubin——以及交換和整體系統設計的改進，領先平臺的計算和系統效率得到提高。

在我們看來，市場應該將這些趨勢結合起來看待——即產能增加，但每個系統的性能也在提高，這加強了能夠確保產量并在經驗曲線上移動最快的供應商的經濟學。在這種情況下，領先供應商顯然是英偉達。

我們認為英偉達有效地預購并確保了有意義的CoWoS產能。因此，即使餡餅擴大，英偉達也有能力在討論的規劃期內保持重要份額——預計到2027年它仍持有所述市場的約61%。對于AI芯片，我們估計英偉達將保持接近約80%的市場份額。

當我們談論低成本生產、學習曲線以及為什么優勢正在轉回英偉達時，我們相信"低成本生產商"框架是關鍵的，但它經常被誤解并且沒有得到嚴格應用。在我們看來，成為低成本生產商在規模市場中一直很重要——細微差別在于人們是否指單位成本、交付價格或經濟利潤結構。

從這個角度來看，谷歌作為AI芯片當前低成本生產商的地位隨著堆棧的轉移以及張量處理單元/專用集成電路供應鏈經濟學變得更加清晰而變得越來越脆弱。

我們的研究與相關分析一致，表明谷歌在其AI堆棧的部分享有有意義的成本優勢，并通過積極接近市場來依賴這一地位。谷歌可以用低成本產能"轟炸"AI，因為當你能推動更低的單位成本時，你可以向市場推送更多供應并在價格和可用性上對競爭對手施壓。

但我們相信這種優勢高度依賴于底層性能曲線和硬件供應鏈的經濟學——兩者都在移動。

我們認為英偉達一個被低估的結構性優勢是當主要部署在極端規模上運行基礎設施時創建的學習循環。在我們看來，大規模Blackwell部署——特別是X.ai正在推動的那種"推向極限"推出——充當一個強制功能，暴露錯誤、收緊系統性能并加速彈性。英偉達從中學習，然后在其客戶群中傳播這些學習，這轉化為競爭對手難以匹配的上市時間優勢，除非英偉達在運營上出現失誤。

如相關分析師指出的，Gemini 3已經證明了縮放定律仍然有效。我們的研究表明，如果縮放繼續得到回報，那么市場的重心就轉向無論誰能在規模上每美元、每瓦特和每單位時間提供最多的訓練和推理工作。

這就是英偉達路線圖定位重新確立其主導地位的地方，因為GB300與GB200插槽兼容。從Hopper到Blackwell的差異不是微不足道的。我們之前報告過，由于新的冷卻要求、機架密度和過渡的整體復雜性，基于GB200的機架可靠性較低。但早期報告表明，基于GB300的新云配置表現異常良好，從基于GB200的基礎設施升級摩擦很低。這種兼容性加速了部署速度，并提高了客戶留在英偉達升級路徑而不是繞道進入架構分叉的概率。

經濟學有利于英偉達。

我們認為張量處理單元/專用集成電路堆棧的經濟學經常被忽視。一個關鍵約束是，如果很大一部分價值歸供應商（例如作為谷歌專用集成電路合作伙伴的博通），那么"低成本生產商"聲明就變得更加復雜。相關分析師估計在規模上，谷歌300億美元張量處理單元收入中大約150億美元歸博通，這消耗了利潤池的主要份額。

這種動態對谷歌隨時間的行為施加壓力。即使張量處理單元單位經濟學在孤立情況下看起來有吸引力，供應商利潤結構也可能侵蝕持續削弱市場的能力——特別是隨著英偉達每系統性能的提高。

我們相信路線圖含義是GB300將重置成本曲線，Rubin再次擴展它，英偉達和張量處理單元/專用集成電路替代方案之間的空間急劇增加。在我們看來，這并不會使張量處理單元變得無關緊要；它使它們變得情境化。隨著英偉達平臺在規模上成為更低成本的Token生產商，替代方案被迫進入更窄的通道或"使用你擁有的"策略。

