Gemini снова на первом месте: почему коммерческий эффект ограничен?

  • Новая модель Google Gemini 4 Carbon набрала 59 баллов в индексе интеллекта Artificial Analysis и заняла первое место; последний раз Google возглавляла рейтинг в феврале с Gemini 3.1 Pro. Преимущество лидирующей модели с закрытым исходным кодом над ведущей открытой моделью выросло до 27 баллов, максимума с июня.
  • Оценка проводилась после обновления индекса 27 октября, причём новый индекс в основном опирается на частные наборы данных. Сейчас Carbon доступна только специалистам по киберзащите, поэтому Citi считает, что её прямой коммерческий эффект может быть ограниченным.
  • По измерениям Artificial Analysis на её задачах, Carbon использует в 2.4 раза больше выходных токенов, чем GPT-6 Astra, но стоимость одной задачи по опубликованным ценам выше лишь на 24%, отчасти потому, что выходные токены Carbon дешевле.

Почему рост цен на память может снизить прибыль облачных сервисов?

  • Цены на память растут, а портфель невыполненных заказов продолжает увеличиваться. Citi ожидает, что цена продукта Micron HBM4 с 12 слоями более чем удвоится год к году; SK hynix продала свыше половины мощностей на 2027–2028 годы, Micron уже приняла обязательства по поставке более 75% объёма отгрузок за 2027 финансовый год, а Samsung планирует выделить 60%–70% мощностей под долгосрочные соглашения.
  • Citi отмечает, что около 80% затрат ведущих моделей на задачах Artificial Analysis приходится на кешированный контекст. При переходе к проектированию вычислительных систем на уровне целых стоек и общих пулов памяти заменить память становится сложнее: небольшим облачным ИИ-провайдерам без долгосрочных контрактов, возможно, придётся закупать память по спотовым ценам, что компенсирует доходы от роста арендных ставок на GPU.
  • Различия в арендных ставках уже проявились: с ноября 2025 года аренда B300 с большим объёмом памяти подорожала на 69%, а H100 за тот же период — на 33%.

Ослабит ли повышение загрузки GPU спрос на инфраструктуру?

  • Система Minerva от Nvidia использует ИИ для прогнозирования отказов компонентов и устраняет проблемы до того, как они замедлят выполнение заданий, высвобождая дополнительные вычислительные мощности существующих GPU. Чем длиннее задача, тем ценнее эта возможность: в апреле этого года ведущая модель с вероятностью успеха 50% выполняла задачи, на которые человеку требуется 17 часов, тогда как годом ранее соответствующая продолжительность составляла 2 часа.
  • По оценке Citi, пока GPU остаются дефицитными, повышение эффективности вряд ли повлияет на спрос на инфраструктуру в ближайшей перспективе. Производитель испытательного оборудования Teradyne сообщил, что связанный с ИИ спрос уже охватывает память, соединения и интегрированные системы, что обеспечило рост соответствующей выручки на 70% год к году.

Чего не хватает для перехода роботов от симуляции к реальному применению?

  • Genie 4 от Google DeepMind делает обучение роботов в симуляции более реалистичным, но Citi считает, что только данные из реального мира могут подтвердить эффективность стратегий управления, полученных в ходе обучения, поэтому ранние пользователи могут накопить преимущество в данных.
  • Внедрение программного обеспечения в производстве по-прежнему отстаёт от финансового сектора: среди компаний, использующих Ramp, в сентябре платные подписки на ПО для ИИ имели 61% производителей и 74% финансовых компаний. SAP начала направлять роботам задания из систем заказов, управления запасами и обслуживания, получив программную точку входа для участия во внедрении роботов.
  • Конференция по обучению роботов, которая пройдёт с 9 ноября по 12 число, может показать, сокращает ли технология симуляции время от пилотных проектов до развёртывания групп роботов; если это так, Citi считает, что вклад физического ИИ в спрос на оборудование и инференс может расти быстрее.