Ang kompetisyon ay nagtatapos sa pagtatagpo ng kontrol sa tatlong harapan: ang layer ng computing power (arma ng CAPEX, $805B/taon), ang layer ng model (kompetisyon sa R&D ng Anthropic/OpenAI/Google), at ang layer ng workflow (pagsisikap para maging entry point ng Cursor/Copilot/enterprise SaaS). Ang tunay na parapeto ay nabubuo lamang sa huling layer—sino ang kontrol ng workflow, siya ang kontrol ng data wheel, at siya ang may estruktural na kahusayan sa susunod na iterasyon ng model. Ang presyo ng pagbili sa Cursor na $60B ay ang pinakabagong anchor ng pamilihan sa pagpapahalaga sa "kontrol sa workflow," at ang presyong ito ay patuloy na tumataas.

May-akda ng artikulo, pinagkukunan: SkillsMaster

Panimula: Tatlong battlefield at isang pangunahing pahayag

Sa taon na 2026, ang pinakamalaking pagkonsentrasyon ng kapital sa kasaysayan ng tao ay nangyayari. Ang mga pangunahing anim na Amerikanong teknolohiya na kumpanya ay maglalagay ng $805 bilyon (tungkol sa 5.8 trilyong RMB) para sa pagbuo ng AI infrastructure—ang bilang na ito ay hihigit sa taunang GDP ng karamihan sa mga bansa, at hihigit sa dalawang beses ang pambansang gastos sa depensa ng Estados Unidos noong 2023.

Samantala, kinuha ng SpaceX ang Cursor (isang AI na tool sa pag-program na may halagang $59 milyon lamang noong tatlong taon ang nakalipas) sa isang pagnenegosyo na may halagang $60 bilyon sa pamamagitan ng stock, at sinignahan ito sa ikaapat na araw pagkatapos ng IPO ng SpaceX, na nagresulta sa 17% na pagtaas sa isang araw ng SPCX at pansamantalang paglilipas sa halaga ng Microsoft. Ang taunang kita ng Anthropic ay tumalon mula sa $10 bilyon hanggang $470 bilyon sa loob ng 16 buwan, bagaman hindi pa nagkaroon ng kumikitang kwarter ang kumpanya, at ang halaga nito ay nasa malapit na sa $965 bilyon.

Ang mga pangyayaring ito ay mga iba’t ibang front ng iisang digmaan. Ihihiwalay ng artikulong ito ang digmaan sa tatlong hiwalay ngunit magkakaugnay na battlefield: ang CAPEX arms race sa layer ng computing power, ang kompetisyon sa pag-unlad sa layer ng model, at ang pakikidigma para sa entry point sa layer ng workflow. Ang pangunahing argumento ay: ang moog ng proteksyon ay iba-iba ang lakas sa bawat tatlong layer, at ang karamihan sa mga participant sa merkado ay naglalagay ng kanilang atensyon sa maling layer.

Kapitulo 1: Layer ng Computing Power: $805B na Arms Race sa CAPEX

Ang computing power layer ay ang materyal na batayan ng digmaan at ang hadlang para sa pagpasok. Noong 2023, ang kabuuang CAPEX ng anim na malalaking player sa Estados Unidos (Amazon AWS, Google Alphabet, Microsoft Azure, Meta, Oracle Cloud, CoreWeave) ay $146 bilyon; ang inaasahang numero noong 2026 ay $805 bilyon, isang pagtaas ng 451% sa loob ng tatlong taon.

Si Jensen Huang ay nagpresenta sa GTC Taipei 2026 ng pangunahing ekonomikong lohika ng AI factory: ang computing power ay kita, dahil bawat Token ay kita, bawat Token ay kita. Ito ay nagpapalit sa CAPEX mula sa "gastos" patungo sa "pag-invest sa kapasidad"—tulad ng pagtatayo ng karagdagang produksyon na linya sa isang gawaan. Ang kapital na gastos para sa isang AI factory na may 1 GW ay umabot na sa $500–800 bilyon, at ang NVIDIA Vera Rubin NVL72 rack system ay bumaba ng 10 beses ang gastos sa inference kumpara sa Blackwell, na nagpapalakas pa sa ekonomikong modelo na ito.