大語言模型之戰

我們的研究表明競爭戰斗正在向堆棧上層移動。盡管對模型能力的快速改進感到興奮——我們相信隨著AI工廠的增長，更大、更完整的模型將繼續出現——我們的一個關鍵戰略前提是僅憑模型質量不會成為持久的差異化因素。在我們看來，重心轉向軟件生態系統、圍繞模型包裝的服務以及可靠且經濟地操作這些模型的能力。

如上所述，即使谷歌今天可以聲稱成本優勢期，我們相信英偉達的平臺學習、插槽升級路徑和性能路線圖——結合張量處理單元供應鏈中嵌入的利潤現實——在接下來的兩個周期以及可能更長時間內將"低成本生產商"優勢轉回英偉達。

Gemini用戶增長敘述錯失了真正的設置：谷歌的創新者困境

我們相信可以公平地說Gemini 3對AI對話產生了有意義的影響，特別是在加強縮放定律保持完整方面。但我們也相信一些廣泛流傳的圖表——特別是那些暗示ChatGPT"趨于平穩"而Gemini"爆炸式增長"的圖表——如果被用作持久競爭優勢或最重要經濟因素的代理，可能會產生誤導。

我們認為用戶增長圖表容易被過度解釋，因為它們將非常不同的分銷機制壓縮成一條線。一個產品可能由于捆綁、默認設置、集成點或放置而在月活躍用戶中顯得"爆炸性增長"，而另一個可能顯得"平穩"，即使使用質量、貨幣化和生態系統親和力仍然很強。

更重要的因素，在我們看來，是Alphabet的經濟重心仍然是廣告——特別是搜索和相關廣告屬性。如下所示，谷歌從廣告中產生巨額營業利潤，營業利潤率非常大。

云，雖然在絕對美元方面有意義并且盈利能力有所提高，但相對于搜索驅動的營業利潤規模仍然很小。即使在不斷上升的營業利潤率水平下，云業務與與廣告機器相關的數千億營業利潤和現金產生相比仍然很小。

這創造了經典的創新者困境。谷歌可以說擁有世界上最好的技術市場，以搜索的形式——非凡的查詢量、無與倫比的廣告貨幣化模型和加強盈利能力的高效計算基礎。系統有效，并且在大規模上有效。

在我們看來，困境是谷歌如何從那個主導模型遷移到"更完整"的東西，而不破壞使其首先占主導地位的利潤引擎。數據表明挑戰不在于谷歌是否能構建強大的AI模型——它顯然可以。挑戰在于它是否能以保持經濟學的方式發展搜索的產品和商業模式，同時向新的交互范式移動。

參與度，而不僅僅是月活躍用戶：為什么"用戶分鐘"改變了AI+廣告的經濟學

我們相信較早的月活躍用戶圖表講述了一個不完整的故事，如果用于推斷領導力或貨幣化能力可能會產生誤導。更有指導意義的觀點是參與度。具體而言，SimilarWeb數據顯示網絡上的用戶分鐘——因為花費的時間是使用強度、依賴性和最終可貨幣化機會的更好代理。

ChatGPT的領先地位在用戶分鐘中更清楚地顯示出來。ChatGPT在用戶分鐘方面保持有意義的領先，即使Gemini正在快速增長。圖表還顯示其他參與者的快速增長，但在我們看來，競爭現實仍然集中，主要是ChatGPT和Gemini之間用戶注意力大部分的兩馬競賽。

關鍵指標不僅是"誰在增長"，而是誰在捕獲時間。

我們相信當你疊加谷歌的經濟模型時，含義變得更加尖銳。谷歌的利潤引擎建立在與搜索行為相關的廣告貨幣化上——高容量、低邊際成本和良好優化的轉換漏斗。那臺機器依賴于高效地服務大量廣告機會。

但如果交互模型轉向ChatGPT風格的體驗——更豐富的答案、更長的會話和更計算密集的響應——成本結構就會發生戲劇性變化。

我們的研究表明，助手風格模型中每單位參與都比經典搜索模型在物質上更計算密集。上面提到的觀點是，對于可比的"用戶分鐘"，助手模型可以消耗約10倍的計算資源，為最終用戶生成實質上更豐富的輸出。

