Η Google απειλεί την κυριαρχία της Nvidia – Πώς η Meta αλλάζει τον χάρτη της AI
Πτώση καταγράφουν οι μετοχές της Nvidia μετά από δημοσίευμα του The Information που αναφέρει ότι η Meta Platforms βρίσκεται σε συζητήσεις για επένδυση δισεκατομμυρίων σε AI chips της Google, γνωστά ως Tensor Processing Units (TPUs). Το πιθανό deal σηματοδοτεί προσπάθεια της Google να ανταγωνιστεί τον ηγέτη της αγοράς AI, Nvidia.
Σύμφωνα με το ρεπορτάζ, η Meta εξετάζει τη χρήση των TPU σε κέντρα δεδομένων το 2027, ενώ υπάρχει και ενδεχόμενο να ενοικιάσει chips από την cloud υπηρεσία της Google από το επόμενο έτος. Οι μετοχές της Alphabet, ιδιοκτήτριας της Google, ενισχύθηκαν έως και 2,7% στο κλείσιμο της αγοράς, ενώ η Nvidia σημείωσε πτώση 2,7% κατά τη διάρκεια της ίδιας συνεδρίασης.
Ένα τέτοιο deal θα μπορούσε να εδραιώσει τα TPU ως εναλλακτική λύση στα chips της Nvidia, τα οποία αποτελούν το gold standard για μεγάλες τεχνολογικές εταιρείες και startups, όπως η Meta και η OpenAI, που χρειάζονται υπολογιστική ισχύ για την ανάπτυξη και λειτουργία πλατφορμών AI. Σημειώνεται ότι η Google είχε ήδη υπογράψει συμφωνία για την προμήθεια έως 1 εκατομμυρίου TPU στην Anthropic PBC.
Ο αναλυτής Jay Goldberg από τη Seaport χαρακτήρισε τη συμφωνία με την Anthropic ως «ισχυρή επικύρωση» για τα TPU, προσθέτοντας ότι η δημοσιότητα γύρω από το προϊόν θα αυξήσει το ενδιαφέρον και άλλων εταιρειών.
Παράλληλα, οι μετοχές των εταιρειών που συνδέονται με την Alphabet στην Ασία σημείωσαν σημαντικά κέρδη: στην Κορέα η IsuPetasys, προμηθευτής πλακετών για την Alphabet, αυξήθηκε 18%, ενώ στην Ταϊβάν οι μετοχές της MediaTek ενισχύθηκαν σχεδόν 5%.
Η πιθανή συνεργασία με τη Meta, μία από τις μεγαλύτερες εταιρείες παγκοσμίως σε δαπάνες για data centers και ανάπτυξη AI, αποτελεί σημαντική νίκη για την Google. Ωστόσο, η μακροπρόθεσμη επιτυχία των TPU εξαρτάται από την ικανότητά τους να αποδίδουν ισχύ και ενεργειακή αποδοτικότητα, ώστε να γίνουν βιώσιμη επιλογή έναντι των GPU της Nvidia.
Τα TPU, που αναπτύχθηκαν πριν από πάνω από 10 χρόνια ειδικά για AI, αποκτούν ολοένα μεγαλύτερη σημασία εκτός της Google, προσφέροντας λύσεις για την εκπαίδευση και εκτέλεση σύνθετων μοντέλων AI. Η ανάγκη για εναλλακτικές λύσεις ενισχύεται καθώς οι εταιρείες ανησυχούν για υπερβολική εξάρτηση από τη Nvidia, όπου ακόμη και η AMD παραμένει σε δευτερεύουσα θέση.
Ενώ οι GPU, κυρίως της Nvidia, έχουν σχεδιαστεί για γρήγορη απόδοση γραφικών, αποδείχθηκαν ιδανικές και για εκπαίδευση AI λόγω της δυνατότητας επεξεργασίας μεγάλου όγκου δεδομένων. Τα TPU είναι application-specific integrated circuits (ASICs), δηλαδή μικροτσίπ σχεδιασμένα για συγκεκριμένη χρήση, και έχουν προσαρμοστεί για επιτάχυνση AI και machine learning εργασιών, ιδιαίτερα στις εφαρμογές της Google και του DeepMind. Η συνεργασία μεταξύ ομάδων AI και σχεδιαστών τσιπ επιτρέπει την προσαρμογή τους ώστε να καλύπτουν στοχευμένα τις ανάγκες των εξελιγμένων μοντέλων, όπως το Gemini.