Noong 2023, ang CAPEX ng anim na kumpanyang ito ay nasa 40% lamang ng cash flow mula sa operasyon, at ang malaking bahagi ng pera ay ginamit para sa pagbabalik ng mga aktibo at dividend. Noong 2026, lumampas ang ratio sa 100%, na nangangahulugan na hindi na sapat ang cash flow mula sa operasyon upang takpan ang gastos sa infrastraktura, kaya ang mga kumpanya ay pinilit na humingi ng pagsasakop mula sa labas. Ang $84.75 bilyong equity financing ni Alphabet (Hunyo 2026)—na gumagamit ng maraming antas ng kapital (convertible preferred shares na $40 bilyon + zero-coupon bonds na $10 bilyon + common at preferred shares na $34.75 bilyon)—ay direkta ng resulta ng presyur na ito, at ito ang pinakamalaking isang pagkakataon na equity financing sa kasaysayan. 2

Ang pagkakaroon ng computing power ay tunay na isang barrier to entry, ngunit hindi ito isang pagkakaiba. Ang mga may computing power ay nagkakaroon lamang ng "karapatan na sumali," at hindi sila maaaring manalo sa huling kompetisyon batay dito lamang.

Ang data ng presyo ng mga aksyon ng M7 (hanggang ika-18 ng Hunyo, 2026) ay nagpapakita ng isang struktural na kontradiksiyon: ang NVIDIA ay ang pinakadirektang benepisyaryo ng arms race sa CAPEX, ngunit bumaba ang presyo nito ng 18.9% mula pa noong 2026, ang pinakamalaking pagbaba sa M7. Ang merkado ay nagpapahalaga sa isang matagalang panganib—ang malawakang CAPEX ng mga buyer sa ilalim, kung saan ang isang malaking bahagi ay ginagamit para sa pagbuo ng sariling path na ASIC na iiwas sa NVIDIA (AWS Trainium, Google TPU v7, Microsoft Maia). Ang pagtaas ng CoreWeave +240% at Micron +259% (2026 YTD) ay nagpapakita ng paghuhusga ng mga kapital na merkado sa mga benepisyaryo sa gitna ng supply chain ng AI.

Kabanata 2: Model Layer: Pagsisikap sa Pagpapaunlad at "Illusory Moat"

Kung ang hash rate layer ang nagdedesisyon kung sino ang may karapatan na makilahok, at ang model layer ang nagdedesisyon kung sino ang makakamit ng maagang lead sa pagkakilahok—ngunit patunay ng data ng Sensor Tower na ang lead sa model layer ay hindi makakapag-convert sa patuloy na pagkakabukod ng mga user.

Bumaba ang share ng ChatGPT mula sa halos 85% ng global na merkado noong Mayo 2023 patungo sa halos 43% noong Mayo 2026, isang pagbaba ng higit sa 40 puntos, at walang anumang pagbabalik sa buong panahon. Ang kurba na ito ay nagpapahiwatig ng isang pangunahing signal: ang network effect ng consumer-side LLM ay sobrang mahina. Ang mga user ay nagpapalit batay sa kaagad na kapaki-pakinabang, walang social lock-in na "nandito ang aking mga kaibigan kaya nandito ako," at walang matagal nang akumulatong library ng nilalaman (tulad ng library ng Netflix).

Noong Enero 2025, ang paglalabas ni DeepSeek ay nagdulot ng pinakamalakas na pagbabago sa isang beses sa buong time series—nawala ang ChatGPT ng halos 10 puntos porsyento sa loob ng ilang linggo. Ito ay nagpapakita na ang isang open-source, libre, at kaparehong performans na alternatibo ay sapat upang muling mag-allocate ng milyon-milyon na user sa napakaliit na panahon. Ang switching cost sa consumer-side LLM ay praktikal na zero.