在我們看來，這是為什么將AI助手交互模型與廣告資助的商業模式合并不是微不足道的核心：在經典搜索中，廣告被服務到低成本查詢/響應序列中；在助手主導的體驗中，相同的用戶注意力需要更高的計算，這增加了每次可貨幣化交互的成本。

因此，盡管AI原生界面可能創造更引人注目的產品，但它也有將廣告交付經濟學從高利潤機器轉變為更重成本模型的風險——除非貨幣化機制發展以補償。

為什么"谷歌將只是顛覆自己"不是一個隨意的決定：搜索的單位經濟學正在改變

我們相信一個常見的重復句——"谷歌將只是顛覆自己"——忽略了最重要的約束，即搜索的經濟學對谷歌是獨特有利的，從經典搜索轉向助手風格交互模型改變了單位經濟學，可能破壞利潤引擎。

搜索是極端規模、超優化的計算業務。我們的研究表明搜索的成本是幾分之一分。這個結果是幾十年排名系統精煉、極端規模和高度優化的基礎設施堆棧的產品。在我們看來，這可能是世界上最便宜的大規模計算服務，也是全球規模上運營最好的服務之一。

利潤結構是護城河——很難放棄。重點是每次搜索的收入約為搜索本身總成本的5到10倍。這是谷歌建立的非凡商業模式的核心——超低單位成本與每次交互提取高價值的貨幣化引擎配對。

在我們看來，你不會隨意顛覆具有這些經濟學的模型——不是因為你缺乏遠見，而是因為替代方案必須清除一個非常高的經濟門檻。

工作負載特征很簡單——這就是優勢。我們的研究表明搜索查詢的性質支持這些經濟學：每天大約80億到90億次搜索；數十億活躍用戶；查詢通常非常短（通常兩到三個詞）；三分之二的搜索導致點擊；每次訪問約1到1.5次查詢。

這是高容量、低復雜性的工作負載。它針對速度、效率和貨幣化進行了優化——不是為了生成豐富推理的輸出。

將搜索轉向助手會使模型崩潰，除非貨幣化改變。我們的核心聲明是，如果谷歌將這種超便宜的交互轉換為OpenAI風格的體驗——更豐富的響應、更長的會話、每次交互更高的計算——成本結構急劇上升。如果每次"搜索"成本增加一個數量級，而貨幣化機制仍留在舊廣告模式中，經濟學就會壓縮，商業模式可能會破裂。

關鍵是谷歌絕對可以創新，但數據表明自我顛覆是經濟手術。現有搜索機器圍繞簡單和利潤進行了優化。在沒有新貨幣化模型的情況下轉向計算密集型助手行為有崩潰資助轉換的發動機的風險。

每次會話成本是谷歌自我顛覆的經濟觸發線。當你建模每次會話成本而不是查看頂線用戶計數時，關于谷歌是否能顛覆自己的辯論變得更加清楚。如所示，經典谷歌搜索的經濟學圍繞每次交互極低成本和非常高利潤的貨幣化進行工程設計。助手風格會話顛倒了那個等式。

谷歌搜索：每次會話幾分錢，每次查詢高利潤廣告。我們的研究表明，谷歌搜索每次交互的成本在大約0.2到0.5的范圍內，因為每次會話的查詢很低，每次會話的結果成本仍然是"不到幾分錢"。貨幣化模型也與這種結構緊密耦合，因為谷歌通過每次查詢的廣告進行貨幣化，低成本+強廣告收益的組合產生非常高的利潤。

在我們看來，這就是為什么谷歌搜索一直是如此持久的商業模式。它是一個高度優化、低成本的服務，在大規模上高效貨幣化。

ChatGPT風格會話具有根本不同的成本結構。ChatGPT每次交互的成本要高得多，會話模式不同，每次會話有5到10次查詢，而不是短暫、輕量級的搜索交互。當你乘以這些因素時，每次會話的成本變得顯著更高——我們認為比谷歌搜索高約100倍。

