GPU vs. TPU: Mohou domácí čipy Alphabetu skutečně ohrozit vedoucí postavení Nvidie v AI?

Klíčové poznatky

• Nvidia stále vede v oblasti obecných AI čipů, TPU Alphabetu většinou konkurují v rámci Google Cloud cenou a efektivitou.
• Tenzorové procesory (TPU) a procesory Axion Alphabetu pomáhají udržet více ekonomiky umělé inteligence ve firmě a zvýšit její cenovou sílu v cloudu.
• Nový podíl Warrena Buffetta v Alphabetu vypadá jako sázka na platformy umělé inteligence a jejich údržbu, nikoliv na jediného vítěze v rámci čipů.

Tichá válka čipů v pozadí příběhu o umělé inteligenci

Když se řekne "AI hardware", většina investorů si řekne "Nvidia, nebo nic". To je pochopitelné. Grafické procesory (GPU) Nvidie pohánějí velkou část dnešního vzdělávání v oblasti umělé inteligence a společnost se stala symbolem celého tématu.

V pozadí však Alphabet přestavuje své vlastní řešení. Navrhuje tensorové procesorové jednotky (TPU) pro pracovní zátěže umělé inteligence a centrální procesorové jednotky (CPU) Axion pro obecné cloudové výpočty. Tyto čipy běží v datových centrech společnosti Google a jsou pronajímány prostřednictvím služby Google Cloud.

Pro dlouhodobé investory, včetně všech, kteří četli náš dřívější článek na o sázce Warrena Buffetta na Alphabet, je skutečná otázka jednoduchá. Sledujeme nového vyzyvatele Nvidie, nebo platformu využívající čipy k tichému vytěžení hodnoty z celého AI boomu?

GPU vs. TPU: Stejná matematika, jiná strategie

Umělá inteligence je v podstatě velká hromada lineární algebry. Modely žonglují s maticemi čísel. Abyste to mohli udělat rychle, potřebujete specializovaný hardware.

Grafické procesory byly nejprve vytvořeny pro kreslení počítačové grafiky. Jejich silnou stránkou je paralelní zpracování mnoha malých úloh, což se ukázalo být pro moderní umělou inteligenci ideální. Nvidia tyto čipy zahrnula do softwarové platformy zvané CUDA a vybudovala kolem nich obrovský ekosystém. Díky této kombinaci se Nvidia stala výchozí volbou pro AI laboratoře, poskytovatele cloudových služeb a začínající podniky.

TPU jsou jiný druh. Tenzorová výpočetní jednotka je vlastní akcelerační čip umělé inteligence (aplikačně specifický integrovaný obvod, ASIC), který Google navrhl speciálně pro neuronové sítě. Namísto toho, aby dělaly od všeho trochu, se TPU soustředí na základní maticové operace, které dominují při trénování a odvozování AI. To umožňuje vysokou propustnost a energetickou účinnost pro správné pracovní zátěže.

Pro investory jsou důležité dva praktické rozdíly.

Za prvé, flexibilita. Grafické procesory Nvidia jsou univerzální akcelerátory. Můžete si je koupit od mnoha dodavatelů, zapojit je do mnoha systémů a spustit mnoho frameworků. Jednotky TPU jsou úzce integrovány s vlastními softwarovými nástroji od Google, jako jsou TensorFlow a JAX, a téměř výhradně fungují v rámci služby Google Cloud.

Za druhé, kontrola. Nvidia prodává čipy. Alphabet vlastní celý zásobník: čipy, datová centra a cloudové služby. Pokud si zákazník vybere v rámci služby Google Cloud procesor TPU namísto grafického procesoru třetí strany, zůstane Alphabetu více z každého dolaru za umělou inteligenci. To je méně viditelné než titulky ohledně GPU, ale je to velmi důležitý detail.

Jak Alphabet zmenšuje náskok Nvidie

Alphabet má v současnosti několik generací svého programu TPU. TPU v5p je základem nabídky "hyperpočítače" pro trénování modelů AI. Novější generace, včetně Ironwood TPU zaměřeného na inferenci, se zaměřují na rychlé a levné zpracování obrovských objemů dotazů AI pro zákazníky a vlastní produkty od Google.

Současně s tím Google vytvořil Axion, svůj první vlastní procesor pro datová centra založený na platformě Arm. Společnost tvrdí, že Axion dokáže výrazně překonat tradiční serverové čipy x86 jak výkonem, tak energetickou účinností. Společně s procesory Axion a TPU umožňuje Alphabetu vyladit celá datová centra na základě vlastního křemíku, místo aby byla plně závislá na společnostech Nvidia, Intel nebo AMD.

Ekonomika vypovídá o skutečném stavu. Google Cloud uvádí, že dřívější instance TPU v5e poskytují až zhruba čtyřikrát vyšší výkon v oblasti umělé inteligence na jeden dolar než srovnatelná inferenční řešení, a partnerské případové studie novějšího TPU v6e, včetně analýzy společnosti Introl, naznačují, že přesun vhodných pracovních zátěží z konfigurací založených na grafických procesorech Nvidia na TPU snížil v některých nasazeních náklady na inferenci přibližně o 50 % až 65 %.

To neznamená, že Nvidia skončila. Její čipy zůstávají nejrozšířenější podporovanou možností v cloudech i na lokálních pracovištích. Pro mnoho podniků, zejména těch, které si cení flexibility nebo používají softwarové balíčky, které ještě nejsou vyladěné pro TPU, se Nvidia stále jeví jako bezpečná výchozí volba.

Co se mění, je vyjednávací síla. Když si hyperskalátoři jako Alphabet, Amazon a Microsoft navrhnou vlastní akcelerátory, nemusí už akceptovat ceny a dodávky, které jim Nvidia nabídne. Mohou přesouvat pracovní zátěž mezi vlastními čipy a grafickými procesory jiných výrobců, hrát proti sobě a přenášet některé úspory na zákazníky, aby získali podíl na trhu cloudových služeb.

Výhodou Alphabetu je, že její čipy jsou již součástí produktů, které denně používají stovky milionů lidí, od vyhledávání a map přes YouTube a fotografie až po sadu Gemini 3 AI. Díky tomu je její křemík nástrojem k prohloubení stávajícího příkopu, nikoliv novým podnikem, který by se musel prodávat od nuly.

Buffettova sázka na Alphabet

Poslední report 13F společnosti Berkshire Hathaway ukázal něco neobvyklého. Po měsících čistých prodejů odhalila novou pozici v Alphabetu v hodnotě přibližně 4,3 miliardy USD a drží téměř 18 milionů akcií, přičemž snížila dlouhodobě drženou pozici v Applu. Alphabet nyní patří mezi větší akciové pozice, které Berkshire drží.

Buffett často říká, že to, že před lety nekoupil Google, byla chyba. Dnešní nákup vypadá jako částečná oprava, ale také jako nákup s výhledem do budoucna. Namísto výběru jediného návrhu čipu podporuje společnost Berkshire platformu, která:

• vydělává na vyhledávání a reklamě,

• pronajímá cloudovou kapacitu dalším hráčům v oblasti umělé inteligence a

• to vše stále častěji provozuje na vlastních čipech.

V našem dřívějším článku o Buffettově sázce na Alphabet jsme tvrdili, že se ve skutečnosti jedná o rozhodnutí o infrastruktuře umělé inteligence. Příběh GPU versus TPU pouze zviditelňuje implicitní sázku. Vlastní křemík Alphabetu pomáhá udržet větší hodnotu umělé inteligence uvnitř domu, což je druh tiché strukturální výhody, která má tendenci oslovovat investory Buffettova typu.

Háček a rizika

Žádný úhledný příběh není bez rizika a tento má několik diskutabilních částí.

Po technické stránce musí TPU držet krok s rychle se měnícími modely. Pokud se odvětví více zaměří na nástroje a rámce optimalizované pro ekosystém Nvidie, mohly by TPU zůstat výkonnou, ale okrajovou možností. Preferenční podíl vývojářů se těžko získává a snadno ztrácí.

Na straně poptávky jsou výdaje na umělou inteligenci stále cyklické. Nvidia i Alphabet investují miliardy do datových center. Pokud se projekty podnikové umělé inteligence zpomalí nebo pokud regulační orgány zatlačí na některé případy použití, nadbytečná kapacita by mohla snížit využití čipů i marže cloudu.

Pokud jde o regulaci, Alphabet je stále pod tlakem v oblasti hospodářské soutěže a využívání dat. Přísnější antimonopolní pravidla nebo přísnější standardy ochrany osobních údajů by mohly omezit, jak úzce může propojit umělou inteligenci se svými produkty, což by zase ovlivnilo, jak rychle může zpeněžit případnou nákladovou výhodu TPU.

Dlouhodobé riziko pro společnost Nvidia nepředstavují jen konkurenční čipy, ale i klíčoví zákazníci, jako jsou Alphabet, Amazon, Microsoft a další, kteří postupně internalizují větší část hodnotového řetězce.

Jednoduchá příručka pro investory

Dlouhodobým investorům, kteří se v tom snaží vyznat, může pomoci několik praktických pravidel.

• Představte si Nvidii jako referenční název pro obecné akcelerátory umělé inteligence a Alphabet jako širokou platformu umělé inteligence s interním čipem.

• Sledujte metriky jako růst příjmů Google Cloud, kapitálové výdaje a veškerá zveřejnění o přijetí TPU a Axion, nejen hlavní oznámení Gemini.

• Odvážná tvrzení o "4x levnějším" nebo "nejrychlejším hardwaru" berte s rezervou. Místo toho se zaměřte na reálné případy reálných zákazníků a trendy v rámci marží.

• Využijte diverzifikaci, aby vaše portfolio nebylo rukojmím jedné verze budoucnosti umělé inteligence nebo jednoho vítězného čipu.

Závěr: Od titulků po vlastní řešení

První vlna příběhu o AI naučila investory sledovat Nvidii. Její GPU dodaly hrubý výkon, který změnil strojové učení z laboratorní kuriozity v každodenní nástroj, a následoval cena akcií. Další vlna si klade hlubší otázku. Kdo ovládá "vodovodní potrubí", které tuto sílu přeměňuje v dlouhodobý zisk?

Jednou z odpovědí jsou procesory TPU a Axion od Alphabetu. Stáhnou více stohů umělé inteligence pod střechu Google, zlepší její nákladovou základnu a poskytnou službě Google Cloud ostřejší cenovou vyjednávací sílu. To je důvod, proč trhy v minulých dnech tak silně odměnily Alphabet a proč nový podíl Berkshire zní hlasitěji než většina projevů o umělé inteligenci.

Pro dlouhodobé investory může skutečná výhoda spočívat méně v uhodnutí jediného vítěze a více v podpoře platforem, které v tichosti rozhodují o tom, jak budou produkty oněch vítězů použity.

Tento obsah je marketingový materiál a neměl by být považován za investiční poradenství. Obchodování s finančními instrumenty je spojeno s riziky a historická výkonnost není zárukou budoucích výsledků. Instrumenty zmíněné v tomto obsahu mohou být vydány partnerem, od kterého Saxo přijímá propagační poplatky, platby nebo retrocese. Přestože Saxo může z těchto partnerství obdržet kompenzaci, veškerý obsah je vytvářen s cílem poskytnout klientům hodnotné informace a možnosti.