Najveći kupci Nvidije polako postaju njeni konkurenti

Čip koji siđe s TSMC-ove tvornice još nije računalna snaga. Netko ga prvo mora dizajnirati, spojiti na memoriju i tisuće drugih procesora, smjestiti u podatkovni centar i osigurati softver s kojim ga tvrtke mogu koristiti.

TSMC je proizvođač. Nvidia i AMD dizajniraju grafičke procesore, dok Google, Amazon i Microsoft razvijaju vlastite AI akceleratore. TSMC zatim pretvara njihove dizajne u fizičke čipove. Sljedeći korak je povezivanje tisuća tih procesora u sustave koje OpenAI, Anthropic ili startup mogu koristiti za treniranje i pokretanje modela.

Dakle, računalna snaga je raspoloživi kapacitet za korištenje određenog broja procesora tijekom određenog vremenskog razdoblja, zajedno s potrebnom memorijom, mrežom, napajanjem i softverom.

GPU-ovi nisu jedini AI procesori

Nvidia je izgradila svoju dominaciju na GPU (Graphics Processing Unit) čipovima. Izvorno su razvijeni za grafiku, ali njihova sposobnost paralelnog izvođenja velikog broja matematičkih operacija pokazala se idealnom za neuronske mreže.

AI akceleratori su širi pojam. Riječ je o procesoru optimiziranom za brže i učinkovitije izvršavanje AI zadataka od klasičnog CPU-a (Central Processing Unit). GPU može biti AI akcelerator, ali nije svaki AI akcelerator GPU.

Googleov TPU (Tensor Processing Unit) specijaliziran je za strojno učenje. Amazon razvija Trainium, dok Microsoft ima Maia procesore. Njihov cilj je veća brzina i manja ovisnost o Nvidiji te zadržavanje većine marže unutar vlastitog sustava.

Tu nastaje zanimljiv poslovni sukob. Najveći kupci Nvidijinih čipova postaju njegovi konkurenti.

Ako AWS kupi Nvidijin procesor, dio ekonomije svakog AI zadatka ide Nvidiji. Ako isti posao može obaviti na Trainium čipu, Amazon kontrolira većinu troškova, opskrbe i profita. Google i Microsoft čine isto.

Za TSMC je pozicija drugačija. Tvrtka ne mora nagađati koji će dizajner pobijediti. Proizvodi čipove i za GPU sustave i za nove specijalizirane akceleratore. Stoga promjena arhitekture ne znači nužno promjenu tvornice.

Računalna snaga kao strateški resurs

Prednost Nvidije nije samo hardver. CUDA, njihov softverski ekosustav za programiranje GPU-ova, razvija se već gotovo dva desetljeća. Mnogi AI alati i modeli već su optimizirani za sustav, pa migracija na drugu arhitekturu zahtijeva dodatni razvoj i testiranje.

Anthropic je spreman platiti tu cijenu. Tvrtka koristi više od milijun Amazon Trainium2 procesora za treniranje i pokretanje Claude modela. Amazon je uložio 13 milijardi dolara u suradnju s Anthropicom, dok se Anthropic obvezao potrošiti više od 100 milijardi dolara na AWS infrastrukturu tijekom sljedećih deset godina.

Anthropic dobiva na kapacitetu i alternativi Nvidijinoj infrastrukturi. Amazon dobiva velikog kupca za vlastiti čip i dokaz da Trainium može pokretati najzahtjevnije AI modele.

OpenAI je pokazao koliko je ovaj resurs važan. Kada je u veljači 2025. predstavio GPT-4.5, Sam Altman je rekao da tvrtka nema dovoljno GPU-ova, zbog čega se model morao postupno objavljivati ​​korisnicima. OpenAI je kasnije proširio svoju infrastrukturu na Amazon, Oracle i CoreWeave kako bi smanjio ovisnost o jednom partneru. U industriji umjetne inteligencije nije dovoljno samo izgraditi bolji model; tvrtka mora imati i dovoljno računalne snage za obuku, testiranje i posluživanje modela korisnicima prije konkurencije.