重要的是，關鍵不是ChatGPT效率低下。聲明是ChatGPT已經是效率領導者之一——然而底層交互范式在每次會話上仍然更計算密集。

我們相信這是谷歌不能簡單地將搜索翻轉到ChatGPT樣模型而不破壞利潤穩定性的核心原因。

"10%-20%/60%-70%"問題：收入集中使這成為生存問題。我們的研究表明搜索中經濟上最有價值的部分是產品和商業搜索——只有約10%到20%的查詢，但負責約60%到70%的搜索收入。在我們看來，這種集中正是使轉換如此困難的原因。具體而言：這部分是谷歌最需要保護的餡餅；它也是最有可能在AI助手向上游移動到更高意圖工作流程時被爭奪的部分。

貨幣化如何工作的深刻轉變：從"付費被看到"到"付費被準確表示"

我們相信這是整個研究報告中最重要的想法之一。模型從低成本廣告和向用戶投擲的藍色鏈接轉向更高價值、更高成本的信息經濟，其中信任和準確表示是產品。

在我們看來，這有兩個直接含義：品牌對信息質量變得遠比鏈接放置更敏感；貨幣化從"為可見性付費"向"為經過驗證、可信、高保真表示付費"遷移——一種不同的商業結構，具有不同的經濟模型。

谷歌的"混合"模式會發生什么？

谷歌目前的方法——提供用戶可以更深入進入AI模式的混合路徑——既聰明又有用。在理想世界中，谷歌更愿意緩慢引入助手風格體驗，將它們作為獨立業務進行圍欄，并以溢價定價。

但關鍵是現實約束策略，因為谷歌必須保護商業搜索數字。雖然谷歌希望在頂部分層更高價值服務并向廣告商收取實質上更多費用，但挑戰者可能更容易進入更高成本、更高信任的服務，而不需要保護遺留利潤結構。我們相信，這是OpenAI的優勢。

這種緊張關系使混合模型看起來不像穩定的最終狀態，更像是過渡策略——一個最終必須向一種經濟模型或另一種解決的騎墻派。

搜索的未來是收入模型不匹配——最高價值的部分處于風險中

我們相信"搜索的未來"的核心問題不是模型質量。問題是收入模型不匹配。傳統搜索是一個廣告資助的機器，優化為提供低成本發現——有效地"向用戶投擲10個藍色鏈接"——其中貨幣化與放置和點擊相關，而不與交付信息的內在質量和可信度相關。

隨著搜索變得以答案為中心和以信任為中心，我們的研究表明谷歌利潤池的很大一部分變得暴露。

少量查詢驅動大部分金錢——在信任方面很容易失去。在這項研究中，我們試圖提出一個集中收入點，我們相信這是關鍵：約10%到15%的查詢是商業/產品意圖；該部分貢獻了約65%到75%的搜索收入。

在我們看來，這是業務中最容易受到信任侵蝕的部分。如果用戶開始相信答案是為廣告商而不是買家優化的，價值主張就會迅速降級——而那小部分正是買家對質量、排名完整性和信心最敏感的地方。

風險是谷歌可以保留大部分總搜索量，但仍然失去經濟上決定性的部分："90%的搜索"，但不是支付賬單的部分。

生成式AI答案成本高幾個數量級——規模使它無情。我們的研究表明，用生成式AI生成答案至少比經典、高度優化的搜索查詢貴一個數量級——根據體驗設計可能是兩到三個數量級。在谷歌的規模上，即使向AI重型會話的適度混合轉變也可能對利潤產生超大影響。

我們相信這既成為時機問題又成為戰略問題。換句話說，隨著使用模式的遷移，轉換開始影響利潤，公司必須管理兩個相反力量之間的微妙平衡：保護當前利潤；防止高信任、高價值查詢泄漏到其他平臺。

