Google wird niemals TPUs verkaufen. In dem Moment, in dem Google TPUs in großem Maßstab verkauft, verwandeln sie ihren architektonischen Vorteil in eine Ware. Die internen Teams von Google haben erste Ansprüche auf die TPU-Kapazität, da diese Arbeitslasten direkt Einnahmen und strategische Vorteile generieren. Jeder extern verkaufte TPU ist ein TPU, das nicht verwendet wird, um die primären Gewinnquellen von Google zu verteidigen. Momentan sind TPUs der proprietäre Vorteil von Google, eine vertikale Integration, die es ihnen ermöglicht, KI-Infrastruktur zu Kosten zu betreiben, die Wettbewerber nicht erreichen können. DeepMind kann durch Rechenbudgets rasen, die OpenAI bankrott machen würden, weil Google keine Einzelhandelspreise für GPUs zahlt, sondern die internen Grenzkosten für TPUs. Wenn Google beginnt, TPUs extern zu verkaufen: - Sie müssen wettbewerbsfähig im Vergleich zu Nvidia GPUs preisen, was bedeutet, dass sie ihre Kostenstruktur offenlegen müssen. Plötzlich weiß jeder, dass die tatsächlichen KI-Rechenkosten von Google keine Magie sind. - Der Verkauf von Bare-Metal-TPUs bedeutet, detaillierte Spezifikationen, Leistungsbenchmarks und Programmierschnittstellen zu veröffentlichen. Das ist, als würde man Wettbewerbern einen Plan für "wie Google tatsächlich KI in großem Maßstab macht" in die Hand geben. Momentan ist das proprietär. In dem Moment, in dem es ein Produkt wird, wird es studiert, zurückentwickelt und schließlich repliziert. - Google Cloud verkauft bereits TPU-Zugriff über GCP zu Premiumpreisen. Wenn sie anfangen, Bare-TPUs zu verkaufen, konkurrieren sie mit ihrem eigenen höhermargigen Cloud-Angebot. Kein anspruchsvoller Käufer würde den GCP-Aufschlag zahlen, wenn er TPUs direkt kaufen und sie günstiger betreiben könnte. Die GCP-TPU-Preise sind im Vergleich zu GPU-Alternativen nicht aggressiv, aber sie sind Premium. Das ist keine Inkompetenz, es ist absichtlich so bepreist, um massive externe Adoption zu entmutigen. Google macht TPUs ausreichend verfügbar, um Antitrust-Vorwürfe wegen "Hortens von Infrastruktur" zu vermeiden und um einige hochmargige Cloud-Einnahmen zu erzielen, aber sie wollen tatsächlich keine externen Kunden, die Kapazität in großem Maßstab konsumieren. Vergleichen Sie dies mit AWS, das jeden Chip verkauft, den sie herstellen können (Graviton, Trainium, Inferentia), weil AWS ein Geschäft mit Commodity-Infrastruktur ist. Das Kerngeschäft von Google sind Werbung und Verbraucherprodukte, die von KI-Infrastruktur abhängen. Die Infrastruktur zu verkaufen, ist wie McDonald's, das seine Lieferkette an Burger King verkauft; selbst wenn es Einnahmen generiert, stärkt man die Wettbewerber und schwächt das eigene Kerngeschäft. Man kann nicht gleichzeitig ein Anbieter von Commodity-Chips sein UND einen proprietären Infrastrukturvorteil aufrechterhalten. In dem Moment, in dem man verkauft, macht man es zur Ware. In dem Moment, in dem man es zur Ware macht, verdampft der Vorteil. Angesichts der Tatsache, dass der Verkauf von TPUs strategisch unsinnig erscheint, warum gibt es Spekulationen, dass Google es trotzdem anstrebt? Ich denke, weil die Cloud-Abteilungen bei jedem Hyperscaler eine ständige "Wir brauchen Differenzierung"-Angst haben, und maßgeschneiderte Chips wie Differenzierung aussehen. Aber Differenzierung ist nur dann wichtig, wenn sie die Margen schützt oder Marktanteile erobert, ohne das eigene Kerngeschäft zu zerstören. Der Verkauf von TPUs durch Google wäre eine Differenzierung, die mehr Wert zerstört, als sie schafft.

Nvidia zahlte das Dreifache von Groqs Bewertung im September, um es zu erwerben. Das ist strategisch nuklear. Jedes KI-Labor war von GPUs abhängig, was ein enormes Konzentrationsrisiko darstellt. Google befreite sich mit TPUs für den internen Gebrauch und bewies, dass die Erzählung "Nvidia oder nichts" falsch war. Das zeigte nicht nur die technische Machbarkeit, sondern offenbarte auch, dass Nvidias Schutzschild flacher war, als die Märkte glaubten. Wenn ein Hyperscaler erfolgreich maßgeschneiderte Siliziumchips entwickelt, beginnen alle anspruchsvollen Käufer zu rechnen: "Sollten wir unser eigenes bauen?" Das verringert Nvidias TAM. Jonathan Ross (Gründer von Groq) ist der Erfinder von TPU. Er verstand die architektonischen Prinzipien, die eine nicht-GPU-basierte KI-Beschleunigung möglich machten. Seine LPU-Architektur zielte auf Inferenzlasten ab, bei denen GPUs tatsächlich überdimensioniert sind. Das ist wichtig, weil Inferenz langfristig das große Geld bringt. Training ist einmalige Investitionsausgaben, aber Inferenz sind wiederkehrende Betriebskosten, die mit der Nutzung skalieren. Wenn Groq bewies, dass LPUs wettbewerbsfähige Preis-Leistungs-Verhältnisse bei Inferenz erreichen können, würde jeder Cloud-Anbieter seine Architektur als White-Label anbieten. Nvidia würde in "nur Training" gedrängt werden und den Einkommensstrom verlieren. Es ist sicher, dieses Geschäft als Nvidias Versicherung gegen Groq zu sehen, das ein ganzes Ökosystem von Nvidia-Alternativen ermöglicht. Aber was interessanter ist, ist der sekundäre Effekt, die Kundenbindung. Jetzt besitzt Nvidia sowohl den etablierten Standard (CUDA + GPU) als auch die glaubwürdigste alternative Architektur (LPUs). Das ist strategisch auf dem Niveau von MSFT, das Github kauft. Jedes KI-Labor, das "bauen vs kaufen vs alternativer Anbieter" evaluiert, sieht sich jetzt Folgendem gegenüber: - Option A (Nvidia GPUs) - Option B (Nvidia <> Groq LPUs) - Option C (von Grund auf neu beginnen) Ein wettbewerblicher Bedrohung in ein Kunden-Segmentierungswerkzeug zu verwandeln, ist Jensens Meisterwerk. Sie können jetzt Preisdiskriminierung anwenden: Premium-Kunden zahlen für GPUs, preissensible Inferenz wird zu LPUs geleitet, und Nvidia erfasst beides. Wenn Nvidia LPUs nicht in seinen Fahrplan integriert, war dies ein rein defensives Spiel. Wenn sie es integrieren und beginnen, "GPU für Training, LPU für Inferenz"-Pakete anzubieten, wird dies zu einer klassischen Akquisition zur Erweiterung des Schutzschilds. Das teuerste in der Technologie ist nicht, die Zukunft zu bauen, sondern zu verhindern, dass jemand anderes eine Zukunft ohne dich aufbaut.

Die besten Kommentare sind auch Bots. KI übernimmt buchstäblich.