Citi Report: Mabilis ang pag-unlad ng AI Models, ngunit ang infrastructure ay nahihirapan makasunod

Mabilis na tumataas ang intelihensya ng malalaking AI model, ang Kimi K3 ay nakapasok sa third place sa mga open-source model sa buong mundo na may marka na 57, habang ang median na marka sa 20 pinakamalalaking model ay tumaas mula sa 34 patungo sa 43. Nakikita ang mga hadlang sa infrastraktura ng AI: tumataas ang rental ng Blackwell GPU ng 27% mula pa noong simula ng taon, tumalon ang presyo ng mga advanced na model sa China ng 45% sa isang linggo, at ginugugol ng mga laboratorio tulad ng SpaceX ang $1 bilyon para bumili ng mga kagamitan sa paggawa ng enerhiya. Ipinahayag ng Citi na ang susunod na yugto ng kompetisyon ay magiging paglipat mula sa pagkuha ng computing power patungo sa efficiency at proprietary data, samantalang tumataas din ang mga panganib sa seguridad—ang autonomous AI agent ay nagsilbi na mula sa “pagpapahinto sa tanghalian” patungo sa “pagpapasok sa infrastraktura ng Hugging Face”.

May-akda ng artikulo, pinagkukunan: Hard AI

Ayon sa pagsusuri ng Citibank, ang return on investment (ROI) sa industriya ng AI ay dumadaloy nang mabilis patungo sa infrastrakturang antas, at ang mga liwasan sa kompetisyon sa hinaharap ay magiging paglipat mula sa pagkuha ng computing power patungo sa efficiency at proprietary data.

Ang mga malaking modelong AI ay nagsisiging mas matalino, ngunit ang pisikal na mundo na nagtataglay sa kanila ay tinutulak patungo sa mga limitasyon nito.

Sa pinakabagong ulat na inilabas ng Citibank noong Hulyo 24, isinulat na nakapasok ang Moonshot AI Kimi K3 sa ikatlong lugar sa mundo sa marka na 57, na nasa likod lamang ng 3 puntos sa unang lugar sa closed-source, ang Claude Fable. Samantala, ang presyo ng mga advanced na modelo sa China tulad ng Kimi K3 ay tumaas ng 45% sa isang linggo, tumaas naman ang pag-renta ng Blackwell GPU ng 27% mula pa noong simula ng taon, at may ilang laboratorio ang naglabas ng $1 bilyon upang direktang bumili ng generator.

Sinuri ng Citigroup na ang return on investment (ROI) sa industriya ng AI ay nagmumula sa infrastructure layer; at ang susunod na yugto ng kompetisyon sa modelo ay magiging ganap na mula sa “pagkuha ng computing power” patungo sa “efektibong output at proprietary data”.

Sinasabi ng Citigroup sa kanilang research report na ang Kimi K3 ay ang pinakamalaking open-source model na ipinakalabas sa publiko. Ilang linggo ang nakalipas, ang pinakamataas na score sa open-source ay 51 lamang (Z.ai GLM-5.2), ngunit tumalon agad ang Kimi K3 sa 57, na ikalawa lamang sa Claude Fable 5 (60) at OpenAI GPT-5.6 Sol (59).

Ang buong industriya ay nagpapabilis. Ang median na score ng智能化 ng mga top 20 na provider ng model ay tumataas mula sa 34 puntos mula sa anim na linggo ang nakalipas patungo sa 43 puntos. Sa loob ng open-source camp, ang DeepSeek V4 Pro (44 puntos) ay may presyo na kahit na 0.03 bawat milyong token—nagtataglay ng antas ng智能化 na malapit sa pinakamataas, ngunit mas mura ng dalawang orden ng magnitude.

Hindi nagpabilis ang mga grupo na may sariling source code. Bago lang ng Google ang Gemini 3.6 Flash (Hulyo 21), at inihayag na nasa pagsubok pa ang Gemini 3.5 Pro, habang nagsimula na ang pre-training para sa Gemini 4—tatlong modelo na nagtatrabaho nang sabay-sabay. Gayunman, naniniwala ang Citi na ang pagpapalabas na “Flash muna, Pro susunod” ay nagpapahiwatig ng isang signal: mas mahirap na ang pag-unlad ng mga modelong nasa harap—na tugma sa mga pagkakataong nagkakaroon ng pagkakabigo sa pagbuo ng infrastruktura ng iba pang kumpanya, at nagpapakita ng kasalukuyang kalagayan ng industriya na gustong i-press ang cycle ng pagpapalabas ngunit hindi makakamit.

Mas malaki at mas makapangyarihan ang modelo, mas tumaas din ang mga mapagkukunan na kailangan para ipagana ito.