Hindi nagkaroon ng panlabas na kita ang Anthropic mula pa noong itinatag ito noong 2021, at nag-spent ng $56 bilyon sa cash sa taong 2024 (gross margin -94%), ngunit ang valuation nito noong gitna ng 2026 ay umabot sa $965 bilyon (Series H). Ang taun-taong kita ay tumataas mula sa $10 bilyon noong Enero 2025 patungo sa $470 bilyon noong Mayo 2026—nag-ramdam ng 47 beses sa loob ng 16 buwan.

Ang core ng logika sa pagtataya ay hindi nasa kasalukuyang kita, kundi sa dual lock-in na nabuo ng enterprise API integration: 80% ng kita ay mula sa mga enterprise customer, at ang codebase, compliance system, at product workflow ng 300,000+ na commercial customer ay malalim nang nakapaloob sa Claude API. Ang switching cost ay hindi na isang tanong kung "aling model ang mas mahusay," kundi "ang engineering cost ng pag-reconstruct ng lahat ng integrasyon"—ang gastos na ito ay karaniwang mas malaki kaysa sa pagkakaiba sa performance ng model.

Ang mga barrier sa antas ng modelo ay pansamantala—ang bawat paglalabas ng bagong modelo tuwing 6-12 buwan ay maaaring palitan ang pagiging mas mabilis sa performance. Ang tunay na pagkakabukod ay ang mga workflow at integrasyon ng data na nabubuo sa ibabaw ng modelo.

Kabanata 3: Ang Layer ng Workflow: Ang Laban para sa Pintuan ng Cursor, Copilot, at Enterprise SaaS

Ang workflow layer ay ang may pinakamalalim na moat at pinakamatagal na panahon sa tatlong battlefield. Ang pagpasok sa workflow ay nangangahulugan ng pagpasok sa kapaligiran kung saan ang mga user ay nagtatrabaho ng 8 oras araw-araw—kapag naitatag na ang mga adhikain, nakapag-imbak na ang data, at nakapaloob na sa proseso, ang gastos sa pagpalit ay maaasahan mula sa "kung gaano kagaling ang model" patungo sa "pagbuo muli ng buong sistema ng trabaho."

Malalim na Pag-aaral ng Kaso | SpaceX $60 bilyon na Pagbili sa Cursor: Mula sa $59 milyong Seed hanggang sa Pinakamahal na Pagbili ng AI Tool sa Kasaysayan

Ang Cursor ay nagmula sa 4 na undergraduate na mag-aaral ng MIT noong 2023, na nag-fork sa VS Code upang magbigay ng isang bagong paraan ng interaksyon sa pagitan ng mga developer at code sa pamamagitan ng "Vibe Coding" workflow—hindi na kailangan ng mga developer na magtrabaho sa mga mababang antas ng syntax, kundi mag-AI orchestration sa mataas na antas kasama ang AI. Sa kanyang pinakamataas na punto, kinokontrol ng Cursor ang 41% ng merkado ng AI-powered coding tools at nagdala ng halos kalahati ng kita mula sa Anthropic Claude API.

Ang pinakamahalagang aral mula sa kaso ni Cursor ay hindi ang kanyang tagumpay, kundi ang kanyang structural na kahinaan. Pagkatapos ng pagkakansela ng pag-access ni Anthropic sa Claude noong 2026, bumagsak nang bigla mula sa 41% patungo sa 26% ang merkado share ni Cursor sa AI programming. Ipinakita nang malinaw ng pangyayaring ito: ang pagkakadikit ng workflow sa application layer ay nakabatay sa katatagan ng suplay sa model layer; kung ang ilalim na tagapagbigay ay magpapalit ng kontrol, kahit gaano pa kalakas ang pagkakadikit ng workflow, agad itong mawawala.