從消費者角度來看，有一個優勢，即用戶可以越來越多地在低成本傳統搜索和更高質量、更高信任的答案引擎之間選擇。但這種選擇性增加了競爭壓力。

信任和權威成為新的轉換成本。因為谷歌的搜索份額如此高度提升，它只能從這里下降，因為競爭軸正在轉移。在經典搜索中，如果結果不好，用戶只是細化查詢并繼續。在助手驅動的搜索中，隨著用戶為始終返回更高質量結果、具有記憶的引擎建立親和力，信任成為護城河。贏得那種信任的平臺可以拉動最高價值會話的不成比例份額。

關鍵點是，即使谷歌的模型質量很強，商業模型激勵是不同的。

為什么這是一個不同的商業模式，而不僅僅是更好的UI

在我們看來，未來狀態不是"更智能的廣告"。它是一個不同的價值鏈，其中品牌需要被準確表示、適當比較，并基于適合度而不是誰買了頂部位置來浮出水面。

這項研究的前提捕捉了差異——復雜、高意圖請求可以在一分鐘內通過排名選項和行動計劃得到滿足，而不是更長、更迭代的搜索過程。我們的研究表明，這種"高質量商業搜索"體驗正是份額可以遷移的地方——它是移動的最經濟有意義的部分。

OpenAI的結構優勢：通過訂閱和API的一致激勵

我們相信OpenAI具有植根于其收入模型的結構激勵優勢：用戶付費（通常通過訂閱），因為他們重視體驗質量；開發者和企業通過直接貨幣化使用的API付費。

這種激勵系統與廣告資助的搜索根本不同，在后者買家不是用戶，品牌為放置付費。在我們看來，這為助手平臺創造了更直接的"質量到收入"聯系。

在品牌方面，我們的研究表明新興玩法是面向買家的API，由可信信息支持，設計在答案引擎中得分良好。這是與經典搜索引擎優化和付費鏈接不同的營銷和分銷模型。

SEO沒有死——但它正在滑坡

我們相信正確的框架是SEO沒有死，但隨著時間推移會變得不那么重要。隨著答案引擎通過信任和結構化供應商信息調解發現和排名，經典SEO機制的重要性下降。

可能結果：正面分化

我們的觀點是市場以一種對谷歌來說在絕對條件下仍然可以看起來"好"的方式分化，同時在戰略上具有顛覆性：谷歌保持一般搜索量的大份額；OpenAI（和其他）在高價值、高信任商業意圖中獲得份額。

谷歌將為那個高價值部分而激烈戰斗，但我們的研究表明它需要在模型層之上進行大量工作：API、軟件能力、界面設計和周圍的服務堆棧，使供應商和用戶能夠從平臺中提取真正的效用。

關鍵是搜索的未來是激勵和經濟學的重構。在最有價值的市場部分，將信任、表示質量和貨幣化結合起來的平臺具有優勢。

重新審視先發優勢辯論：為什么OpenAI的領先地位看起來持久——為什么企業是真正的獎品

我們相信在這個部分的上下文中結束是有用的，在較早的Breaking Analysis中，我們提出了谷歌可能顛覆OpenAI先發優勢的合理場景。該場景不是非理性的——它植根于谷歌深厚的技術陣容、其分銷和它可以將模型力量轉化為產品和平臺領導力的假設。

但上面的圖片——"OpenAI可能保持其領導力"——反映了我們的研究今天表明的——維持OpenAI領先的條件正在加強，而不是削弱。

模型將在頂部收斂——所以不要過度關注"最佳模型"

我們的觀點是市場過度專注于模型到模型的比較。現實是領先實驗室都將生產非常高質量的大語言模型。谷歌的模型很強。Anthropic的Claude圍繞編碼定位。Gemini在許多任務中展示了能力，Grok移動很快。重點不是這些中的任何一個都是"壞的"。

