„Shallotpeat” projekt és „Rough Times”: Sam Altman belső feljegyzése feltárja az OpenAI legnagyobb válságát
Xpert előzetes kiadás
Hangválasztás 📢
Megjelent: 2025. november 22. / Frissítve: 2025. november 22. – Szerző: Konrad Wolfenstein
„Shallotpeat” projekt és „Rough Times”: Sam Altman belső feljegyzése feltárja az OpenAI legnagyobb válságát – Kép: Xpert.Digital
500 milliárdos értékelés, de nincs profit: Vajon kipukkadni készül a mesterséges intelligencia lufi?
És a 650 milliárd dolláros probléma: Miért van az OpenAI sikerre ítélve?
2025 novemberében a technológiai ipar tektonikus lemezei alapvetően elmozdultak. Hosszú ideig az OpenAI-t az új MI-korszak érinthetetlen uralkodójának tartották – egy Dávidnak, aki a Szilícium-völgy Góliátjainak megmutatja, hogyan működik az innováció. De ez a legyőzhetetlenség aurája elkezdett repedezni. A Google Gemini 3 megjelenésével és az Anthropic Claude-modelljeinek gyors térnyerésével a helyzet megfordult. Ami a mesterséges szuperintelligencia felé vezető diadalmas menetelésként indult, az az OpenAI számára mára a technológiai stagnálás és a gazdasági realitásokkal vívott egzisztenciális harccá alakult át.
A helyzet paradox: az OpenAI értékesebb volt a tőzsdén, ugyanakkor technológiai vezető szerepe soha nem volt ennyire törékeny. Miközben Sam Altman 500 milliárd dolláros értékelésű vállalata olyan területekre merészkedik be, amelyeket általában a nagy múltú technológiai óriásoknak tartanak fenn, veszélyes szakadék tátong a piaci értéke és a tényleges jövedelemtermelő képessége között. Az éves 13 milliárd dolláros bevétel éles ellentétben áll a hatalmas veszteségekkel és a több százmilliárdos infrastrukturális kötelezettségvállalásokkal. Ez az agresszív növekedési modell mindaddig működött, amíg az OpenAI vitathatatlanul a legjobb termékkel rendelkezett a piacon. De ez az előfeltétel mára összeomlott.
A Gemini 3-mal a Google nemcsak technológiailag utolérte az OpenAI-t, hanem kulcsfontosságú területeken megelőzte is azt. Az előzetes képzés újjáéledésével és saját ökoszisztémájába való masszív integrációjával a keresőóriás bebizonyítja, hogy a mély tőke, a saját hardverek és az adatfeldolgozásban szerzett évtizedes tapasztalat végső soron meghaladja egy startup elsőként lépő előnyét. Az OpenAI elhamarkodott stratégiai átcsoportosítása – amelyet a belső „Shallotpeat” projekt szimbolizál – annak beismerése, hogy a pusztán „érvelési modellekre” való korábbi fogadása nem térült meg.
A következő cikk elemzi ennek a hatalmi átrendeződésnek az anatómiáját. Rávilágít arra, hogy a technikai téves számítások, a pénzügyi kötéltáncok és a verseny újjáéledése hogyan hoznak létre egy mérgező keveréket, amely nemcsak az OpenAI jövőjét, hanem a teljes MI-iparág szerkezetét is újraértelmezheti.
Alkalmas:
A mesterséges intelligencia egykori élvonala a jövőjéért küzd – miközben a Google nyers technológiai erővel változtatja meg az erőviszonyokat.
A mesterséges intelligencia területén a dominanciáért folytatott globális verseny drámai fordulatot vett 2025 novemberében. Ami évekig az OpenAI biztos vezető pozíciójának számított, hónapokon belül ingatag védekező pozícióvá vált. A Google Gemini 3 megjelenése nemcsak technológiai mérföldkövet jelentett, hanem megkérdőjelezte a mesterséges intelligencia piacának architektúrájával kapcsolatos alapvető feltételezéseket is. Egy belső feljegyzésben Sam Altman, az OpenAI vezérigazgatója figyelmeztette alkalmazottait a közelgő nehéz időkre, és elismerte, hogy a Google legutóbbi előrelépései átmeneti gazdasági nehézségeket okozhatnak a vállalat számára. Ez a szokatlanul őszinte értékelés rávilágít egy olyan pozíció törékenységére, amely egészen a közelmúltig leküzdhetetlennek tűnt.
Ennek az eltolódásnak a nagyságrendje csak az ágazat értékelési logikájának kontextusában válik világossá. Az OpenAI jelenlegi értékelése körülbelül 500 milliárd dollár, mégis mindössze 13 milliárd dolláros éves bevételt generál. Ez a piaci kapitalizáció és a tényleges bevétel közötti szélsőséges eltérés az exponenciális növekedés és a tartós technológiai fölény feltételezésén alapul. A Google Gemini 3 modellje egyszerre aláássa mindkét feltételezést. A modell szinte minden szabványosított benchmarkban felülmúlja az OpenAI GPT-5.1-et, olyan képességeket demonstrálva, amelyek fejlesztésén maga az OpenAI is dolgozik.
A gazdasági következmények messze túlmutatnak a piaci részesedés rövid távú elmozdulásain. Az OpenAI évente nagyjából nyolcmilliárd dollárt emészt fel, tavaly ötmilliárd dolláros veszteséget könyvelve el. Ezt a hiányt csak folyamatos tőkebeáramlás tudja fenntartani, ami viszont a befektetők technológiai vezető szerepébe vetett bizalmától függ. Ha ez a vezető szerep erodálódik, a teljes finanszírozási logika összeomlik. A helyzet olyan, mint egy nagysebességű vonat, amely kifogy az üzemanyagból, miközben még maximális sebességgel halad.
Sam Altman belső feljegyzésének elsődleges forrása a The Information, egy a tech iparra szakosodott hírkiadvány.
A feljegyzést eredetileg a The Information tette közzé 2025. november 20-án. Az eredeti cikk címe: „Az Altman-feljegyzés „rossz hangulatot” jelez a Google újjáéledése miatt” vagy „Az OpenAI vezérigazgatója felkészíti a lehetséges gazdasági nehézségeket az újjáéledő Google-re”.
