GPU kontra TPU: czy własne chipy Alphabetu mogą realnie zagrozić pozycji Nvidii jako lidera w dziedzinie AI?

Kluczowe wnioski

• Nvidia wciąż prowadzi w segmencie układów AI ogólnego przeznaczenia; układy TPU Alphabetu konkurują przede wszystkim w obrębie Google Cloud pod względem ceny i efektywności.
• TPU Alphabetu i procesory Axion pozwalają firmie zatrzymywać większą część wartości dodanej w obszarze AI oraz wzmacniają jej wpływ na kształtowanie cen usług chmurowych.
• Nowa inwestycja Warrena Buffetta w Alphabet wygląda raczej na zakład na platformy i infrastrukturę AI niż na jednego zwycięzcę wśród producentów chipów.

Cicha wojna o chipy w tle boomu na AI

Gdy większość inwestorów myśli o sprzęcie do AI, w głowie pojawia się myśl: „Nvidia albo nic”. To zrozumiałe. Układy graficzne Nvidii napędzają dziś znaczną część uczenia modeli AI, a sama firma stała się symbolem całego trendu.

Tymczasem Alphabet po cichu przebudowuje własne zaplecze techniczne. Projektuje akceleratory AI TPU (Tensor Processing Units) do zadań sztucznej inteligencji oraz procesory Axion (CPU) do ogólnych obciążeń chmurowych. Te układy działają w centrach danych Google i, co kluczowe, są udostępniane klientom w Google Cloud.

Dla inwestorów długoterminowych, w tym tych, którzy czytali nasz wcześniejszy tekst o "zakładzie" Warrena Buffetta na Alphabet, zasadnicze pytanie jest proste: czy patrzymy na pretendenta do korony Nvidii, czy raczej na platformę, która dzięki własnym układom spokojnie „wydobywa” wartość z całego boomu na AI?

GPU kontra TPU: te same obliczenia, inna strategia

W gruncie rzeczy AI to wielka porcja algebry liniowej. Modele żonglują macierzami liczb. Aby robić to szybko, potrzebny jest wyspecjalizowany sprzęt.

Procesory graficzne powstały pierwotnie do grafiki komputerowej. Ich siłą jest obsługa wielu drobnych zadań równolegle, co okazało się idealne dla współczesnej AI. Nvidia otoczyła te układy platformą programistyczną CUDA i zbudowała wokół nich ogromny ekosystem. Ta kombinacja sprawiła, że dla laboratoriów AI, dostawców chmury i start‑upów Nvidia stała się domyślnym wyborem.

TPU to inna kategoria. Tensor Processing Unit to zaprojektowany przez Google, wyspecjalizowany akcelerator AI (ASIC – specjalizowany układ scalony) stworzony z myślą o sieciach neuronowych. Zamiast robić „wszystko po trochu”, TPU koncentrują się na kluczowych operacjach na macierzach, które dominują w trenowaniu i wnioskowaniu. Dzięki temu, przy odpowiednich obciążeniach, zapewniają wysoką przepustowość i energooszczędność.

Są dwie praktyczne różnice, które mają znaczenie dla inwestorów.

Po pierwsze, elastyczność. GPU Nvidii to akceleratory ogólnego przeznaczenia: można je kupić u wielu dostawców, zintegrować z różnymi systemami i uruchamiać na nich rozmaite frameworki. TPU są ściśle zintegrowane z narzędziami Google, takimi jak TensorFlow czy JAX, i działają niemal wyłącznie w środowisku Google Cloud.

Po drugie, kontrola. Nvidia sprzedaje układy. Alphabet ma pełen stos technologiczny: układy, centra danych i usługi chmurowe. Gdy klient w Google Cloud wybiera TPU zamiast zewnętrznych GPU, większa część każdego dolara wydanego na AI zostaje w spółce Alphabet. To mniej nośne medialnie niż kolejny nagłówek o GPU, ale bardzo widoczne w marżach.

Jak Alphabet zarabia na przewadze Nvidii?

Alphabet ma już za sobą kilka generacji rodziny TPU. TPU v5p to filar oferty „Hypercomputer” do trenowania modeli. Nowsze układy, w tym Ironwood TPU, przeznaczony do wnioskowania, koncentrują się na obsłudze olbrzymich wolumenów zapytań AI szybko i tanio, zarówno dla klientów, jak i dla produktów Google.

Równolegle Google zbudowało Axion, swój pierwszy niestandardowy, oparty na architekturze Arm procesor do centrów danych. Firma twierdzi, że Axion może znacząco przewyższać tradycyjne serwerowe układy x86 zarówno pod względem wydajności, jak i efektywności energetycznej. W duecie Axion + TPU pozwalają Alphabetowi dostrajać całe centra danych pod własną „krzemową” bazę, zamiast być w pełni zależnym od Nvidii, Intela czy AMD.

Najwięcej mówi ekonomia. Google Cloud podaje, że wcześniejsze instancje TPU v5e zapewniają około czterokrotnie lepszą wydajność AI na wydanego dolara niż porównywalne rozwiązania do wnioskowania, a studia przypadków partnerów dla nowszych TPU v6e, w tym analiza firmy Introl, sugerują, że przeniesienie odpowiednich zadań z konfiguracji opartych na GPU Nvidii na TPU obniżyło koszty wnioskowania mniej więcej o 50–65% w niektórych wdrożeniach.

To nie znaczy, że Nvidia jest skończona. Jej układy pozostają najszerzej wspieraną opcją w chmurach i we wdrożeniach w środowiskach lokalnych. Dla wielu firm, zwłaszcza tych stawiających na elastyczność lub korzystających ze stosów oprogramowania jeszcze niedostrojonych do TPU, Nvidia wciąż wygląda na bezpieczny, domyślny wybór.