Ang modelong may trilyon na parameter ay nagbabago ang kahulugan ng "computational power".

Inihayag ng Citigroup na sa tunay na pagpapatakbo ng mga super-large model, mas maraming oras ang ginugugol sa paghahatid ng weights at KV-cache data sa pagitan ng HBM memory at GPU interconnect network, kaysa sa sariling matrix operations. Ang bottleneck ay naka-move mula sa "kung gaano kalakas ang pagkalkula" (FLOPs) patungo sa "kung kaya bang i-move" — memory bandwidth, GPU interconnect, at supply ng kuryente.

Ang pangangailangan sa GPU ay patuloy na malakas, at tumataas ang pagpapautang sa arkitekturang Blackwell ng 27% mula sa simula ng taon. Ngunit ang pagpapalaki lamang ng GPU ay hindi na sapat.

Ang ilang mga laboratorio ay nagsisimula na direktang magsali sa pinagmulan ng paggawa ng kuryente: Ginastos ni SpaceX ang $1 bilyon para bumili ng 1GW na mobile turbine units (Hulyo 15), samantalang si Georgia Power ay nag-sign ng service agreement sa parehong linggo (Hulyo 22). Ang pagbili ng mga kagamitan sa paggawa ng kuryente ng mga AI laboratoryo—isang bagay na halos hindi isipin isang taon ang nakalipas—ay nangyayari na.

Ang pagpapahalaga ng modelo ay direktang nagpapakita kung gaano kahirap ang kapasidad. Ang mixed pricing ng mga pinakamodernong modelo sa Tsina ay tumalon mula sa $0.60 hanggang $0.87 bawat milyong token, na nagdulot ng 45% na pagtaas sa parehong linggo-linggo at buwan-buwan, ang unang malaking pagbabago sa loob ng dalawang buwan. Ang average global pricing ng mga pinakamodernong modelo ay tumataas ng 6.8% sa linggo-linggo at 11.3% sa buwan-buwan. Ang Amerika at Europa ay relatiabong stable (linggo-linggo -0.5%), ngunit tumataas din ang buwan-buwan sa 4.1%.

Nakikita ng Citibank na ang presyong presyon ay magiging mas mababa habang ang mga dagdag na imprastruktura ay patuloy na ipinapakilala. Sa panahong iyon, ang may halagang data at pagganap na espesipiko sa task ay magiging mas matatag na parirala kaysa sa pagkuha ng computing power.

Ang mga model ay nagiging mas malakas. Ngunit ang mga agent na tumatakbo sa mga model ay nagiging mas mapanganib.

Ang report ng Citibank ay gumamit ng isang nakakaengganyong pahayag: ang real-world risk na ang autonomous AI agent ay makalabas sa sandbox ay umabot mula sa "pagpapahinto sa kainan" noong Abril hanggang sa "pagsasakop sa infrastraktura ng Hugging Face" noong Hulyo.

Mas malaki ang sakop ng panganib sa kaligtasan kung mas malakas at mas pangkalahatan ang mga open-source model. Ang debate tungkol sa regulasyon ng AI ay patuloy pa—kamakailan ay may mga pahayag si NVIDIA (Hulyo 24) at ang Secretary of the Treasury ng Estados Unidos, Bessent (Hulyo 22)—ngunit mahirap makamit ang malinaw na pagpapasya sa maikling panahon. Kahit pa hindi pa ipinapatupad ang framework ng regulasyon, ang mga kumpanya na nagpapanatili ng kanilang sariling arkitektura ng model ay nakakaranas ng mas mataas na antas ng pagkakasunod.

Mas mahirap pa, ang mga provider ng pagtatrabaho ng mga modelo ay hindi pa rin kaya mag-imbento kung bakit gumagawa ang mga modelo nang ganito. Ang problema ng pagkakaintindi, hanggang ngayon ay hindi pa nalulutas.

Ngunit hindi binabawasan ng mga alalahanin sa kaligtasan ang proseso ng komersyalisasyon ng mga agent. Ayon sa METR (Hulyo 21), ang ekonomikong pagkakaiba sa pagitan ng AI agent at tao ay patuloy na bumababa. Kapag mas autonomo at mas malapit sa ekonomikong kakayahang umabot ang mga agent, ang pagkonsumo ng token ay patuloy na mabilis — na nagsisilbing magpapalakas pa sa pangangailangan sa infrastraktura.

Mas malakas ang kakayahan, mas malalim ang pagkakabukod. Mas malalim ang pagkakabukod, mas malaki ang pangangailangan sa infrastraktura. Ang siklo na ito, walang tanda ng pagpapabagal.