Az Információ által közzétett feljegyzést számos más média is átvette, többek között:
Maga a feljegyzés Sam Altman belső kommunikációja volt az OpenAI alkalmazottaival, és állítólag egy vállalaton belüli forrás szivárogtatta ki a The Informationnak. A feljegyzésben Altman „átmeneti gazdasági ellenszélre” figyelmeztetett a Google fejlődése miatt, és kijelentette, hogy „nehéz hangulatra” számít.
A technológiai áttörés anatómiája
A Google Gemini 3-mal elért sikere egy állítólagosan kimerült fejlesztési módszertan alapvető újraértékelésén alapul. Az előtanítás, az az alapvető fázis, amelyben a mesterséges intelligencia modelljei hatalmas adathalmazokból tanulnak, a kutatói közösség egyes tagjai szerint nagyrészt kimerült. A skálázási elvek, amelyek évekig kiszámítható teljesítményjavulást ígértek a nagyobb modellek és a több adat révén, úgy tűnt, elérik fizikai és gazdasági határaikat. Az OpenAI erre úgy reagált, hogy stratégiai fókuszát az olyan úgynevezett érvelési modellekre helyezte át, mint az o1, amelyek a következtetés során a hosszabb gondolkodási idő révén javítják teljesítményüket.
A Google azonban bebizonyította, hogy a feltételezhetően kudarcra ítélt processzor továbbra is jelentős potenciállal rendelkezik. Demis Hassabis, a Google DeepMind vezetője tömören foglalta össze ezt a megállapítást: Bár már nincsenek exponenciális teljesítményugrások generációról generációra, az előkészítésbe történő befektetések megtérülése továbbra is kivételesen jó. A Gemini 3 Pro 91,9 százalékot ér el a GPQA Diamond benchmarkon a PhD-szintű tudományos gondolkodás terén, közel négy százalékponttal meghaladva a GPT-5.1-et. Még lenyűgözőbb a teljesítménye az absztrakt vizuális gondolkodásban: az ARC-AGI-2 benchmarkon elért 31,1 százalékos eredményével a Gemini 3 majdnem megduplázza a GPT-5.1 teljesítményét, és több mint hatszorosan felülmúlja saját elődjét.
Ennek a technológiai fölénynek a gazdasági jelentősége konkrét alkalmazási területeken nyilvánul meg. Az algoritmikus problémamegoldásban a Gemini 3 Pro 2439-es Elo-besorolást ért el a LiveCodeBench Pro-n, ami közel 200 ponttal magasabb a GPT-5.1-nél. Ez nem egy tudományos mérőszám, hanem a modelleket használó fejlesztők termelékenységének közvetlen mutatója. Egy olyan piacon, ahol az OpenAI bevételének 70 százalékát API-hozzáférésből és vállalati ügyfelekből szerzi, a technológiai alsóbbrendűség azonnali bevételkiesést eredményez.
Az OpenAI betanítás előtti problémái a GPT-5 fejlesztése során váltak nyilvánvalóvá, ahol a bevett skálázási optimalizálások már nem működtek. A vállalat felismerte, hogy a teljesítmény javítására szolgáló hagyományos módszerek elvesztették hatékonyságukat. Válaszul az OpenAI a GPT-5-öt lényegesen kisebb betanítás előtti költségvetéssel fejlesztette ki, mint a GPT-4.5, de ezt intenzív, megerősítéses tanulást alkalmazó, betanítás utáni optimalizálással kompenzálta. Ez a stratégia rövid távon sikeresnek bizonyult, de strukturális sebezhetőséget teremtett: az OpenAI egy olyan módszertanra specializálódott, amely bár innovatív képességeket generált, elhanyagolta az alapvető modellezési alapot.
A stratégiai újrapozícionálás és a Shallotpeat projekt
Altman feljegyzése nemcsak diagnosztizálja a problémát, hanem felvázolja az OpenAI ellenstratégiáját is. Ennek középpontjában egy új modell fejlesztése áll, amelynek kódneve a Shallotpeat, és amelyet kifejezetten a betanítás előtt azonosított hiányosságok kezelésére terveztek. Maga a név is programozott: a mogyoróhagyma rosszul nő a tőzeges talajban, az aljzat messze nem ideális. Az OpenAI ezzel jelzi, hogy felismeri, hogy a meglévő modelljeinek alapjai olyan gyengeségekkel rendelkeznek, amelyeket a felszín optimalizálásával nem lehet kiküszöbölni.
A Shallotpeat fejlesztése egy szélesebb körű stratégiai átcsoportosítás része. Altman feljegyzésében hangsúlyozza, hogy rendkívül ambiciózus célokra kell összpontosítani, még akkor is, ha ez átmenetileg hátrányba hozza az OpenAI-t. Az egyik ilyen cél maga az MI-kutatás automatizálása, egy meta-megközelítés, amelynek célja az új modellek fejlesztési ciklusainak drasztikus lerövidítése. Ez nem pusztán hatékonyságnövelés, hanem a játéktér alapvető megváltoztatására tett kísérlet: ha a MI-rendszerek felgyorsíthatják saját fejlődésüket, az csökkentheti a hatalmas erőforrásokkal rendelkező, már meglévő szereplők strukturális előnyeit.
A stratégia sürgősségét az OpenAI pénzügyi helyzete is kiemeli. A vállalatnak 2029-re nyereségessé kell válnia, hogy teljesíteni tudja a Microsofttal és más partnerekkel szembeni infrastrukturális kötelezettségvállalásait. Ezek a kötelezettségvállalások évente körülbelül 60 milliárd dollárt tesznek ki, szemben a jelenlegi, a következő néhány évben esedékes, 650 milliárd dollárt meghaladó felhőinfrastruktúra-kötelezettségekkel. Ezen kötelezettségvállalások és a jelenlegi 13 milliárd dolláros bevételek közötti eltérés rávilágít a probléma mértékére.
