Tři trhy místo světového žebříčku: Nová krajina generativní umělé inteligence

Automatizace v podnikání: Jak umělá inteligence mění tvorbu hodnoty

Do října 2026 čelí trh s generativní umělou inteligencí zásadní transformaci, kterou již nelze zachytit jednoduchými žebříčky. Při zvážení různých metrik se vynořuje mnohostranný obraz současného vývoje: Zatímco ChatGPT zůstává primárním uživatelským rozhraním, nízkonákladové čínské modely dominují datovému provozu prostřednictvím API a Anthropic se etabloval jako významný hráč v podnikovém segmentu. Tento rozmanitý trh je rozdělen do několika ekonomicky odlišných dílčích trhů, z nichž každý má svou vlastní dynamiku a výzvy.

Důkladná analýza využití modelů umělé inteligence vyžaduje přesnou definici základních metrik – ať už se jedná o počet uživatelů, tokeny, výdaje nebo produktivní pracovní postupy. Toto rozlišení je klíčové pro pochopení toho, kteří poskytovatelé jsou skutečně ziskoví a kde se vyvíjí cenový tlak. OpenAI a Google nadále dominují viditelné spotřebitelské krajině, ale pod povrchem se provozní zátěž přesouvá směrem k nízkonákladovým modelům z Číny a specializovaným systémům pro programování a automatizaci. V této složité krajině bude pro společnosti nezbytné přehodnotit své strategie a přijmout koordinované využívání rozmanitých modelů, aby splňovaly vyvíjející se požadavky.

Neviditelný posun moci na trhu s umělou inteligencí

Ti, kteří se dívají jen na ChatGPT, nechápou novou ekonomiku umělé inteligence

Globální trh s generativní umělou inteligencí již nelze v říjnu 2026 vysvětlit jediným žebříčkem. V závislosti na použité metrice se objevuje jiný obraz: ChatGPT jasně vede z hlediska dosahu mezi koncovými uživateli, zejména levné čínské modely dominují z hlediska objemu dat zpracovávaných prostřednictvím API a Anthropic si vybudovala mimořádně silnou pozici z hlediska výdajů velkých společností. Tyto tři úrovně si nejsou v rozporu. Spíše ukazují, že trh s umělou inteligencí se rozdělil na několik ekonomicky odlišných dílčích trhů.

Nejoblíbenější uživatelské rozhraní nemusí být automaticky nejrozšířenějším jednotlivým modelem. Model s nejvyšším objemem tokenů nemusí nutně generovat nejvyšší příjmy. A poskytovatel s největšími firemními rozpočty nemusí nutně přímo oslovovat nejvíce lidí. Proto každý, kdo chce seriózně posoudit globální využití modelů umělé inteligence, musí nejprve objasnit, zda se jedná o uživatele, návštěvy, požadavky, tokeny, výdaje, instalované systémy nebo produktivní pracovní postupy.

Toto metodologické rozlišení je více než jen statistická poznámka pod čarou. Určuje, kteří poskytovatelé jsou skutečně ekonomicky úspěšní, kde vzniká cenový tlak a které obchodní modely jsou životaschopné. Viditelnému spotřebitelskému světu i nadále dominují OpenAI a Google. Pod tímto povrchem se však provozní zátěž přesouvá k nízkonákladovým modelům z Číny a ke specializovaným systémům pro programování, agenty a automatizované procesy. Na podnikovém trhu se velká část poptávky po generujících hotovost soustředí na několik vysoce výkonných amerických poskytovatelů s hluboce integrovanými vývojovými nástroji.

Tři trhy místo světového žebříčku

Prvním dílčím trhem je přímý přístup koncových uživatelů. To zahrnuje návštěvy webových stránek, aktivní uživatele, používání aplikací, vyhledávací dotazy a každodenní používání služby. ChatGPT zůstává v tomto segmentu globálním měřítkem. V závislosti na metodě měření se jeho podíl na zaznamenaném provozu chatbotů s umělou inteligencí pohybuje od přibližně 55 do 80 procent. Google Gemini následuje s velkým odstupem, ale v závislosti na zdroji dat již dosahuje zhruba 11 až 28 procent. Toto obrovské rozpětí ukazuje, jak silně výsledek závisí na tom, zda se měří odkazy na webové stránky, čisté návštěvy webu, aplikace, desktopové programy nebo celková aktivita uživatelů.

Druhý dílčí trh zahrnuje přístup prostřednictvím rozhraní pro programování aplikací (API). Zde často chybí přímá lidská interakce s modelem. Softwaroví agenti píší nebo kontrolují kód, analyzují dokumenty, generují strukturovaná data, zpracovávají požadavky na podporu nebo provádějí vícestupňové pracovní postupy. Tyto systémy dokáží zpracovat miliardy nebo dokonce biliony tokenů v krátkém čase. Jeden vývojář nebo automatizovaný agent proto může generovat více provozu než tisíce občasných uživatelů chatbotů. Z tohoto důvodu není objem tokenů spolehlivou náhradou za počet uživatelů.