Kinuha ng SpaceX ang isang all-stock transaction na may halagang $60 bilyon, na sa本质上 ay naglutas ng panganib sa supply side sa pamamagitan ng pag-integrate ng Grok model ng xAI at ang孟菲斯 Colossus supercomputer (isa sa mga pinakamalaking GPU cluster sa mundo) upang i-internalize ang supply ng model, habang pinapanatili ang malaking dami ng totoong data sa pagdedesisyon ng mga developer na nakalap ng Cursor. Ang code generation ay ang pinakamataas na halagang aplikasyon ng LLM, at ang mga data na ito ay may hindi mapapalitan na halaga para sa patuloy na pagpapabuti ng mga model ng xAI. 2

Ang estratehiya ng workflow ni Microsoft ay iba sa path ng SpaceX/Cursor. Ang Copilot ay hindi nakabatay sa natural na paglago na dinudulot ng user experience, kundi sa pagsasakop na pilit na batay sa 345 milyong nagbabayad na subscriber ng Microsoft 365. Ang taunang kita ng GitHub Copilot ay nasa higit sa $2 bilyon (2026), at ang rate ng pagpapalit ng mga kumpanya ay higit sa 85%.

Mas mahalaga ang data advantage ng Microsoft: ang mga data sa corporate workflow na nakapag-umpisa sa pamamagitan ng mga produkto tulad ng Office, Teams, at Outlook, na nagbuo ng kakayahan sa pag-unawa sa konteksto na mahirap kopyahin ng anumang malayang AI tool. Kapag kayang i-refer ng Copilot ang transcript ng Teams meeting noong kahapon, habang nauugnay ito sa mga kaukulang email chain sa Outlook, ang switching cost ay naging mas mataas — mula sa "pagpapalit ng software" hanggang sa "pagputol ng memorya sa trabaho."

Hindi lamang sa mga pangkalahatang AI tool ang kompetisyon sa antas ng workflow. Ang mga tradisyonal na kumpanya ng SaaS ay nagtatanim ng kakayahan ng LLM sa kanilang pangunahing produkto upang makabuo ng verticalized na pagkontrol sa workflow. Ang kakayahan ng Salesforce Einstein GPT na makakuha ng direkta sa data ng CRM ay nagbibigay sa kanya ng mas mataas na pagkakadikit sa sales workflow kaysa sa anumang pangkalahatang interface ng LLM. Ang pagtatanim ng Workday AI sa proseso ng paggawa ng desisyon sa human resources ay nagbuo rin ng napakataas na gastos sa paglipat ng data at proseso.

Mga kasaysayang paralelo | WhatsApp ($22 bilyon) → Cursor ($60 bilyon): Ang evolusyon ng paradigm sa pagbili ng network effects

Kinuha ng Facebook noong 2014 ang WhatsApp sa halagang $22 bilyon (kung saan ang $19 bilyon = $4 bilyon sa pera kasama ang $15 bilyon sa mga stock), samantalang ang net loss ng WhatsApp noong 2013 ay $138 milyon, halos walang kita. 8 Ang lohika ng pagkakaisa: ang pagbuo ng social network mula sa contact list ng mga user ay nagtatag ng horizontal lock, kung saan ang bawat bagong user ay nagpapataas ng value ng buong network (klasikong bilateral network effect), at ang motibo ng Facebook ay protektahan ang sarili laban sa mga kalaban na gustong makakuha ng entry point sa mobile messaging.

Ang lohikal na istruktura ng Cursor ay katulad ngunit mas kumplikado: ang horizontal na network effect ay mas mababa kaysa sa WhatsApp (hindi ipinapilit ng mga developer na gamitin ang Cursor dahil ginagamit ito ng kanilang mga kasamahan), ngunit ang vertical na data flywheel ay mas malakas kaysa sa WhatsApp (patuloy na pinapabuti ng mga totoong data sa pagdedesisyon ng code ang modelo, bumubuo ng isang sariling pagsusulong na siklo: workflow→data→model→mas mabuting workflow). Ang $60 bilyon ay ang presyo ng merkado sa kombinasyon ng "kontrol sa workflow + data flywheel sa code", na 172% mas mataas kaysa sa WhatsApp, na nagpapakita ng pagbabago sa pagtukoy ng halaga ng workflow sa panahon ng LLM.

Kabanata 4: Digmaan ng AI Factory: Posisyon, Pagbuo, at Mga Kondisyon ng Pagkabigo ng Moat

Batay sa pagsusuri sa tatlong battlefield, ang posisyon ng moat ay hindi isang-isa. Iba’t ibang manlalaro ay nagtatayo ng iba’t ibang antas ng barrier sa iba’t ibang layer, ngunit ang pangunahing tanong ay: Anong uri ng moat ang makakalampas sa mga cycle ng teknolohikal na pag-unlad at magpapatuloy? Anong uri ng moat ang mabubuo at sa anong kondisyon ito magiging hindi epektibo?