Ugyanakkor az OpenAI diverzifikációs stratégiát folytat a Microsofttól való függőségének csökkentése érdekében. A 2025 januárjában bejelentett partnerségi kiigazítás lehetővé teszi az OpenAI számára, hogy első alkalommal olyan versenytársak számítási erőforrásait is felhasználja, mint az Oracle. Míg a Microsoft fenntartja az elővásárlási jogot az új kapacitásokra, a kizárólagosság megszakadt. Az OpenAI számára ez potenciálisan gyorsabb hozzáférést jelenthet az új modellek betanításához szükséges hatalmas GPU-klaszterekhez. A Stargate kezdeményezés, az OpenAI, az Oracle, a SoftBank és a Microsoft együttműködése, négy év alatt 500 milliárd dollárt kíván befektetni adatközpontokba. Az első létesítmény Abilene-ben, Texasban már működik Nvidia GB200 GPU-klaszterekkel.
Az üzleti modell gazdasági törékenysége
A vezető mesterséges intelligencia cégek üzleti modelljei a hálózati hatásokra és a technológiai bezárkózásra való implicit fogadáson alapulnak. Az OpenAI ezt a stratégiát jelentős sikerrel alkalmazta: a ChatGPT 2025 novemberében körülbelül 700-800 millió heti aktív felhasználót ért el, ami kétszerese a februári számnak. A platform naponta 2,5 milliárd lekérdezést dolgoz fel, és a világ leglátogatottabb weboldalai között az ötödik helyen áll. Ez a felhasználói bázis kezdetben bevehetetlen várároknak tűnik, de a konverziós arányok egy alapvető gyengeséget mutatnak: a felhasználóknak csak körülbelül négy-tíz százaléka fizet előfizetésért.
A gazdasági életképesség tehát két kritikus feltételezésen múlik: először is, hogy a felhasználói bázis továbbra is exponenciálisan növekszik, így még az alacsony konverziós arányok is abszolút bevételnövekedést tesznek lehetővé; másodszor, hogy a technológiai fölény a felhasználókat a platformhoz köti, és a versenytársakhoz való átállás költségei továbbra is magasak maradnak. A Google Gemini 3 platformja aláássa mindkét feltételezést. A technikai paritás, vagy akár az alsóbbrendűség, felcserélhető szolgáltatóvá teszi az OpenAI-t egy egyre inkább árupiaci piacon.
A költségstruktúra súlyosbítja ezt a problémát. A nagy nyelvi modellek betanítása és üzembe helyezése hatalmas számítási erőforrásokat igényel. Az OpenAI projektek számítási költségvetése meghaladja a 450 milliárd dollárt 2024 és 2030 között, a teljes kötelezettségvállalások pedig körülbelül 650 milliárd dollárt tesznek ki, amelyek egy része 2030 utánra is kiterjed. Ezeket a beruházásokat bevétellel kell igazolni, ami viszont a piaci részesedéstől függ. Egy ördögi kör alakul ki: Ha az OpenAI veszít piaci részesedéséből, a bevétel csökken, ami korlátozza a további beruházási képességét, és ezáltal tovább rontja technológiai versenyképességét.
Az összehasonlító elemzések jól szemléltetik a probléma mértékét. Az Anthropic, a Claude-modell alapján közvetlen versenytárs, jelenleg 170 milliárd dollárra van értékelve, a várható éves bevétele pedig 4 milliárd dollár. Az OpenAI-nak és az Anthropicnak együttesen több mint 300 milliárd dolláros bevételt kellene elérnie 2030-ra ahhoz, hogy igazolják jelenlegi értékelésüket – feltételezve a szabad cash flow árrést, amely összehasonlítható az Alphabet vagy a Microsoft értékével. Összehasonlításképpen, az Nvidia, a mesterséges intelligencia chipek vezető szállítója, a becslések szerint mindössze 350 milliárd dolláros bevételt fog generálni 2030-ra.
A Google, mint strukturális előny birtokosa
A Google pozíciója a mesterséges intelligencia versenyében alapvetően eltér az OpenAI-étól, mivel egy már kialakult, diverzifikált bevételi forrásokkal rendelkező ökoszisztémába integrálódott. A vállalat több mint 300 milliárd dolláros éves bevételt generál, elsősorban hirdetésekből és felhőszolgáltatásokból, így a mesterséges intelligencia fejlesztését stratégiai befektetésnek tekinthetjük, amelynek rövid távon nem kell nyereségesnek lennie. Ez a pénzügyi stabilitás lehetővé teszi a Google számára, hogy kísérletezzen és befektessen olyan területeken, ahol a tisztán mesterséges intelligenciával foglalkozó szereplők, mint például az OpenAI, azonnali bevételszerzési nyomással szembesülnek.
A disztribúció előnyei ugyanilyen jelentősek. A Google integrálja a Geminit a keresőmotorjába, amely naponta több milliárd lekérdezést dolgoz fel, a több mint 1,5 milliárd felhasználóval rendelkező Gmailbe, a Google Dokumentumokba, Táblázatokba és a teljes Workspace csomagba. Ez a mindenütt jelenlét passzív megjelenést teremt: a felhasználók a mindennapi digitális munkafolyamataik során anélkül találkoznak a Geminivel, hogy aktívan keresniük kellene mesterséges intelligencia eszközöket. Még ha a GPT-5.1 vagy a Claude Sonnet 4.5 marginálisan jobban is teljesít bizonyos benchmarkokban, a Google a modelljét milliárdok szeme elé helyezi.
A technológiai vertikális integráció felerősíti ezeket az előnyöket. A Google saját mesterséges intelligencia chipeket fejleszt TPU-k (Tensor Processing Units) segítségével, ellenőrzi a teljes felhőinfrastruktúrát, és évtizedeknyi adatgyűjtés során felhalmozott egyedi képzési erőforrásokkal rendelkezik. Ez a teljes értéklánc feletti ellenőrzés csökkenti a költségeket, és lehetővé teszi olyan optimalizálásokat, amelyek harmadik fél szolgáltatók számára nem elérhetők. Ahogy egy Reddit-kommentátor tömören megfogalmazta: a Google ellenőrzi a hardvert, az adatközpontokat, az értékesítési csatornákat és magát az információt is.