Třetím dílčím trhem je tvorba provozní hodnoty. Zde nejsou rozhodujícími faktory dosah ani hrubý objem, ale spíše rozpočty, integrace, bezpečnostní požadavky, spolehlivost a ekonomický přínos aplikace. Společnosti platí vysoké ceny za modely, které spolehlivě řeší programátorské úlohy, bezpečně ovládají nástroje, stabilně provádějí dlouhé pracovní postupy nebo snižují náklady na ruční přepracování. Drahý model s nižším podílem tokenů proto může být ekonomicky významnější než extrémně levný model s podstatně vyšším objemem dat.

Čtvrtá vrstva doplňuje tento obraz: provoz na soukromé infrastruktuře. Otevřené nebo volně přizpůsobitelné modelové rodiny, jako jsou Llama, Mistral a části ekosystému Qwen, jsou často nasazovány v prostředích privátního cloudu, datových centrech nebo izolovaných podnikových sítích. Toto využití se v žebříčku veřejných platforem jeví jako neúplné. Zejména v regulovaných odvětvích s citlivými výrobními daty a ve vládních aplikacích však může být strategicky důležitější než veřejně viditelný chatovací provoz.

ChatGPT ovládá rozhraní

Na trhu B2C zůstává ChatGPT jasnou jedničkou. Statistické průzkumy, které sledují odchozí doporučení z chatbotů s umělou inteligencí na webové stránky, připisují OpenAI podíl přibližně 80 procent. Analýzy globální návštěvnosti webových stránek naopak dosáhnou přibližně 55 procent. Obě čísla mohou být správná současně, protože měří různé chování. Ti, kteří se prostřednictvím ChatGPT dostanou obzvláště vysokého počtu externích stránek, mají větší váhu ve statistikách založených na doporučeních než v čistém měření návštěvnosti webových stránek.

Definování produktu je také důležité. ChatGPT není jediný model, ale platforma, na které se používají různé varianty GPT v závislosti na plánu, úkolu a dostupnosti. Tvrzení jako „ChatGPT je nejrozšířenější model AI“ je proto jazykově vhodné, ale technicky nepřesné. Správné tvrzení je, že ChatGPT je nejrozšířenější obecnou službou AI pro koncové uživatele, což dává rodině GPT jedinečnou distribuci.

Tato distribuce představuje významnou ekonomickou výhodu. Vytváří návyky, důvěru ve značku, data o reálných případech použití a velkou základnu potenciálních odběratelů. Odhady zhruba jedné miliardy uživatelů týdně ilustrují rozsah, ale nemělo by se to zaměňovat s přesně srovnatelným počtem platících nebo denně aktivních uživatelů. Stejně tak široký dosah automaticky neznamená, že OpenAI vede v každém obchodním segmentu nebo každém technickém pracovním postupu.

OpenAI nicméně těží ze silné zpětné vazby. Velká uživatelská základna usnadňuje šíření nových funkcí, přitahuje vývojáře a dělá z ChatGPT standardní přístupový bod pro lidi, kteří poprvé zkoušejí generativní umělou inteligenci. Díky tomu se platforma stává jakýmsi operačním systémem pro obecnou interakci s umělou inteligencí. Tato výhoda je reálná, ale není nezpochybnitelná, protože konkurenční služby lze přímo integrovat do vyhledávačů, chytrých telefonů, kancelářského softwaru a podnikových platforem.

Gemini roste díky distribuci

Google Gemini je mezi koncovými uživateli jasnou dvojkou. V závislosti na metodě měření dosahuje Gemini přibližně 11 procent odkazů na webové stránky pocházejících ze systémů umělé inteligence, respektive více než čtvrtiny návštěv samostatných služeb s umělou inteligencí. Rozdíl je opět způsoben metodologickými rozdíly. Klíčovým faktorem není ani tak přesné číslo, ale spíše trend: Gemini výrazně zvýšilo svůj podíl a těží z obrovského dosahu Googlu napříč Vyhledáváním, Androidem, Workspace, cloudem a dalšími službami.

Ekonomická síla Gemini spočívá v této integraci. Google nemusí získávat uživatele pouze prostřednictvím samostatného chatovacího rozhraní. Společnost může distribuovat generativní umělou inteligenci jako funkci v rámci stávajících produktů. Tím se stírají hranice mezi tradičním vyhledáváním, asistenty, kancelářským softwarem a agenty s umělou inteligencí. V důsledku toho se některé využití Gemini plně neodráží ve statistikách pro samostatné chatboty.