Ang pagkakaroon ng malalaking GPU cluster ay nagbibigay ng mataas na hadlang sa pagpasok, ngunit hindi nagtatag ng pagkakaiba-iba—dahil ang mga kalaban ay maaaring bumili ng parehong hardware gamit ang parehong kapital. Ang NVIDIA Vera Rubin platform ay bumaba ng 10 beses ang gastos sa inference, na nangangahulugan na ang mabilis na pagbaba ng gastos sa computing ay magpapahina pa sa halaga ng "pagkakaroon ng higit pang computing power" bilang isang proteksyon. Ang kondisyon para sa pagkabigo ng proteksyon sa computing layer: ang malawakang pagkakaroon ng sariling disenyo na ASIC (inaasahang 2027-2028), kung kailan ang kahusayan sa gastos sa inference ng mga malalaking cloud provider ay magiging malaki nang pinapaliit.

Ang mga totoong data sa pagdedesisyon ng mga developer mula sa Cursor, ang mga propiyetaryong data sa mga pagtawag sa API ng enterprise mula sa Anthropic, at ang mga data sa enterprise workflow na nakalap ng Microsoft sa pamamagitan ng Office 365, ay kumakatawan sa pinakamalakas na ari-arian sa panahon ng AI. Ang lalim ng moog ng data wheel ay nakadepende sa dalawang variable: ang propiyetaryong kalikasan ng data (kung maaari itong kopyahin o palitan ng sintetikong alternatibo) at ang antas ng pagkakasaligan nito sa pagpapabuti ng modelo (kung totoo bang dinudulot ng data ang pagkakaiba-iba ng kakayahan ng modelo).

Ang kontrol sa workflow ay ang pinakamatagal na tagal ng tatlong malalim na kahoy. Ang lohika ng pagtatanggol nito ay hindi nakadepende sa patuloy na pagiging lider sa performance ng model (maaaring palitan ang supplier sa antas ng model), kundi sa mga gastos sa paglipat—muling isulat ang mga prompt, muling buuin ang API integration, muling pagsasanay sa mga empleyado, at muling pagsagawa ng audit sa seguridad at pagkakasunod. Ang kabuuang gastos na ito ay karaniwang hihigit sa pagtaas ng efficiency na dala ng bagong model, na bumubuo ng patuloy na pagkakabukod.

May tatlong kondisyon para sa pagkawala ng bisa: ① Pagkakaroon ng pagbabago sa paradigm ng workflow (tulad ng paglipat mula sa "AI-assisted programming" patungo sa "AI fully autonomous programming", na nagre-reset sa buong lohika ng workflow); ② Pagbubukas ng standardized interface upang tanggalin ang gastos sa paglipat (tulad ng isang unified AI Agent calling protocol); ③ Paggawa ng regulatory requirement para sa data portability.

Ang lahat ng tatlong layers ng moat ay batay sa isang implicit na aksiyoma: ang pagkakaroon ng matatag na supply chain. Ang lahat ng pitong co-designed chips ng NVIDIA Vera Rubin ay gawa sa TSMC’s 3nm process, at ang HBM4 memory ay galing sa tatlong manufacturer sa Korea. Ang geopolitical risk sa Taiwan at ang export controls ay maaaring pagsabihan agad ang supply chain ng hardware, at ang panganib na ito ay hindi sapat na price sa kasalukuyang CAPEX planning. Ito ang tanging tunay na systemic exogenous risk sa buong AI Factory war.

Konklusyon: Sino ang mananalo sa digmaang ito

Ang pangunahing pahayag ng artikulong ito ay sistematikong na-verify pagkatapos ng pagsusuri ng datos sa tatlong kabanata: ang mga barrier sa kompetisyon sa AI ay hindi nasa parehong antas; ang layer ng computing power ang nagdedesisyon kung sino ang may karapatan na mabuhay, ang liderato sa layer ng model ay pansamantala lamang, at ang mga player na nakakontrol sa layer ng workflow lamang ang makakabuo ng mapanatiling karapatan sa pagtatakda ng presyo.