A történelmi előzmények óvatosságra intenek a korai piacvezető szerep túlbecslése ellen. Az Internet Explorer az 1990-es évek végén több mint 90 százalékos piaci részesedéssel uralta a böngészőpiacot, és leküzdhetetlennek tartották, de egy évtizeden belül a technikailag fejlettebb alternatívák marginalizálták. A Yahoo és az AOL, amelyek egykor az internet-hozzáférés szinonimái voltak, a Google és mások által kiszorított területekre szorultak. A technológiai piacokon az elsőként belépők előnyei gyakran átmenetinek bizonyulnak, ha a strukturális hátrányok, például a vertikális integráció hiánya vagy a pénzügyi bizonytalanság nem leküzdhetők.
A befektetői nézőpont és az értékelési kockázatok
Az OpenAI 500 milliárd dolláros értékelése a technológiai iparág történetének egyik legnagyobb eltérését jelenti a jelenlegi bevételek és a piaci kapitalizáció között. Ez az értékelés körülbelül 38-szoros bevételi szorzót feltételez, míg a nagy technológiai óriások részvényei 5 és 15 közötti szorzóval kereskednek. Ezt a prémiumot azon a feltételezésen indokolják, hogy az OpenAI aránytalanul nagy részesedést fog szerezni a feltörekvő mesterséges intelligencia piacán.
Ezt a feltételezést egyre inkább megkérdőjelezik az empirikus fejlemények. A legutóbbi, 2025 márciusi finanszírozási kör, amely az OpenAI-t 300 milliárd dollárra értékelte, ötszörös túljegyzést eredményezett. A következő, novemberi kör, amely az értékelést 500 milliárd dollárra emelte, elsősorban a meglévő részvények másodlagos értékesítéséből, nem pedig friss tőkebefecskendezésekből származott. Ez a hangulat megváltozását jelzi: a korai befektetők kihasználják a részleges realizálási lehetőségeket, míg az új befektetők kevésbé hajlandóak további elsődleges tőkét biztosítani.
A dot-com buborékkal való összehasonlítás elkerülhetetlen. Sam Altman maga is nyilvánosan kijelentette, hogy mesterséges intelligencia buborékra számít, a piaci körülményeket a dot-com boom idején uralkodóakhoz hasonlítva, és óva intve a túlzott befektetői eufóriától. Ugyanakkor több billió dolláros kiadásokat vetít előre adatközpontok bővítésére, és a közgazdászok aggályaira reagálva arra buzdít mindenkit, hogy egyszerűen hagyja az OpenAI-t tenni a dolgát. Ez a retorika az 1990-es évek végének gőgjére emlékeztet, amikor az alapvető értékelési kérdéseket félretették egy új paradigmára való hivatkozásokkal.
A Reuters és más intézmények elemzői kiszámolták, hogy az OpenAI-nak és az Anthropic-nak 2030-ra el kellene érnie a 300 milliárd dollár feletti együttes éves bevételt ahhoz, hogy igazolni tudják az együttes értékelésüket. Ez azt jelentené, hogy a két vállalatnak együttvéve majdnem annyi bevételt kellene generálnia, mint az Nvidiának, a mesterséges intelligencia chipek vitathatatlan piacvezetőjének. Tekintettel a Google, a Microsoft, a Meta és számos más szereplő fokozott versenyére, ez a forgatókönyv egyre valószínűtlenebbnek tűnik.
A helyzetet súlyosbítja a tágabb MI-piac fejleményei. Egy MIT-tanulmány szerint a vállalatok 95 százaléka nem tapasztal mérhető megtérülést a generatív MI-be történő befektetéseiből. Ez a megállapítás jelentős technológiai eladási hullámot indított el novemberben, az Nvidia 3,5 százalékot, a Palantir pedig közel 10 százalékot esett. A piacok egyre növekvő idegességgel reagálnak minden olyan jelre, amely arra utal, hogy a MI-ből ígért hozamok nem valósulnak meg.
Amerikai szakértelmünk az üzletfejlesztés, az értékesítés és a marketing területén
Amerikai szakértelmünk az üzletfejlesztés, az értékesítés és a marketing területén - Kép: Xpert.Digital
Iparági fókusz: B2B, digitalizáció (AI-tól XR-ig), gépészet, logisztika, megújuló energiák és ipar
Bővebben itt:
Egy témaközpont betekintésekkel és szakértelemmel:
- Tudásplatform a globális és regionális gazdaságról, az innovációról és az iparágspecifikus trendekről
- Elemzések, impulzusok és háttérinformációk gyűjtése fókuszterületeinkről
- Szakértelem és információk helye az üzleti és technológiai fejleményekről
- Témaközpont olyan vállalatok számára, amelyek a piacokról, a digitalizációról és az iparági innovációkról szeretnének többet megtudni
Adathiány a mesterséges intelligencia korszakában: A Google előnye a saját források és a mélyreható gondolkodással, valamint szakértők keverékével működő mesterséges intelligencia architektúra révén.
Az előképzés korszakának reneszánsza és az algoritmikus áttörések
A Google Gemini 3-mal elért sikere az előtanítás rehabilitációját jelzi, mint a teljesítménynövekedés elsődleges forrását. Ez a fejlemény ellentmond azoknak a narratíváknak, amelyek a skálázódás végét hirdették. A valóság árnyaltabb: bár az előtanítás már nem hoz exponenciális ugrásokat, a megfelelő módszerek alkalmazásával szisztematikus, jelentős fejlesztések továbbra is elérhetők.
A Gemini 3 architektúrája számos algoritmikus újítást integrál. A modell Jeff Dean, a Google DeepMind vezető tudósa által kifejlesztett szakértői keverék struktúrát használ. Ez az architektúra az egyes lekérdezések paramétereinek csak egy részét aktiválja, így hatékonyságot biztosít, miközben nagy kapacitást is fenntart. A Gemini 3 a multimodális integrációban is képes, amely túlmutat az egyszerű szöveg-kép fordításon, és összetett vizuális érvelési feladatokat is magában foglal.
A Gemini 3 Deep Think módja a Google válaszát képviseli az OpenAI érvelési modelljeire. Ahelyett, hogy az előtanítást és az érvelést egymással versengő paradigmaként kezelné, a Google mindkettőt integrálja. A Deep Think 41%-ot ér el a Humanity Last Exam benchmarkján segédeszközök nélkül, és 45,1%-ot az ARC-AGI-2 teszten kódvégrehajtással. Ezek az eredmények azt mutatják, hogy az előtanítás és a tesztidőszaki számítás közötti dichotómia hamis dichotómia: az optimális rendszerek mindkét megközelítést ötvözik.