我們相信持久分化正在從原始模型質量轉向：周圍的軟件堆棧；應用程序接口和開發者表面積；應用程序和工作流程；成為企業使用默認平臺的能力。

OpenAI的結構優勢：平臺、API和（可能）計算分配優先級

我們的研究表明OpenAI在幾個領域保持領導力：最佳API；最佳應用程序；在用戶中的整體領先地位以及新興企業動力。

我們也相信OpenAI與英偉達的密切關系很重要。我們的論點是，如果英偉達仍然是前沿計算的關鍵供應商，如果OpenAI與該生態系統緊密耦合，那么OpenAI定位接受相對于競爭對手的優先分配——特別是相對于那些敘述依賴于英偉達被取代的競爭對手。在我們看來，這種分配動態加強了能力時間和上市時間。

企業混合正在轉變。在我們看來，這個部分最重要的數據點是消費者使用和企業采用之間描述的混合轉變。我們注意到從去年大約70/30（用戶/企業）到今年底約60/40的移動。

我們相信這是一個有意義的信號，因為企業增長往往比消費者新奇性更粘性和更平臺定義。我們的研究表明，隨著組織學習如何策劃和提高其數據質量、使數據可發現并可被AI系統使用以及操作化可靠浮出可信信息的工作流程，企業采用將增加。

在我們看來，企業"數據準備"旅程是將AI模型轉變為企業系統的東西——這就是平臺優勢復合的地方。

谷歌有優勢——但軟件和企業定位仍然是問題。我們相信谷歌有優勢，將仍然是一個強大的競爭對手。但我們的前提是OpenAI更有可能出現為企業AI中的高質量軟件和平臺玩家，而不是谷歌，后者——盡管技術上強大——不被廣泛認為是企業AI軟件領導者。

我們的觀點是這很重要，因為競爭的下一階段不是"誰有最好的模型演示"，而是"誰擁有工作流程和集成結構"。

領導力不被保證——但現在是真實的。我們的研究表明OpenAI目前在平臺動力方面"領先一英里"。這并不意味著領先是不可攻破的。OpenAI可能爆炸，或競爭對手可能找到優越方法。但截至目前，我們相信最可能的結果是繼續領導，因為最重要的因素——平臺、開發者采用、企業混合轉變和訪問稀缺計算——目前在OpenAI的有利方面排列。

結論

這項Breaking Analysis的兩個大結論是：英偉達的護城河看起來因產量、經驗曲線效應和多年端到端系統工作而得到加強；OpenAI的領先地位看起來因平臺執行和企業拉動而得到加強——在模型質量是表格賭注的競爭環境中，真正的戰斗是圍繞模型包裝的軟件和服務。

關鍵是早期的"谷歌顛覆OpenAI"場景是合理的。但數據和平臺動態表明OpenAI的先發優勢正在演變成更持久的東西——特別是隨著企業成為重心。OpenAI與英偉達的關系是有意義的。雖然英偉達，像以前的英特爾公司一樣，將試圖保持競爭環境平等，但現在它將支持競爭力較弱的新興平臺，如新云玩家和如OpenAI這樣的模型構建者。

Q&A

Q1：英偉達GB300相比之前的產品有什么優勢？

A：GB300是英偉達Blackwell架構的升級版本，與GB200完全兼容，可以實現無摩擦升級。早期報告顯示GB300在新云環境中表現出色，冷卻要求和可靠性問題得到了顯著改善。該產品將重置AI計算的成本曲線，使英偉達在規模化AI訓練和推理方面保持成本優勢。

Q2：為什么谷歌很難將搜索轉換為AI助手模式？

A：谷歌面臨創新者困境，因為其搜索業務與廣告收入緊密綁定。傳統搜索成本極低（幾分之一分），但AI助手式交互成本高出約100倍。如果谷歌將搜索轉為ChatGPT式體驗，在保持現有廣告模式的情況下，每次搜索的成本將大幅上升，可能破壞現有的高利潤商業模式。

Q3：OpenAI相比谷歌有哪些競爭優勢？

A：OpenAI的主要優勢包括：訂閱和API收入模式與用戶利益一致，不依賴廣告；擁有最佳的API和應用程序；在平臺開發者采用方面領先；企業客戶占比從30%增長到40%，顯示更強的商業粘性；與英偉達關系密切，在稀缺的計算資源分配上可能獲得優先權。