Tento vývoj je pro OpenAI strategicky relevantní. Zatímco ChatGPT zůstává větší, vzdálenost se v některých metrikách zmenšuje. Zároveň se zvyšuje vícenásobné využití: mnoho uživatelů se již nespoléhá pouze na jednoho asistenta, ale v závislosti na úkolu si vybírá mezi ChatGPT, Gemini, Claude, Perplexity, Grok nebo specializovanými nástroji. Trh se tak vyvíjí z dominantního jediného produktu na portfolio zaměnitelných a někdy i doplňkových služeb.

Gemini má také výhodu v multimodálních a produktových aplikacích. Pokud má model přístup k e-mailům, dokumentům, kalendářům, vyhledávacím datům, videím nebo funkcím chytrého telefonu, výhoda vyplývá nejen z kvality jazykového modelu, ale také z kontextu a integrace. Konkurence se proto přesouvá od izolované inteligence modelu k řízení uživatelského rozhraní, přístupu k datům a pracovních postupů.

DeepSeek je lídrem v ekonomice strojů

Zatímco ChatGPT dominuje v oblasti viditelných uživatelů, DeepSeek V4.1 Flash vede v objemu tokenů zpracovaných přes OpenRouter. V současné době lze zhruba čtvrtinu naměřeného datového provozu připsat tomuto jedinému modelu; v některých případech bylo během jediného týdne zpracováno více než 40 bilionů tokenů. DeepSeek tedy nemusí být nutně službou s největším počtem uživatelů, ale rozhodně je klíčovým hráčem v ekonomice automatizovaných strojů.

Přípona „Flash“ popisuje klíčový tržní trend. Mnoho produktivních úkolů nevyžaduje v každém kroku nejdražší a nejvýkonnější model. Klasifikace, extrakce dat, jednoduché změny kódu, sumarizace, překlad, předběžná kontrola a opakující se kroky agentů lze často zvládnout rychlými a levnými systémy. Pokud pracovní postup zahrnuje stovky volání modelu, cena za token se stává klíčovým konkurenčním faktorem.

DeepSeek tak představuje posun od maximální inteligence k ekonomicky dostatečné inteligenci. Firmy a vývojáři optimalizují nejen kvalitu jednotlivé odpovědi, ale celkový výstup procesu. Model, který je o něco slabší, ale výrazně levnější a rychlejší, může generovat vyšší obchodní hodnotu při práci s velkými objemy. To platí zejména v případech, kdy jsou náročné případy automaticky směrovány k výkonnějšímu modelu.

Tento kaskádový přístup transformuje trh. Model nejvyšší úrovně se stává eskalační službou pro náročné úkoly, zatímco levnější modely zvládají většinu rutinní práce. V takové architektuře se podíl nejdražších systémů na objemu tokenů snižuje, aniž by jejich strategický význam zcela mizel. Ty nadále určují limit výkonu, ale masová výroba se přesouvá k dostupnějším modelovým třídám.

Čínská cenová ofenziva mění nákladovou křivku

Nejvýraznějším ekonomickým posunem roku 2026 je vzestup čínských modelů v provozu API. V září pocházelo odhadem 65 procent tokenů zpracovaných prostřednictvím OpenRouteru od čínských poskytovatelů, ale pouze asi 30 procent odpovídajících výdajů. Na začátku roku byl poměr téměř obrácený: američtí poskytovatelé drželi výrazně větší podíl na objemu a téměř na všech příjmech.

Důvod spočívá v cenovém rozdílu přibližně 80 procent ve srovnání s podobnými nabídkami v USA. Tento rozdíl je tak významný, že nejen zvyšuje obrat dodavatelů, ale také generuje dodatečnou poptávku. Jakmile se inference výrazně zlevní, automatizují se procesy, které dříve nebyly ekonomicky životaschopné. Vývojáři provozují agenty po delší dobu, generují více návrhů řešení, častěji kontrolují výsledky a zpracovávají větší datové sady. Snižování jednotkových nákladů proto nevede automaticky k nižším celkovým výdajům, ale může naopak neúměrně zvýšit spotřebu.

Tento vzorec odpovídá Jevonsovu paradoxu: zvýšení efektivity nemusí nutně snižovat spotřebu zdrojů, pokud levnější využití vede k novým aplikacím. Tento efekt je obzvláště výrazný u umělé inteligence, protože tokeny nejsou fyzicky vzácnou jednotkou v klasickém smyslu. Představují výpočetní výkon, jehož mezní náklady se mohou neustále snižovat díky lepším čipům, kvantizaci, architekturám modelů a rostoucí konkurenci. Čím levnější je krok inteligentního zpracování, tím více jsou tyto kroky začleňovány do softwaru.