Ennek a megállapításnak a versenydinamika szempontjából való jelentőségét nem lehet eléggé hangsúlyozni. Az OpenAI a tesztidőszakos számításokra specializálódott, mivel a betanítás előtti skálázás már nem működött. A Google most azt bizonyítja, hogy a betanítás előtti megközelítés esetén továbbra is van potenciál. Ez azt jelenti, hogy az OpenAI nemcsak technológiailag lemaradt, hanem stratégiailag is egy olyan módszertanra támaszkodott, amely hiányosnak bizonyul.
Demis Hassabis több interjúban is kifejtette ezt az integrált víziót. Hangsúlyozza, hogy a mesterséges általános intelligenciához vezető út számos innovációt igényel, nem csak a skálázást. Ezek az innovációk magukban foglalják az ágensrendszereket, amelyek képesek összetett feladatokat hosszú időn keresztül követni, a fizikai valóság belső reprezentációit fejlesztő világmodelleket, valamint a meta-tanulási képességeket, amelyek lehetővé teszik a rendszerek számára, hogy korlátozott számú példából általánosítsanak. A Google szisztematikusan befektet mindezen területekbe, míg az OpenAI elsősorban az érvelésre összpontosít.
Alkalmas:
Az érvelési modellek szerepe és korlátai
Az OpenAI o1 modellje és utódai alapvető paradigmaváltást jelentenek a mesterséges intelligencia fejlesztésében. Ahelyett, hogy elsősorban nagyobb modelleken és több betanítási adaton keresztül skáláznának, ezek a rendszerek számítási időt fektetnek a következtetések levonása során, hogy hosszabb érvelési láncokat fejlesszenek ki. Ez a megközelítés lenyűgöző sikereket ért el bizonyos területeken, különösen a matematikában, a kódolásban és a formális logikában, ahol az ellenőrizhető eredmények visszajelzésként szolgálnak.
Ennek a megközelítésnek a korlátai azonban egyre nyilvánvalóbbak. Az Apple kutatói által végzett tanulmány kimutatta, hogy az érvelési modellek drámaian rosszabbul teljesítenek, ha a problémákat akár csak kis mértékben is módosítják. A matematikai feladatokban a számok vagy nevek megváltoztatása önmagában is észrevehető teljesítményveszteséghez vezet. Még súlyosabb: Logikailag irreleváns, de felületesen hihető információk hozzáadása 17,5 százalékos teljesítménycsökkenést okozott az o1-preview, 29,1 százalékos az o1-mini, és akár 65,7 százalékos teljesítménycsökkenést a gyengébb teljesítményű modellek esetében.
Ezek az eredmények arra utalnak, hogy az érvelési modellek valójában nem általános problémamegoldási stratégiákat fejlesztenek ki, hanem elsősorban a tanult mintákat replikálják. Úgy viselkednek, mint azok a diákok, akik memorizáltak bizonyos típusú problémákat, de kudarcot vallanak, ha kissé eltérő megfogalmazásokkal szembesülnek. Ez nem pusztán egy tudományos kritika, hanem közvetlen gyakorlati következményekkel jár: A valós világban alkalmazott, összetett, sokrétű problémákat tartalmazó, szabványosított megfogalmazások nélküli alkalmazásokban ezek a rendszerek megbízhatatlanok maradnak.
A következtetési modellek költségszerkezete súlyosbítja azok korlátait. A hagyományos modellekkel ellentétben, ahol az előtanítás a legszámításigényesebb fázis, ez a kapcsolat a következtetési modellek esetében fordított. Az utótanítás és a következtetés válik a domináns költségtényezővé, ami gazdaságilag kihívást jelent a skálázáshoz. Az OpenAI-nak lényegesen több számítási energiát kell felhasználnia minden egyes o1 lekérdezéshez, mint a hasonló GPT-4 lekérdezésekhez, anélkül, hogy a felhasználók hajlandóak lennének arányosan többet fizetni.
A Google érvelési képességeinek integrálása a betanítás előtti, optimalizált modellekbe kiváló megközelítésnek bizonyulhat. A Deep Think-kel ellátott Gemini 3 hasonló vagy jobb érvelési teljesítményt ér el, mint az o1, de erősebb alapokra épül. Ez arra utal, hogy az optimális architektúra nem az előtanítás helyettesítőjeként, hanem egy robusztus alapmodell kiegészítéseként használja az érvelést.
Versenydinamika és az Anthropic felzárkózása
Az Anthropic Claude családja, különösen a Sonnet 4.5, egyre komolyabb harmadik erőként jelenik meg a mesterséges intelligencia versenyében. A Claude Sonnet 4.5 77,2 százalékot ért el az SWE-bench Verified Benchmark teszten valós szoftverfejlesztési problémák esetén, ezzel vezető modellnek számít ezen a kritikus alkalmazási területen. Párhuzamos tesztidős számítással ez a teljesítmény 82 százalékra nő, amihez sem a GPT-5.1, sem a Gemini 3 nem tud felérni.
Az Anthropic stratégiai biztonságra és összehangolásra való összpontosítása egy olyan piaci rést hoz létre, amelyért fizetni kell. A szigorúan szabályozott szektorokban, például a pénzügyben, az egészségügyben és a kiberbiztonságban működő vállalatok egyre inkább azokat a modelleket részesítik előnyben, amelyek bizonyíthatóan integrálnak robusztus biztonsági mechanizmusokat. A Claude Sonnet 4.5 98,7 százalékos eredményt ér el a biztonsági teszteken, és csökkent hajlamot mutat a hízelgésre, a megtévesztésre, a hatalomvágyra és a téveszmés érvelésre. Ezek a jellemzők nem pusztán marketingjellemzők, hanem a vállalati ügyfelek valós aggályait célozzák meg.
A Claude Sonnet 4.5 azon képessége, hogy több mint 30 órán át képes fenntartani az összetett, többlépcsős érvelési és kódfuttatási feladatokat, ideális modellként pozícionálja az autonóm ágensek számára. Ez egy gyorsan növekvő piac, ahol a mesterséges intelligencia rendszerek önállóan kezelik a kiterjesztett munkafolyamatokat. Az OpenAI és a Google is versenyez ebben a szegmensben, de az Anthropic a korai specializáció révén előnyre tett szert.