Ang data mula sa Sensor Tower ay nagpatunay na walang pagkakabindigan sa konsumo, at ang pagbaba ng bahagi ng ChatGPT sa loob ng tatlong taon ay ang pinakamalinaw na ebidensya. Ang pagkakabili ni Cursor sa $60 bilyon ay nagpapakita na ang merkado ay natapos na ang pagbabago ng presyo sa "kontrol sa workflow," at ang presyong ito ay patuloy na tataas. Ang $47 bilyon na ARR ni Anthropic kasama ang patuloy na pagkawala ay nagpapatunay na ang pagkakabindig sa pagsasama ng enterprise API ay sapat upang suportahan ang pagpapahalaga na mas mataas kaysa sa kasalukuyang kita.

Batay sa kompetitibong landscape, may pinakamababalanseng three-layer moat ang Microsoft—ang Azure computing power, ang pagkakaroon ng access sa OpenAI models, at ang Office/GitHub workflow entry points; ang Anthropic ay nangunguna sa enterprise API stickiness ngunit nakakaranas ng pressure mula sa patuloy na paggamit ng kapital; ang pagkakaroon ng distribution advantage ng Google (Android + Search) ay mahirap kopyahin sa consumer side; ang vertical integration path ng SpaceX/xAI+Cursor ay nasa phase ng pagpapatotoo, ngunit kung matagumpay, ito ay magbuo ng pinakamahirap i-deconstruct na kombinasyon ng moat.

Hindi ang huling digmaan kung aling model ang mas matalino, kundi kung aling workflow ang mas mahirap iwanan. Ito ay batayang logika ng negosyo na napatunayan noong panahon ng WhatsApp, at pinalawak sa sukat ng milyon-milyon dolyar sa panahon ng LLM.

Source ng data at mga tala

1 Team ng Analyst ng Bank of America (Abril 2026); TrendForce Global Research (Mayo 2026); Amazon, Alphabet, Microsoft, Meta, Oracle Q1 2026 financial guidance. "U.S. AI Hyperscale CAPEX Sprint" data chart; "Capital Squeeze: CAPEX vs. OCF" data chart.

2 pahayag ng pagkakaisa ng SpaceX/Anysphere (Hunyo 2026); opisyal na paglalabas ng Cursor ARR; materyales ng talakayan ni Prof. Chen Lin ng HKU Business School (Hunyo 2026); Crunchbase database ng pagsasakop.

3 Anthropic Series H na pahayag ng pagsasakop (Mayo 2026, pagpapahalaga sa $965 bilyon); mga materyales ng kurso sa HKU Business School na may data graph na "1 Trillion USD worth Loss Making Firm"; Bloomberg Terminal.

4 NVIDIA GTC Taipei 2026: Pangunahing pagsasalita ni Jensen Huang (I Hunyo 1, 2026, Taipei Music Center); Pagpapahayag ng produkto ng NVIDIA Vera Rubin; SemiAnalysis "Vera Rubin: Extreme Co-Design" (Pebrero 2026).

5 Bloomberg Terminal; "M7 vs Micron 2026 YTD (June 18, 2026)" data chart; HKU Business School course materials. Annual reports of companies through the years.

6 Sensor Tower Global Research; Prof. Chen Lin (Lin Chen), HKU Business School, mga slide ng talakayan na "Customer Price Sensitivity and Loyalty" (Hunyo 2026, Worldwide data).

7 Microsoft Fiscal Year 2026 Earnings Report; Official Disclosure of GitHub Copilot ARR; Microsoft 365 Paid Subscriber Data (Q1 2026); Satya Nadella Investor Day Statement.

8 pahayag ng pagkakabili ng Facebook/Meta WhatsApp (Pebrero 2014); mga datos sa pananalapi ng WhatsApp noong 2013; materyales sa kurso ng HKU Business School na "Old Story in the previous cycle"; mga dokumento ng SEC.