Google ne plaća Nvidia porez. Novi TPU čipovi pokazuju zašto.

Dvije stvari su trenutno u deficitu u svakoj vrhunskoj AI laboratoriji: električna energija i računalna snaga. Većina ih kupuje tu snagu za treniranje modela od istog dobavljača, po cijenama s toliko visokim maržama da su pretvorile jednog proizvođača grafikkih kartica u jednu od najvrednijih kompanija na svijetu. Postoji, međutim, jedna ogromna iznimka koja se ne spominje dovoljno glasno, a to je činjenica da jedna od rijetkih kompanija koja može izbjeći taj porez na monopol već desetljećima gradi vlastitu alternativu. Pitanje je jednostavno: ako je rješenje toliko očito, zašto ga svi ne kopiraju? Odgovor je, kao i uvijek, u arhitekturi moći, a ne u arhitekturi čipa.

Google-ov Tensor Processing Unit, TPU, nije nikakva novost. Prva generacija pojavila se prije gotovo deset godina, skromno, u sjeni vlastitih servera, dizajnirana za ubrzavanje specifičnih operacija strojnog učenja na kojima je izgrađen Google-ov imperij. No, ono što se događa sada, s najavom osme generacije, nije samo iteracija. To je potpuna deklaracija neovisnosti. Dok se ostatak industrije prepucava za H100 čipove, plaća prenapuhane cijene i čeka mjesecima u redu, Google jednostavno okreće ključ u vlastitoj tvornici. Razlika u troškovima mora biti astronomska, ali ta brojka nikad neće biti javna. Jer, gle čuda, kada imaš monopol na alat, cijena tog alata nije tržišna varijabla — to je politička odluka.

Evo jednostavne analogije koju svatko tko je ikad naručio server može razumjeti. Zamislite da ste 2005. godine i želite pokrenuti web hosting. Možete otići u Dell, HP, IBM i platiti njihovu standardnu konfiguraciju s njihovim maržama. Ili, ako imate dovoljno volje, znanja i, prije svega, obima, možete naručiti komponente iz Tajvana, sastaviti vlastite white-box servere i smanjiti trošak po jedinici za četrdeset posto. Problem je uvijek bio u obimu. Google je imao obim prije nego što je itko shvatio da je obim bitan. Oni nisu kupovali servere, oni su ih dizajnirali. Oni nisu kupovali čipove, oni su ih nacrtali. To nije tehnološka superiornost u klasičnom smislu. To je superiornost u integraciji lanca opskrbe, što je puno dosadnije, ali i neupitno učinkovitije.

Sada zamislite tu istu logiku primijenjenu na najskuplju komponentu moderne umjetne inteligencije: procesore za treniranje. Nvidia je izgradila fantastičan softverski ekosustav, CUDA, koji je postao de facto standard. To je njihov pravi zid. Kupiti Nvidia čip znači kupiti ulaznicu u taj ekosustav. Google je, međutim, imao jednu prednost koju nitko drugi nije imao: vlastiti ekosustav koji je trebao rješavati vlastite probleme u ogromnim razmjerima. Nisu trebali prodavati TPU-e vanjskim developerima da bi opravdali razvoj. Trebali su ih koristiti za smanjenje troškova vlastitih Google pretraživanja, Google Fotki, Google Prevodioca i, na kraju, za treniranje vlastitih divovskih AI modela poput Geminija. Razvojni trošak bio je internaliziran, a korist je bila ogromna. Drugim riječima, oni su jedini koji su igrali potpuno drugu igru, na drugom terenu, s drugim pravilima.

Ovdje dolazimo do srži problema za sve ostale. Microsoft, Meta, Amazon — svi oni ulažu ogromne svote u razvoj vlastitih AI čipova. Ali nitko od njih nema tu decenijsku prednost koju je Google stekao tiho radeći u podrumu. Microsoftov Azure nudi Maia čipove, ali to je još uvijek u povojima. Amazon ima Inferentia i Trainium čipove, ali AWS je prije svega javni cloud — njihov model je prodaja računalne snage drugima, a ne samo konzumiranje za vlastite potrebe. To stvara fundamentalni sukob interesa. Google Cloud također prodaje TPU snagu, ali to je za njih sporedni izvor prihoda. Njihov primarni cilj je pokretati vlastitu AI. To znači da njihova optimizacija nije "kako napraviti najprofitabilniji čip za prodaju", već "kako napraviti najučinkovitiji čip za naše specifične algoritme". Razlika je ključna i vjerojatno neuhvatljiva.