Pro čínské poskytovatele to vytváří obchodní model orientovaný na objem. Nízké ceny urychlují přijetí, zvyšují závislost na rozhraních a generují zážitková data z reálných aplikací. Rozdíl v příjmech oproti americkým poskytovatelům však zůstává značný. Vysoký datový provoz se proto automaticky nepromítá do odpovídající ziskovosti. Z dlouhodobého hlediska bude klíčové, zda poskytovatelé dokážou stabilizovat své ceny, prodávat další služby a získat důvěru mezinárodních společností.

GLM, Qwen, MiMo a Hy4 tvoří druhou útočnou linii

DeepSeek není jediným čínským vítězem. Z.ai se svým GLM 5.3 Flash dočasně zachytil přibližně 13 procent požadavků, což představuje vysoké jednociferné procento objemu tokenů, a v krátkém období zaznamenal silné tempo růstu. Xiaomi MiMo V2.6 Flash se také umístil mezi pěti nejpoužívanějšími modely na OpenRouteru. Tencent Hy4 dosáhl nejvyššího umístění v 30denním hodnocení, zatímco Alibaba Qwen se pyšní širokou vývojářskou základnou a obzvláště silnými stránkami v multimodálních aplikacích.

Tato rozmanitost je strategicky významná. Konkurence již není pouze mezi předním americkým a předním čínským poskytovatelem. Místo toho se v Číně objevuje hustý ekosystém internetových společností, výrobců zařízení, specializovaných firem zabývajících se umělou inteligencí a otevřených pilotních projektů. Poskytovatelé mohou své modely distribuovat prostřednictvím cloudových služeb, chytrých telefonů, podnikového softwaru, elektronického obchodování, sociálních platforem nebo komunit vývojářů.

Qwen demonstruje šíři oboru. Rodina modelů se používá pro textové a programovací úlohy, stejně jako pro obrazové a video aplikace. V analýzách jednotlivých platforem dosahuje Qwen vedoucí pozice v generativních médiích. To rozšiřuje konkurenci od jazykových modelů až po produkční řetězce pro marketing, design, vizualizaci produktů a video obsah.

Xiaomi zase dokáže propojit umělou inteligenci s rozsáhlým ekosystémem zařízení. MiMo proto nemusí být ziskové pouze jako nezávislé API. Model může vylepšit chytré telefony, vozidla, domácí spotřebiče a osobní asistenty. Tencent má s Hy4 také přístup ke komunikaci, zábavě, cloudu a podnikovým službám. Toto vertikální rozdělení snižuje náklady na získávání zákazníků a znamená, že čisté hodnocení API představuje pouze snímek skutečné pozice na trhu.

Xpert.Digital je datově orientované B2B centrum pro průmysl, které vede Konrad Wolfenstein . Společnost funguje jako externí, kvazi-interní řešení pro průmyslové partnery a odstraňuje provozní mezery v marketingu, obsahu a prodeji – aniž by vyžadovala další zdroje na straně klienta.

Více informací zde:

• Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business

Anthropic monetizuje kvalitu před kvantitou

Anthropic poskytuje nejsilnější protipříklad pro ztotožňování objemu s ekonomickým vedením. Na obecném trhu koncových zákazníků Claude výrazně zaostává za ChatGPT a Gemini. I z hlediska celkového objemu tokenů OpenRouter vedou levnější modely. Pokud jde o výdaje amerických společností na rozhraní LLM nasazená v produkčním prostředí, Anthropic dosáhl přibližně 40 procent, před OpenAI s přibližně 27 procenty a Googlem s přibližně 21 procenty.

Tato pozice je dána především programováním a pracovními postupy založenými na agentech. Claudeovy modely se hluboce zakořenily ve vývojových prostředích, kódovacích asistentech a nástrojových řetězcích. V průzkumech podnikového trhu představoval Anthropic více než polovinu výdajů na programátorské úkoly, zatímco OpenAI přibližně pětinu. Společnosti neplatí za abstraktní skóre v benchmarkech, ale spíše za kratší dobu vývoje, méně chyb a spolehlivě proveditelné pracovní postupy.

Ekonomická logika se liší od strategie flashových modelů. Anthropic soutěží na základě vytváření vysoké hodnoty na jedno volání. Pokud drahý model dokončí úkol s menším počtem korekčních smyček nebo dovede vývojáře k výsledku o hodinu dříve, vysoká cena tokenu může být ekonomicky nevýznamná. Relevantnější metrikou pak není cena za milion tokenů, ale cena za úspěšně dokončený úkol.