Claude árazása tükrözi ezt a pozicionálást. Millió bemeneti tokenenként három dollárért, millió kimeneti tokenenként pedig 15 dollárért kínál Claude-ot, ami a középkategóriás szegmensben helyezkedik el, sok felhasználási esetben olcsóbb, mint a GPT-5.1, de drágább, mint egyes nyílt forráskódú alternatívák. Ez az árstruktúra az Anthropic stratégiáját sugallja: nem tömegpiac az alacsony árakon keresztül, hanem prémium szegmens a kiváló minőség és biztonság révén.
Az Anthropic 170 milliárd dolláros értékelése, a várható éves bevétel 4 milliárd dollár, kevésbé tűnik szélsőségesnek, mint az OpenAI többszörös értékelése, de továbbra is ambiciózus. A befektetői logika eltér: az Anthropic felvásárlási célpontként vagy oligopolpiac hosszú távú szereplőjeként pozicionálja magát, nem pedig piacdominánsként. Ez a szerényebb ambíció paradox módon fenntarthatóbbnak bizonyulhat, mint az OpenAI mindent vagy semmit stratégiája.
Adathiány és szintetikus megoldások
Alapvető kihívást jelent minden MI-fejlesztő számára a kiváló minőségű betanítási adatok egyre növekvő hiánya. Az Epoch AI becslései szerint a modelleket jelenleg 4,6–17,2 billió tokennel tanítják. Az ingyenesen elérhető internetes szövegek nagy részét már felhasználták. A jövőbeli teljesítményjavítás már nem érhető el elsősorban a betanítási adatkészletek méretének növelésével, hanem jobb minőségű vagy változatosabb adatokra van szükség.
A szintetikus adatok, azaz a mesterséges intelligencia által generált betanítási tartalmak, potenciális megoldásként merülnek fel. A megközelítés eredendően paradox: a modelleket korábbi modellek által generált adatokon kell betanítani. Ez magában hordozza a modell összeomlásának kockázatát, ahol a hibák és torzítások generációkon át felerősödnek. A gondosan összeállított, diverzitás- és minőségellenőrzéssel rendelkező szintetikus adatkészletek azonban ritka, a természetes adatokban nem előforduló szélső eseteket generálhatnak.
A Google strukturális előnyökkel rendelkezik az adatgyűjtés terén a keresőmotorján, a Gmailen, a YouTube-on, a Google Térképen és számos más szolgáltatáson keresztül, amelyek folyamatosan friss, változatos, ember által generált adatokat állítanak elő. Ezek az adatfolyamok nemcsak nagy mennyiségűek, hanem longitudinálisan strukturáltak is, lehetővé téve az időbeli minták és fejlemények azonosítását. Az OpenAI-nak nincsenek összehasonlítható adatforrásai, amely egyre inkább a kiadókkal kötött partnerségekre, a médiavállalatokkal kötött licencszerződésekre és a szintetikus adatgenerálásra támaszkodik.
A jogi helyzet súlyosbítja ezt az aszimmetriát. Számos kiadó és szerző indított pert az OpenAI ellen szerzői jogok megsértése miatt, amelyek korlátozhatják a korábbi adatokhoz való hozzáférést, és jogilag kockázatossá tehetik a jövőbeli adatgyűjtési tevékenységeket. A Google azzal érvelhet, hogy a weboldalak keresési indexelés céljából történő feltérképezése egy bevett, jogilag megalapozott gyakorlat, amely a mesterséges intelligencia fejlesztését segíti. Ez a jogi bizonytalanság további kockázatokat ró az OpenAI-ra, amelyeket a befutott technológiai óriások nem viselnek ugyanolyan mértékben.
A szuperintelligencia mint hosszú távú tét
Altman feljegyzése ismételten hangsúlyozza, hogy a rövid távú versenynyomás ellenére is a szuperintelligencia elérésére kell összpontosítani. Ez a retorika stratégiai jellegű: a jelenlegi beruházásokat és veszteségeket a jövőbeli transzformatív előnyökre mutatva igazolja. A szuperintelligencia olyan hipotetikus mesterséges intelligencia rendszerekre utal, amelyek minden releváns területen felülmúlják az emberi intelligenciát, és potenciálisan képesek felgyorsítani saját fejlődésüket.
A szakértői becslések e fejlesztés időzítésére vonatkozóan jelentősen eltérnek. Több mint 8500 előrejelzés elemzése szerint a mesterséges általános intelligencia, a szuperintelligencia előfutára 2040 és 2045 közötti medián időre van kilátás. Néhány kiemelkedő hang, mint például Dario Amodei az Anthropictól és Elon Musk, lényegesen korábbi dátumokat vetítenek előre, egyes esetekben akár 2026-2029-et is. Maga Sam Altman 2029-et jelölte meg céldátumként.
A vita gazdasági jelentősége az értékelési logikában rejlik: ha a szuperintelligencia öt éven belül elérhető, és az OpenAI továbbra is vezető szerepet tölt be a fejlesztésében, az szinte bármilyen jelenlegi értékelést igazol. Ha azonban a szuperintelligencia 20 év múlva lesz elérhető, vagy az OpenAI nem marad vezető szerepet betöltő, az értékelés alapja összeomlik. A befektetők így nemcsak a technológiára fogadnak, hanem konkrét ütemtervekre és piaci pozíciókra is hipotetikus jövőbeli forgatókönyvekben.
Az MI-kutatás automatizálása, amelyet Altman kulcsfontosságú fókuszként jelöl meg, lerövidítheti ezeket az időkereteket. Azok a rendszerek, amelyek függetlenül generálnak hipotéziseket, terveznek kísérleteket, tanítanak modelleket és értelmezik az eredményeket, drámaian felgyorsítanák a fejlesztést. A Google DeepMind hasonló megközelítéseken dolgozik, különösen az AlphaGo-szerű tervezési algoritmusok nyelvi modellekbe integrálásával. A kérdés nem az, hogy kifejlesztenek-e ilyen meta-MI-rendszereket, hanem az, hogy ki fogja azokat először megvalósítani.
