Gemini 重回榜首，商業影響為何有限？

  • Google 新發布的 Gemini 4 Carbon 在 Artificial Analysis 智能指數中取得 59 分，位居第一；此前 Google 上一次登頂是 2月 的 Gemini 3.1 Pro。榜首閉源模型相對領先開放模型的優勢擴大至 27 分，為 6月 以來最大。
  • 這次評測發生在 10月27日 指數更新之後，新指數主要依賴私人資料集。Carbon 目前只向網路防禦人員開放，花旗因此認為其直接商業影響可能有限。
  • 按 Artificial Analysis 的任務測量，Carbon 的輸出 token 用量是 GPT-6 Astra 的 2.4 倍，但按所列價格計算的單項任務成本只高 24%，部分原因是 Carbon 的輸出 token 更便宜。

記憶體漲價為何會侵蝕雲端服務利潤？

  • 記憶體價格上漲的同時，積壓訂單仍在增加。花旗預計美光 HBM4 12 層產品的價格年增超過一倍；SK 海力士已售出 2027—2028 年超過一半的產能，美光已承諾超過 75% 的 2027 財年出貨量，三星計劃將 60%—70% 的產能用於長期協議。
  • 花旗指出，領先模型在 Artificial Analysis 任務中的成本約有 80% 來自快取上下文。運算設計轉向整機櫃和共享記憶體池後，記憶體更難替代：沒有長期合約的小型 AI 雲端廠商可能需要按現貨價格採購記憶體，抵銷 GPU 租金上漲帶來的收入。
  • 租金分化已顯現：自 2025年11月 以來，記憶體較充裕的 B300 租金上漲 69%，同期 H100 上漲 33%。

提高 GPU 利用率會削弱基礎設施需求嗎？

  • 輝達的 Minerva 利用 AI 預測元件故障，在故障拖慢作業前處理問題，從現有 GPU 中釋放更多運算能力。任務越長，這種能力越有價值：今年 4月 的領先模型以 50% 的成功率處理人類需 17 小時完成的任務，一年前對應時長為 2 小時。
  • 花旗判斷，只要 GPU 仍然稀缺，效率提升就不太可能影響近期基礎設施需求。測試設備商 Teradyne 稱，其 AI 需求已涵蓋記憶體、互連和整合系統等領域，推動相關營收年增 70%。

機器人從模擬走向實際部署，還差什麼？

  • Google DeepMind 的 Genie 4 讓機器人模擬訓練更逼真，但花旗認為，只有真實世界資料才能證明訓練所得的操作策略有效，因而早期採用者可能積累資料優勢。
  • 製造業軟體採用仍落後於金融業：使用 Ramp 的企業中，9月 有 61% 的製造商付費訂閱 AI 軟體，金融企業的比例為 74%。SAP 已開始從訂單、庫存和維護系統向機器人派發任務，為其參與機器人採用提供了軟體切入點。
  • 11月9日 至 12 日的機器人學習會議可能顯示模擬技術是否正在縮短從試點到機器人群部署的時間；若能縮短，花旗認為實體 AI 對硬體和推論需求的貢獻可能加快。