Známé údaje o společnosti však vycházejí z průzkumů mezi americkými osobami s rozhodovací pravomocí a modelovaných výdajů. Neměly by být snadno interpretovány jako globální podíl na trhu. V Evropě, Číně, Indii nebo na Středním východě může ochrana dat, lokální cloudové nabídky, regulace a cenová citlivost vést k různým výsledkům. Vzestup společnosti Anthropic však ukazuje, že specializovaná síla v cenné aplikační oblasti může být životaschopnějším obchodním modelem než maximální dosah.

Programovací agenti zkreslují jakékoli jednoduché pořadí

Významná část růstu API pochází z programovacích agentů. Tyto systémy čtou rozsáhlé kódové báze, plánují změny, generují soubory, spouštějí testy, analyzují chybové zprávy a opakují proces. Každý krok může generovat značné vstupy a výstupy. Jedna úloha proto může potenciálně generovat miliony tokenů, i když se na ní podílí pouze jedna osoba.

Žebříčky OpenRouteru měří přesně tyto zpracované tokeny, nikoli počet uživatelů. Odrážejí skutečné využití, ale pouze využití, které probíhá přes tuto platformu. Chybí přímé smlouvy s OpenAI, Anthropic, Googlem nebo čínskými poskytovateli cloudu, stejně jako lokálně spouštěné modely. Bezplatné verze mohou dále zvýšit objem, aniž by generovaly proporcionální příjmy.

Platforma je nicméně cenným včasným ukazatelem. Ukazuje, které modely vývojáři skutečně volí, když je relativně snadné porovnávat ceny a poskytovatele. Zejména v ekosystémech otevřených agentů uživatelé rychle přecházejí na levnější nebo výkonnější model. Díky tomu jsou změny viditelné dříve než u dlouhodobých firemních smluv.

Tato interpretace však má jasné omezení: token není standardizovanou jednotkou ekonomické výkonnosti. Modely tokenizují texty různě, úkoly mají různou úroveň obtížnosti a výstupy se mohou výrazně lišit délkou. Mezipaměť, dávkové zpracování a interní procesy uvažování také ovlivňují náklady a objem. Pořadí založené na tokenech měří aktivitu, nikoli automaticky produktivitu.

Topmodelky přicházejí o rutinní práci

Obzvláště pozoruhodný je klesající podíl nejvýkonnějších modelů na celkovém datovém provozu. Ve třetím čtvrtletí roku 2026 některé analýzy ukázaly, že pouze asi 14 procent využití připadalo na deset nejvýkonnějších modelů. V prvním čtvrtletí předchozího roku se toto číslo pohybovalo kolem 55 procent. Tento posun neznamená ztrátu významu vysoce výkonných modelů, ale spíše zrání trhu.

V raných fázích generativní umělé inteligence se pro téměř každý úkol používal nejlepší dostupný model. Nejistota byla vysoká, chyběly optimalizační nástroje a firmy zpočátku upřednostňovaly maximální kvalitu. S rostoucími zkušenostmi vývojáři rozdělují aplikace na dílčí úkoly a každému kroku přiřazují vhodný model. Jednoduché úkoly migrují do systémů Flash, Mini nebo OpenWeight, zatímco složité plánování, náročná analýza chyb a vysoce kvalitní komunikace zůstávají u modelů Frontier.

Tento proces je podobný vývoji cloud computingu. Firmy nepoužívají pro každou pracovní zátěž nejdražší výpočetní instanci. Kombinují vysoce výkonné systémy pro špičkové zátěže s dostupnějšími zdroji pro standardní úkoly. V umělé inteligenci to vede k modelovému směrování, které dynamicky vyvažuje kvalitu, rychlost, soukromí dat a náklady.

Výsledkem je silný cenový tlak ve středním segmentu výkonu, kde jsou modely nejsnadněji zaměnitelné. Poskytovatelé se musí odlišit latencí, dlouhými kontextovými okny, používáním nástrojů, specializovanými jazyky nebo odbornými znalostmi v oboru. Ti, kteří poskytují pouze průměrnou kvalitu textu, riskují vstup na komoditní trh s klesajícími maržemi.

Open source zůstává neviditelným protivníkem

Rodiny tokenů Meta Llama, Mistral a další volně dostupné rodiny tokenů jsou systematicky nedostatečně zastoupeny ve veřejných statistikách používání. Společnosti si je mohou stáhnout, přizpůsobit a provozovat na vlastní infrastruktuře. Každý lokálně zpracovaný token mizí z žebříčků komerčních rozhraní. Tvrzení, že Llama je jednou z nejrozšířenějších základů pro self-hosting tokenů, je proto sice pravděpodobné, ale v globálním měřítku je obtížné jej přesně kvantifikovat.