Piaci szerkezet és oligopólium kialakulása
A mesterséges intelligencia piaca gyorsan oligopóliummal fejlődik, három-öt domináns szereplővel. Az OpenAI, a Google, az Anthropic, a Microsoft és a Meta rendelkezik a pénzügyi erőforrásokkal, a műszaki tehetséggel és az infrastruktúrával ahhoz, hogy a verseny élvonalában maradjon. A belépési korlátok ma már tiltóak: egy élvonalbeli modell betanítása több százmillió dollárba kerül, több ezer élvonalbeli GPU-hoz való hozzáférést igényel, és vezető kutatókból álló csapatokat igényel.
Az olyan nyílt forráskódú modellek, mint a Meta Llama, Mistral vagy az Allen AI Olmo modellje, alternatívákat kínálnak bizonyos felhasználási esetekre, de abszolút teljesítményben elmaradnak a saját fejlesztésű, határokon átívelő modellektől. Jelentőségük elsősorban abban rejlik, hogy demokratizálják a mesterséges intelligencia képességeit a hatalmas költségvetéssel nem rendelkező fejlesztők számára, és versenynyomást teremtenek, amely mérsékli az API-hozzáférési árakat.
Kína egyidejűleg fejleszti saját, független MI-ökoszisztémáját olyan vállalatokkal, mint az Alibaba Qwen, a Baidu Ernie, a ByteDance és más szereplők. Ezek a modellek egyre inkább elérik a nyugati rendszerekkel való egyenlőséget, de a globális piactól részben elkülönülnek az eltérő szabályozási keretek, az exportkorlátozások miatti korlátozott hozzáférés a legmodernebb chipekhez, valamint a nyelvi akadályok miatt. A MI-fejlesztés geopolitikai dimenziója párhuzamos, regionálisan domináns ökoszisztémákhoz vezethet, hasonlóan a fragmentált internethez.
Az OpenAI számára ez az oligopólium azt jelenti, hogy a marginális pozíciók nem stabilak. A vállalat vagy fenntartható módon a kevés vezető rendszer egyikeként pozicionálja magát, vagy egy második szintre szorul, ahonnan a tőkeigényesség miatt gyakorlatilag lehetetlen előlépni. A befektetők megértik ezt a dinamikát, ami megmagyarázza a szélsőséges értékelési volatilitást: Bináris kimenetelek esetén a valószínűségeket folyamatosan újraértékelik, és a valószínűségértékelés apró változásai nagy értékelési eltolódásokhoz vezetnek.
A vertikális integráció mint stratégiai szükségszerűség
A Microsoft 2025 novemberében licencbe adta az OpenAI chip- és rendszertervezési szellemi tulajdonát, ami egy stratégiai átrendeződést jelez. A megállapodás átfogó hozzáférést biztosít a Microsoftnak az OpenAI saját fejlesztésű chiptervezési portfóliójához, és jelentősen lerövidítheti a Microsoft fejlesztési ciklusait a következő generációs MI-processzorok terén. Ez a vertikális integráció felé vezető szélesebb körű trend része, ahol a vezető felhőszolgáltatók nagyobb kontrollt próbálnak szerezni hardveralapjaik felett.
A Google évek óta fejleszt TPU-kat, így a szilíciumtól a szoftverekig a teljes folyamatot ellenőrzi. Az Amazon saját Trainium és Inferentia chipeket fejleszt. A Microsoft jelentős összegeket fektet be saját MI-gyorsítóiba. Ez az egyedi szilícium felé tett lépés azt a felismerést tükrözi, hogy az általános célú GPU-k nem optimálisak bizonyos MI-munkaterhelésekhez. A specializált chipek nagyságrendekkel jobb hatékonyságot érhetnek el bizonyos műveleteknél, csökkentve a költségeket és növelve a teljesítményt.
Az OpenAI-nak hiányzik ez a vertikális integráció. A vállalat külső chipbeszállítókra, elsősorban az Nvidiára támaszkodik, és a Microsoft, az Oracle és mások felhőinfrastruktúráját használja. Ezek a függőségek költséghátrányokat és stratégiai sebezhetőségeket okoznak. A Microsofttal kötött partnerség az IP-licencelés terén lehet az első lépés e szakadék áthidalása felé, de a saját hardver kifejlesztése évekig tart, és olyan szakértelmet igényel, amelyet az OpenAI-nak még ki kell építenie.
A gazdasági következmények jelentősek. A saját hardvervezérléssel rendelkező modellüzemeltetők több nagyságrenddel csökkenthetik költségeiket, lehetővé téve az agresszívabb árképzési stratégiákat, vagy alternatívaként magasabb haszonkulcsokat biztosítva. A Google potenciálisan olyan áron kínálhatja a Geminit, ahol az OpenAI veszteséges, mivel a Google drámaian csökkentheti költségeit a TPU használatával. Ez nem elméleti lehetőség, hanem gyakorlati valóság, amely már most is befolyásolja a piaci dinamikát.
A Netscape-től és a Yahoo-tól az OpenAI-ig: Ismétli-e magát a történelem?
A 2025-ös fejlemények egy olyan korszak végét jelzik, amikor az MI-szektorban az egyes úttörők vitathatatlan vezető szerepet töltöttek be. Az OpenAI, mint a generatív MI-forradalom meghatározó szereplője, pozícióját alapvetően megkérdőjelezi a technológiai egyenlőség, a már bejáratott technológiai óriások strukturális hátrányai és a pénzügyi törékenység. A vállalatnak az egyidejű válságok kezelésének kihívásaival kell szembenéznie: technológiailag utol kell érnie a Google-t, a hatalmas veszteségek ellenére is biztosítania kell a pénzügyi fenntarthatóságot, stratégiailag újra kell pozícionálnia magát egy konszolidálódó piacon, és meg kell birkóznia a gyors növekedés működési összetettségével.