Što se događa s industrijom kada jedan igrač ima toliku prednost u osnovnom inputu? Odgovor leži u konceptu koji ekonomisti zovu "vertikalna integracija". To je kada kompanija kontrolira sve faze proizvodnje, od sirovine do gotovog proizvoda. U doba industrijske revolucije, to su radile čeličane i naftne kompanije. U doba AI revolucije, to radi onaj tko kontrolira čipove, algoritme i podatke. Google je, uz još možda Apple, jedna od rijetkih kompanija koja je dovoljno velika, dovoljno stara i dovoljno uporna da to i izvede. Ostali su u poziciji podizvođača čak i kada su vlasnici platformi. Plaćaju porez.

Postavlja se, naravno, i pitanje ekosustava. Je li Google-ov potez dugoročno dobar za razvoj umjetne inteligencije općenito? Ako svi počnu graditi zidove oko vlastitih čipova i vlastitih softverskih okvira, dolazimo do fragmentacije koja je uvelike usporila ranu mobilnu revoluciju. Developer će morati birati: pišem li za Nvidia CUDA, za Google TPU, za AMD ROCm, za Apple Neural Engine? Svaki od tih puteva zahtijeva specifična znanja, alate i optimizacije. To znači više troškova, sporiji napredak i manju inovativnost na rubovima. Monopol je loš, ali kaotična fragmentacija također nije raj. Idealno tržište ima nekoliko zdravih, interoperabilnih opcija. Čini se da smo daleko od toga.

Tu se vraćamo na ono što je možda najvažnija lekcija iz cijele priče: tehnologija je uvijek, na kraju, poslovanje. Nvidia nije postala div zato što ima najbolju tehnologiju u apsolutnom smislu (iako je vrhunska), već zato što je imala najbolju tehnologiju u trenutku kada je cijela industrija naglo promijenila smjer i trebala je točno ono što ona prodaje. To je fenomenalan uspjeh u pravom trenutku. Google-ov uspjeh je drugačije prirode: to je strpljiva, dosadna izgradnja infrastrukture kroz desetljeće, bez instant slave, s ciljem smanjenja vlastitih operativnih troškova. Prvi put je spektakl. Drugi je administracija. Ljudi vole gledati spektakl.

Što to znači za budućnost? Ako Google zaista može trenirati modele znatno jeftinije od konkurencije zahvaljujući vlastitim čipovima, to ne znači samo da će imati više novca za istraživanje. To znači da može priuštiti eksperimente koje drugi ne mogu. Može trenirati veće modele, češće, s više parametara. To je kvalitativna prednost koja se može pretvoriti u kvalitativni jaz. U utrci gdje je brzina napretka sve, sposobnost da se trči brže i duže od drugih nije samo taktička prednost — to je strategija za pobjedu. Ostali će morati ne samo kupovati čipove, već ih i dizajnirati, što zahtijeva godine i milijarde koje nemaju. Ili će morati pronaći potpuno drugačiji pristup.

Na kraju, cijela ova priča podsjeća na nešto što se već dogodilo u povijesti IT-a. Microsoft je imao monopol na operativne sustave i uredski softver desetljećima. Google je taj monopol razbio ne izravnom konkurencijom, već promjenom paradigme — premjestivši računanje u oblak i učinivši operativni sustav manje relevantnim. Sada se Google, s TPU-ima, nalazi u ulozi establišmenta koji kontrolira kritičnu infrastrukturu. Pitanje je tko će promijeniti paradigmu sljedeći. Možda će to biti potpuno novi tip računanja, možda kvantno, možda neuromorfno. A možda će jednostavno netko drugi, s još dubljim džepovima i još više strpljenja, početi graditi vlastite čipove od nule danas, da bi za deset godina mogao reći ono što Google sada može: ne plaćamo porez.

Budućnost umjetne inteligencije neće pisati onaj tko ima najpametniji algoritam. Napisat će je onaj tko kontrolira cijenu i dostupnost kilovatsata i teraflopsa. To je manje spektakl, a više logistika. A logistika, dosadna i nevidljiva, uvijek pobjeđuje.

Izvor: venturebeat.com