Ekonomické výhody interních modelů spočívají v kontrole a předvídatelnosti. Společnosti uchovávají citlivá data ve vlastní síti, mohou přizpůsobit modely specifické obchodní terminologii a vyhnout se úplné závislosti na externích rozhraních. Při konzistentně vysokém využití může být interní provoz nákladově efektivnější. To je však kompenzováno investicemi do hardwaru, energie, personálu, údržby a aktualizací.

Tato oblast má pro Evropu zvláštní význam. Mistral může těžit z požadavků týkajících se datové suverenity, evropské infrastruktury a regulační sledovatelnosti. Poskytovatel konkuruje nejen kvalitou modelu, ale také geografickou a právní blízkostí. Ve státní správě, průmyslu, obraně, financích a kritické infrastruktuře může být tato výhoda důležitější než malý rozdíl oproti benchmarku.

Modely s otevřenou váhou zároveň zvyšují tlak na proprietární poskytovatele. I když je společnosti neprovozují zcela samy, vytvářejí důvěryhodnou alternativu. To omezuje ceny, usnadňuje strategie s více modely a brání jedinému poskytovateli v kontrole celého hodnotového řetězce.

Ekonomicky nejrozumnější top deset

Kombinované hodnocení musí zohledňovat více metrik, a proto zůstává spíše odůvodněným celkovým hodnocením než objektivně měřeným konečným výsledkem. Rodina OpenAI GPT vede v žebříčku díky dosahu ChatGPT, silné korporátní přítomnosti a široké vývojářské základně. Google Gemini následuje díky zaměření na koncové uživatele a jedinečnému rozdělení v ekosystému Google.

DeepSeek se umístil na třetím místě díky nejvyššímu viditelnému objemu API. Anthropic Claude ho těsně následuje, i přes menší dosah spotřebitelů, protože získává obzvláště velký podíl podnikových výdajů a vysoce kvalitní programátorské práce. Z.ai GLM si zajistil místo mezi nejlepšími díky rychle rostoucímu objemu Flash.

Alibaba Qwen následuje díky své široké modelové rodině, vývojářské základně a síle v multimodálních aplikacích. Meta Llama, respektive rozšířený ekosystém Muse, zůstává strategicky relevantní díky svému provozu na vlastní infrastruktuře a roli otevřených modelů. Xiaomi MiMo patří do první desítky díky velkému objemu API a propojení s rozsáhlým ekosystémem zařízení.

xAI Grok má viditelnou uživatelskou základnu, zejména v USA, a těží ze své integrace do vysoce rozšířené sociální platformy. Tencent Hy4 a Mistral se v celkovém žebříčku dělí o poslední místo: Hy4 zaujme svým vysokým aktuálním objemem tokenů, zatímco Mistral vyniká svou pozicí v Evropě, otevřenými modely a robustními podnikovými řešeními. Pevné pořadí těchto poskytovatelů by bylo vzhledem k různým použitým metrikám umělé.

Microsoft Phi by na druhou stranu neměl být zařazen do celosvětového seznamu top 10 bez spolehlivých údajů o používání. Rodina modelů je technicky a strategicky relevantní, ale samotná relevance nenahrazuje důkaz o vysokém skutečném používání. Toto rozlišení je důležité, protože jinak se hodnocení může snadno stát směsicí povědomí o značce, kvality a skutečného používání.

Prodej, objem a hodnota se liší

Klíčovým ekonomickým poznatkem je, že se užívání a monetizace oddělují. Čínští poskytovatelé dosahují enormních objemů díky nízkým cenám, zatímco američtí poskytovatelé si ponechávají neúměrný podíl na výdajích. Anthropic dokáže s výrazně menším počtem tokenů získat větší hodnotu pro podniky než mnoho lídrů v oblasti objemu. OpenAI zase monetizuje jak spotřebitelské předplatné, tak API a podnikové smlouvy.

Tato struktura s sebou nese různá rizika. Poskytovatelé objemových služeb musí dosahovat trvale nízkých jednotkových nákladů a zároveň generovat dostatečné příjmy na zákazníka. Prémioví poskytovatelé musí prokázat, že jejich vynikající kvalita ospravedlňuje vyšší ceny. Poskytovatelé platforem, jako je Google, mohou částečně křížově dotovat umělou inteligenci, aby ochránili své stávající reklamní, cloudové nebo produktivní podniky.

Pro investory a firemní stratégy má proto čistý tržní podíl omezený význam. Důležitější jsou tržby na token, hrubá marže, loajalita zákazníků, míra integrace a náklady na změnu poskytovatele. Stejně důležitý je podíl využití integrovaný do produktivních procesů. Experimentální chat generuje méně trvalé hodnoty než model, který denně kontroluje objednávky, testuje software nebo analyzuje produkční data.