A Google Gemini 3-mal elért sikere azt mutatja, hogy a technológia-intenzív piacokon az erőforrások mélysége, a vertikális integráció és a türelmes tőke gyakran strukturális előnyöket kínál az agilis innovációval szemben. Felbecsülhetetlen előnyt jelent az a képesség, hogy évekig képesek elnyelni a veszteségeket, amíg a termékek érnek és a méretgazdaságosság megvalósul. Az OpenAI-nak és a hasonló, tisztán mesterséges intelligencián alapuló vállalatoknak a befektetői elvárások által diktált időkereten belül kell nyereségességet elérniük, míg a Google addig kísérletezhet, amíg a megoldások valóban piacképesek nem lesznek.
A mesterséges intelligencia piacának jövőjét valószínűleg egy három-öt domináns szolgáltatóból álló oligopólium fogja jellemezni, amelyek mindegyike különböző stratégiai réseket foglal el. A Google, mint vertikálisan integrált generalista, kiváló disztribúcióval, a Microsoft, mint vállalati fókuszú integrátor, az Anthropic, mint biztonsági és igazítási specialista, a Meta pedig mint a fejlesztői ökoszisztémák nyílt forráskódú bajnoka. Az OpenAI jövőbeli pozíciója ebben a konstellációban továbbra is bizonytalan, és kritikusan függ attól, hogy a Shallotpeat projekt orvosolja-e a betanítás előtti azonosított hiányosságokat, és hogy a vállalat képes-e fenntartható versenyelőnyre szert tenni a történelmi márkavezető szerepén túl.
A befektetők, a vállalati ügyfelek és a technológusok számára ez az átrendeződés a kockázatok és a lehetőségek újraértékelését jelenti. Az a feltételezés, hogy a korai piacvezetők megvédik pozícióikat, egyre kétségesebbnek bizonyul. A technológiai változások sebessége, a csúcstechnológiás kutatás tőkeigénye és a bevált értékesítési csatornák ereje olyan dinamikát teremt, amelyben a strukturális előnyök gyakran fontosabbak, mint a történelmi innovációs vezető szerep. Az elkövetkező évek megmutatják, hogy az agilis úttörők rendelkeznek-e az erőforrásokkal és a stratégiai vízióval ahhoz, hogy ellenálljanak a techóriások elsöprő erejének, vagy a Netscape, a Yahoo és más korai internetes úttörők története megismétli magát a mesterséges intelligencia korszakában.
A digitális átalakulás új dimenziója a „menedzselt MI” (mesterséges intelligencia) segítségével - Platform és B2B megoldás | Xpert Consulting
A digitális átalakulás új dimenziója a „menedzselt MI” (mesterséges intelligencia) segítségével – Platform és B2B megoldás | Xpert Consulting - Kép: Xpert.Digital
Itt megtudhatja, hogyan valósíthat meg vállalata testreszabott mesterséges intelligencia megoldásokat gyorsan, biztonságosan és magas belépési korlátok nélkül.
Egy menedzselt MI platform egy átfogó, gondtalan csomag a mesterséges intelligencia területén. Ahelyett, hogy komplex technológiával, drága infrastruktúrával és hosszadalmas fejlesztési folyamatokkal kellene bajlódnia, egy specializált partnertől kap egy az Ön igényeire szabott, kulcsrakész megoldást – gyakran néhány napon belül.
A legfontosabb előnyök áttekintése:
⚡ Gyors megvalósítás: Az ötlettől a gyakorlati alkalmazásig napok, nem hónapok alatt. Gyakorlati megoldásokat szállítunk, amelyek azonnal értéket teremtenek.
🔒 Maximális adatbiztonság: Érzékeny adatai Önnél maradnak. Garantáljuk a biztonságos és megfelelő feldolgozást anélkül, hogy megosztanánk az adatokat harmadik felekkel.
💸 Nincs pénzügyi kockázat: Csak az eredményekért fizet. A hardverbe, szoftverbe vagy személyzetbe történő magas előzetes beruházások teljesen elmaradnak.
🎯 Koncentráljon a fő üzleti tevékenységére: Koncentráljon arra, amiben a legjobb. Mi kezeljük AI-megoldásának teljes technikai megvalósítását, üzemeltetését és karbantartását.
📈 Jövőálló és skálázható: A mesterséges intelligencia veled együtt növekszik. Biztosítjuk a folyamatos optimalizálást és skálázhatóságot, és rugalmasan igazítjuk a modelleket az új követelményekhez.
Bővebben itt:
Az Ön globális marketing- és üzletfejlesztési partnere
☑️ Üzleti nyelvünk angol vagy német
☑️ ÚJ: Levelezés az Ön nemzeti nyelvén!
Konrad Wolfenstein
Szívesen szolgálok Önt és csapatomat személyes tanácsadóként.
Felveheti velem a kapcsolatot az itt található kapcsolatfelvételi űrlap kitöltésével , vagy egyszerűen hívjon a +49 89 89 674 804 (München) . Az e-mail címem: wolfenstein ∂ xpert.digital
Nagyon várom a közös projektünket.
☑️ KKV-k támogatása stratégiában, tanácsadásban, tervezésben és megvalósításban
☑️ Digitális stratégia és digitalizáció megalkotása vagy átrendezése
☑️ Nemzetközi értékesítési folyamatok bővítése, optimalizálása
☑️ Globális és digitális B2B kereskedési platformok
☑️ Úttörő üzletfejlesztés / Marketing / PR / Szakkiállítások
🎯🎯🎯 Profitáljon az Xpert.Digital széleskörű, ötszörös szakértelméből egy átfogó szolgáltatáscsomagban | BD, K+F, XR, PR és digitális láthatóság optimalizálása
Profitáljon az Xpert.Digital széleskörű, ötszörös szakértelméből egy átfogó szolgáltatáscsomagban | K+F, XR, PR és digitális láthatóság optimalizálása - Kép: Xpert.Digital
Az Xpert.Digital mélyreható ismeretekkel rendelkezik a különböző iparágakról. Ez lehetővé teszi számunkra, hogy személyre szabott stratégiákat dolgozzunk ki, amelyek pontosan az Ön konkrét piaci szegmensének követelményeihez és kihívásaihoz igazodnak. A piaci trendek folyamatos elemzésével és az iparági fejlemények követésével előrelátóan tudunk cselekedni és innovatív megoldásokat kínálni. A tapasztalat és a tudás ötvözésével hozzáadott értéket generálunk, és ügyfeleink számára meghatározó versenyelőnyt biztosítunk.
Bővebben itt:
