Citi: Mingguan AI Citi: Gemini kembali menduduki tangga teratas model, bekalan memori yang dikunci melonjakkan kos pengkomputeran

Gemini kembali ke tangga teratas, mengapa kesan komersialnya terhad?

Gemini 4 Carbon yang baharu dilancarkan oleh Google memperoleh 59 mata dalam Indeks Kecerdasan Artificial Analysis, menduduki tempat pertama; kali terakhir Google menduduki tangga teratas ialah pada Februari dengan Gemini 3.1 Pro. Kelebihan model sumber tertutup di tangga teratas berbanding model terbuka terkemuka melebar kepada 27 mata, yang terbesar sejak Jun.
Penilaian ini berlangsung selepas kemas kini indeks pada 27 Oktober, dan indeks baharu terutamanya bergantung pada set data peribadi. Carbon kini hanya tersedia kepada petugas pertahanan siber, maka Citi berpendapat kesan komersial langsungnya mungkin terhad.
Menurut ukuran tugasan Artificial Analysis, penggunaan token output Carbon ialah 2.4 kali ganda berbanding GPT-6 Astra, tetapi kos setiap tugasan yang dikira berdasarkan harga tersenarai hanya 24% lebih tinggi, sebahagiannya kerana token output Carbon lebih murah.

Harga memori meningkat sementara tunggakan pesanan terus bertambah. Citi menjangkakan harga produk HBM4 12 lapisan Micron meningkat lebih dua kali ganda tahun ke tahun; SK hynix telah menjual lebih separuh kapasiti bagi 2027–2028, Micron telah membuat komitmen bagi lebih 75% penghantaran tahun fiskal 2027, dan Samsung merancang memperuntukkan 60%–70% kapasiti kepada perjanjian jangka panjang.
Citi menyatakan bahawa kira-kira 80% kos model terkemuka dalam tugasan Artificial Analysis berpunca daripada konteks yang dicache. Apabila reka bentuk pengkomputeran beralih kepada rak lengkap dan kumpulan memori dikongsi, memori menjadi lebih sukar diganti: penyedia awan AI kecil tanpa kontrak jangka panjang mungkin perlu membeli memori pada harga spot, lalu mengimbangi pendapatan daripada kenaikan kadar sewaan GPU.
Perbezaan kadar sewaan telah muncul: sejak November 2025, sewaan B300 yang mempunyai lebih banyak memori meningkat 69%, manakala H100 meningkat 33% dalam tempoh yang sama.

Minerva Nvidia menggunakan AI untuk meramalkan kegagalan komponen dan menangani masalah sebelum kegagalan memperlahankan tugasan, sekali gus membebaskan lebih banyak kuasa pengkomputeran daripada GPU sedia ada. Semakin panjang tugasan, semakin bernilai keupayaan ini: pada April tahun ini, model terkemuka mengendalikan tugasan yang memerlukan manusia 17 jam untuk disiapkan dengan kadar kejayaan 50%, berbanding tempoh yang sepadan selama 2 jam setahun sebelumnya.
Citi menilai bahawa selagi GPU masih kekurangan bekalan, peningkatan kecekapan tidak mungkin menjejaskan permintaan infrastruktur dalam masa terdekat. Pengeluar peralatan ujian Teradyne berkata permintaan AInya kini meliputi bidang seperti memori, saling sambung dan sistem bersepadu, yang mendorong pendapatan berkaitan meningkat 70% tahun ke tahun.

Genie 4 Google DeepMind menjadikan latihan simulasi robot lebih realistik, tetapi Citi berpendapat hanya data dunia sebenar dapat membuktikan bahawa dasar operasi yang dipelajari melalui latihan berkesan, maka pengguna awal mungkin dapat membina kelebihan data.
Penggunaan perisian dalam sektor pembuatan masih ketinggalan berbanding sektor kewangan: dalam kalangan syarikat yang menggunakan Ramp, pada September sebanyak 61% pengilang membayar langganan perisian AI, berbanding 74% syarikat kewangan. SAP telah mula menghantar tugasan kepada robot daripada sistem pesanan, inventori dan penyelenggaraan, memberikan syarikat itu titik kemasukan perisian untuk menyertai penggunaan robot.
Persidangan pembelajaran robot dari 9 November hingga 12 haribulan mungkin menunjukkan sama ada teknologi simulasi sedang memendekkan tempoh daripada projek perintis kepada penggunaan kumpulan robot; jika tempoh itu dapat dipendekkan, Citi berpendapat sumbangan AI fizikal kepada permintaan perkakasan dan inferens mungkin meningkat lebih cepat.