V dlouhodobém horizontu se trh pravděpodobně rozdělí do tří cenových zón. Hraniční modely účtují vysoké ceny za složité úkoly. Efektivní modely soutěží v rychlosti a nákladech. Lokálně provozované nebo specializované modely nabízejí kontrolu a přizpůsobení. Úspěšné společnosti nebudou tyto zóny vnímat odděleně, ale spíše je zkombinují v rámci společné architektury.

Co znamená boj o moc pro firmy

Pro firmy je nejdůležitějším důsledkem odklon od strategie jediného modelu. Ti, kteří vážou všechny úkoly ke stejnému poskytovateli, mohou platit příliš mnoho, akceptovat zbytečné závislosti a přicházet o kvalitativní výhody specializovaných systémů. Rozumnějším přístupem je orchestrované prostředí, ve kterém jsou různé modely vybírány na základě úkolu, třídy rizika a nákladů.

Například logistický pracovní postup může klasifikovat příchozí dokumenty pomocí cenově efektivního modelu Flash, lokálně extrahovat citlivá data a předávat pouze složité odchylky vysoce výkonnému modelu Frontier. Programovací agent může provádět rutinní změny levně, zatímco složité architektonické problémy řeší Claude, GPT nebo jiný špičkový model. To snižuje náklady, aniž by byla ohrožena kvalita kritických rozhodnutí.

Výběr by měl být založen na konkrétních procesních metrikách. Patří mezi ně míra úspěšnosti dokončených úkolů, nezbytné lidské přepracování, latence, riziko selhání, ochrana dat a celkové náklady na operaci. Nízká cena tokenu může být zavádějící, pokud model vyžaduje více iterací. Naopak drahý model je neekonomický, pokud jeho přidaná kvalita neposkytuje měřitelný přínos pro jednoduchý úkol.

Společnosti proto potřebují vlastní systémy hodnocení. Veřejné benchmarky poskytují vodítko, ale nenahrazují testování s reálnými dokumenty, specializovanými jazyky a důsledky chyb. Zejména v průmyslu, logistice a komunikaci B2B závisí výsledky silně na kvalitě dat, integraci procesů a znalostech oboru. Nejlepší obecný model není automaticky nejlepším modelem pro konkrétní společnost.

Geopolitika se stává součástí architektury modelu

Vzestup čínských modelů umělé inteligence mění nákup umělé inteligence v geopolitické rozhodnutí. Nízké ceny a vysoký výkon je činí atraktivními. Zároveň musí společnosti posoudit ochranu osobních údajů, kontrolu vývozu, jurisdikci, dodavatelské kapacity a politická rizika. Tyto faktory se značně liší v závislosti na odvětví a zemi.

Plošné odmítnutí čínských modelů by bylo ekonomicky krátkozraké, protože ignoruje důležité cenové a inovační výhody. Nekritická závislost na nich by byla stejně problematická. Vhodnou reakcí je architektura založená na riziku: nekritické úlohy s velkým objemem mohou běžet na levných modelech, zatímco citlivá data a strategické procesy zůstávají v kontrolovaném prostředí.

Ani američtí poskytovatelé nejsou imunní vůči rizikům závislosti. Změny cen, technické modernizace, kvóty nebo nové podmínky služeb mohou přímo ovlivnit obchodní modely. Multicloudové a multimodelové možnosti se proto stávají formou digitální odolnosti. Společnosti by měly abstrahovat rozhraní, standardizovat datové formáty a pravidelně testovat přepínání mezi modely.

Evropa v této soutěži zaujímá obtížnou, ale nikoli beznadějnou pozici. Kontinent postrádá stejnou platformní sílu jako USA ani stejnou cenově orientovanou škálovatelnost jako Čína. Může se však odlišit průmyslovými daty, specializovanými aplikacemi, důvěryhodnou infrastrukturou a právní jistotou. Mistral a evropští poskytovatelé cloudových služeb by proto měli být vnímáni méně jako přímé kopie globálních platforem chatbotů a spíše jako stavební kameny suverénní podnikové architektury.

Nové centrum se nachází v rámci automatizovaného procesu

Veřejná debata se stále silně zaměřuje na chatboty a jejich reakce. Větší ekonomický potenciál však spočívá v procesech, které uživatelé vidí jen zřídka. Agenti kontrolují faktury, plánují přepravu, analyzují zprávy o strojích, píší software, vytvářejí nabídky a monitorují dodavatelské řetězce. V těchto situacích není důležité, který model má nejznámější značku, ale který systém funguje spolehlivě, rychle a nákladově efektivně.

Tento posun je obzvláště důležitý pro logistiku a průmysl. Oba sektory generují velké objemy strukturovaných i nestrukturovaných dat, pracují s nízkými maržemi a zahrnují mnoho opakujících se rozhodnutí. Levné modely dokáží předzpracovat dokumenty, e-maily, data ze senzorů a informace o objednávkách. Vysoce výkonné modely zvládají výjimky, vyjednávání a složité plánovací problémy.

To také mění roli řízené umělé inteligence. Ekonomická hodnota již nespočívá pouze v přístupu k modelu, ale ve výběru, směrování, monitorování, zabezpečení a neustálé optimalizaci. Poskytovatel služeb, který flexibilně kombinuje modely a měří jejich výkon v reálných procesech, může vytvořit větší hodnotu než poskytovatel, který pouze prodává jedno rozhraní.

Konkurence mezi modely tak vede k nové úrovni abstrakce. Z dlouhodobého hlediska si firmy kupují méně „modelu“ a více garantované kvality výsledků. Poskytovatele technologií lze změnit na pozadí, pokud jsou splněny náklady, ochrana dat a výkon. Tento vývoj oslabuje závislost na názvech jednotlivých modelů a posiluje orchestrační platformy a aplikace specifické pro dané odvětví.

Lídr trhu závisí na otázce

Spolehlivá odpověď na otázku nejpoužívanějších modelů umělé inteligence proto vyžaduje mnohostranný přístup. ChatGPT vede mezi koncovými uživateli, Gemini je na druhém místě. DeepSeek V4.1 Flash je na čele, co se týče objemu viditelných tokenů API, následovaný dalšími levnými čínskými modely, jako jsou GLM, MiMo a Hy4. Anthropic drží přední pozici v podnikových výdajích na modelová API, a to především díky svým silným programovacím schopnostem.

Rozdíly mezi měřeními nejsou chybou, ale spíše nejdůležitější informací. Statcounter měří jiné akce než Similarweb. OpenRouter sleduje konkrétní vývojářskou platformu, nikoli globální sčítání lidu. Obchodní studie odrážejí rozpočty vybraných osob s rozhodovací pravomocí, nikoli celou globální ekonomiku. Každé číslo odpovídá na jinou otázku.

Důvodem je tedy to, že OpenAI vede z hlediska značky a přímého dosahu, Anthropic ve vysoce kvalitní monetizaci podniků, Google v integrované distribuci a čínští poskytovatelé v cenově řízeném škálování automatizované práce. Rodiny Meta, Mistral a otevřené modely zajišťují strategickou alternativu interního provozu.

Rozhodující posun v mocenských poměrech nespočívá v tom, že by jediný poskytovatel již nahradil ChatGPT. Spočívá ve skutečnosti, že většinu strojové práce stále častěji vykonávají jiné modely než ty, které dominují vnímání veřejnosti. Ti, kteří se dívají pouze na nejznámější rozhraní, přehlížejí tu část trhu, kde dochází k přerozdělování nákladových křivek, automatizace a tvorby průmyslové hodnoty.

V průmyslovém B2B segmentu se udržitelné obchodní vztahy zřídkakdy objevují přes noc. Rozvíjejí se krok za krokem – prostřednictvím viditelnosti, profesní relevance, opakujících se kontaktních bodů a rostoucí důvěry. Čtyřfázový model Xpert.Digital přesně toto řeší: Nabízí strukturovanou cestu, která začíná zvládnutelným vstupním bodem a v případě potřeby se může rozvinout do hlubší spolupráce v oblasti rozvoje podnikání.

Místo spoléhání se na hlasité marketingové sliby staví tento model do popředí vztah. Firmy začínají s jasně definovanými, snadno vypočítatelnými kritérii a poté se na základě vlastních zkušeností rozhodnou, jak dalece chtějí spolupráci rozšířit. Klíčovým faktorem pro tento nerušený proces budování důvěry je, že se platforma zcela vyhýbá otravným reklamám, takže redakční zaměření zůstává výhradně na odbornosti firem.

Více informací zde:

• Od viditelnosti k důvěře: Vaše škálovatelná cesta s Xpert.Digital

☑️ Naším obchodním jazykem je angličtina nebo němčina

☑️ NOVINKA: Korespondence ve vašem rodném jazyce!

 

Já a můj tým jsme rádi, že vám můžeme být k dispozici jako váš osobní poradce.

Můžete mě kontaktovat vyplněním kontaktního formuláře zde wolfenstein@xpert.digital:nebo mi jednoduše zavolat na číslo +49 7348 4088 965. Moje e-mailová adresa je

Těším se na náš společný projekt.

 

 

☑️ Podpora malých a středních podniků v oblasti strategie, poradenství, plánování a implementace

☑️ Vytvoření nebo restrukturalizace digitální strategie a digitalizace

☑️ Rozšíření a optimalizace mezinárodních prodejních procesů

☑️ Globální a digitální B2B obchodní platformy

☑️ Průkopnický rozvoj podnikání / Marketing / PR / Veletrhy