Gemini、Claude、GPT：模型不是產品，也不是一家公司

模型 → 工具 → 驗收：三層不能省略

模型先產生文字、程式或多模態輸出；工具讓它讀檔、搜尋、執行程式或操作系統；最後仍要由規則、測試與人員驗收。模型能力不等於系統已能無限制自動執行。

訓練與推論是兩種不同的運算工作

訓練用大量資料與運算更新模型參數；推論則在使用者提出要求時執行模型。兩者都需要晶片、記憶體、網路、電力與散熱，但容量、成本與延遲目標不同。

Gemini：Alphabet 旗下的模型、應用與雲端堆疊

Gemini 由 Google／Google DeepMind 開發，開發者與能力界線以 Gemini 模型卡為準。商業化要依序看 Google 產品與 Cloud 等平台如何承載 Gemini 能力、使用者與企業是否採用，再觀察廣告、訂閱或雲端用量是否變現；Alphabet 財報未把 Gemini 單列成一項營收。

Claude：Anthropic 的模型與工作產品

Anthropic 是未上市公司，Claude 是模型與產品品牌。公司透過 API、Claude 應用、Claude Code／Cowork 及雲端平台提供服務；Pro／Max 逐步推出的 Docs、Slides、Design beta 不能描述為所有用戶全面可用。

GPT：OpenAI 的模型與 ChatGPT／API 產品

OpenAI 是未上市公司，GPT 是模型家族，ChatGPT、Codex 與 API 是不同產品入口。GPT-6 Astra 官方資料強調專業工作、電腦使用及安全界線；基準成績與示範不是每個真實任務的保證。

合作不是獨家，也不是母子公司

Microsoft 與 OpenAI 是投資、授權及雲端合作；Amazon 同時與 Anthropic、OpenAI 建立不同合作；Anthropic 也使用 Google Cloud TPU、AWS Trainium 與 NVIDIA。投資、容量承諾、產品上架和實際收入必須分開。

上市鏈角色：從分發到晶片製造

Alphabet、Microsoft、Amazon 提供產品、雲端與分發入口；NVIDIA 提供 GPU、網路與系統平台；Broadcom 參與客製加速器及網路合作；台積電負責晶圓製造與先進封裝。收錄是角色地圖，不是固定供應名單。

風險與待觀察：能力以外還要看成本和變現

重要風險包括模型錯誤與安全、資料及著作權、監管、推論成本、能源與容量、客戶集中及高額資本支出。後續要看產品採用、實際容量上線、服務單位成本、雲端與訂閱變現，以及財務認列。

機構觀點是研究線索，不是個股 EPS 原始報告

S&P Global 的公開研究同時看到 Alphabet AI／Cloud 需求與資本支出對自由現金流的壓力；Morgan Stanley 的公開觀點把 AI 視為工業基建週期並強調變現，但該頁不是 FINRA Research Report，也不代表 Morgan Stanley 全機構立場。兩者可作研究問題來源，但不是本站已取得的個股 EPS 原始報告，因此不填預測 EPS 或合理價。