Zmienia się jednak siła przetargowa. Gdy hiperskalerzy, tacy jak Alphabet, Amazon czy Microsoft, projektują własne akceleratory, nie muszą już akceptować dyktowanych przez Nvidię cen i warunków dostaw. Mogą przerzucać obciążenia między własnymi układami a zewnętrznymi GPU, rozgrywać dostawców między sobą i część oszczędności przekazywać klientom, by zdobywać udziały w rynku chmury.

Zakład Buffetta na Alphabet w tym ujęciu

Najnowszy raport 13F Berkshire Hathaway ujawnił coś nietypowego. Po miesiącach, w których w ujęciu łącznym spółka więcej sprzedawała niż kupowała, spółka pokazała nową pozycję w Alphabet, blisko 18 mln akcji o wartości około 4,3 mld USD, przy jednoczesnym zmniejszeniu długoletniej pozycji w Apple. Alphabet należy teraz do większych pozycji akcyjnych w portfelu Berkshire.

Buffett wielokrotnie mówił, że niezainwestowanie w Google lata temu było błędem. Dzisiejszy zakup wygląda na częściowe „odrobienie” tamtej decyzji, ale również ruch z myślą o przyszłości. Zamiast obstawiać jeden konkretny projekt układu, Berkshire stawia na platformę, która:

• zarabia na wyszukiwaniu i reklamach,

• udostępnia moc obliczeniową w chmurze innym graczom AI

• oraz w coraz większym stopniu obsługuje to wszystko na własnych układach

W naszym wcześniejszym tekście o „zakładzie” Buffetta na Alphabet argumentowaliśmy, że to w istocie decyzja o infrastrukturze AI. Historia GPU kontra TPU jedynie uwidacznia ten niejawny zakład. Własne układy scalone Alphabetu pozwalają zatrzymywać większą część wartości dodanej z AI, to ten rodzaj cichej, strukturalnej przewagi, który zwykle przemawia do inwestorów w stylu Buffetta.

Haczyki i ryzyka

Nie ma opowieści bez ryzyka, a w tym przypadku jest ich kilka.

Po stronie technologii: TPU muszą nadążać za szybko zmieniającymi się modelami i architekturami. Jeśli branża mocniej oprze się na narzędziach i frameworkach zoptymalizowanych pod ekosystem Nvidii, TPU mogą pozostać rozwiązaniem mocnym, lecz niszowym. Popularność wśród deweloperów trudno zdobyć, a łatwo stracić.

Po stronie popytu: wydatki na AI są cykliczne. Zarówno Nvidia jak i Alphabet inwestują miliardy w centra danych. Jeśli projekty AI w przedsiębiorstwach zwolnią lub regulatorzy ograniczą część zastosowań, nadmiar mocy obliczeniowej może negatywnie odbić się na wykorzystaniu układów i marżach w chmurze.

Po stronie regulacyjnej: Alphabet pozostaje pod presją w kwestiach konkurencji i wykorzystania danych. Silniejsze reguły antymonopolowe lub bardziej rygorystyczne standardy prywatności mogą ograniczyć zakres i ścisłość integracji AI w produktach Alphabetu, a to pośrednio wpływa na tempo monetyzacji przewagi kosztowej TPU.

Dla Nvidii długoterminowe ryzyko to nie tylko konkurencyjne układy, lecz także fakt, że kluczowi klienci, tacy jak Alphabet, Amazon, Microsoft i inni, stopniowo internalizują coraz więcej ogniw łańcucha wartości.

Prosty podręcznik inwestora

Kilka praktycznych zasad może uporządkować obraz sytuacji inwestorom długoterminowym.

• Myśl o Nvidii jako o „wzorcowej” marce w zakresie akceleratorów AI ogólnego przeznaczenia, a o Alphabet, jako o szerokiej platformie AI z przewagą dzięki własnym układom.

• Śledź wskaźniki, takie jak dynamika przychodów Google Cloud, nakłady inwestycyjne oraz informacje o wdrażaniu i wykorzystaniu TPU i procesorów Axion, zamiast koncentrować się wyłącznie na głośnych zapowiedziach związanych z Gemini.

• Podchodź ostrożnie do odważnych haseł typu „4 razy taniej” czy „najszybszy w historii”. Zamiast tego skupiaj się na realnych studiach przypadków po stronie klientów i trendach marżowych.

• Dywersyfikuj portfel, aby nie uzależniać go od jednej wizji przyszłości AI ani od jednego zwycięzcy wśród producentów układów.

Wnioski: od nagłówków do zaplecza

Pierwsza fala narracji o AI nauczyła inwestorów patrzeć na Nvidię. Jej GPU dostarczyły surową moc, która wyniosła uczenie maszynowe z laboratoriów do codziennego użytku, a kurs akcji poszedł w ślad za tym. Druga fala stawia głębsze pytanie: kto kontroluje „rury”, czyli infrastrukturę zamieniającą tę moc w długoterminowy zysk?

TPU Alphabetu i procesory Axion to jedna z odpowiedzi. Przesuwają większą część stosu AI do wnętrza Google, poprawiają bazę kosztową i dają Google Cloud ostrzejsze narzędzie cenowe. Dlatego rynek w ostatnich dniach tak mocno nagrodził Alphabet, a nowa pozycja Berkshire mówi więcej niż większość przemówień na temat sztucznej inteligencji.

Dla inwestorów długoterminowych prawdziwa przewaga może tkwić mniej w zgadywaniu, który układ wygra, a bardziej w stawianiu na platformy, które po cichu decydują o tym, jak te układy są wykorzystywane.