Google tidak akan pernah menjual TPU. Saat Google menjual TPU dalam skala besar, mereka mengubah keunggulan arsitektur mereka menjadi komoditas. Tim internal Google memiliki klaim tingkat pertama pada kapasitas TPU karena beban kerja tersebut secara langsung menghasilkan pendapatan dan parit strategis. Setiap TPU yang dijual secara eksternal adalah TPU yang tidak digunakan untuk mempertahankan mesin keuntungan utama Google. Saat ini, TPU adalah integrasi vertikal milik Google yang memungkinkan mereka mengoperasikan infrastruktur AI dengan biaya yang tidak dapat ditandingi oleh pesaing. DeepMind dapat membakar anggaran komputasi yang akan membuat OpenAI bangkrut karena Google tidak membayar harga GPU ritel, mereka membayar biaya marjinal TPU internal. Jika Google mulai menjual TPU secara eksternal: - Mereka harus menetapkan harga yang kompetitif vs GPU Nvidia, yang berarti mengungkapkan struktur biaya mereka. Tiba-tiba, semua orang tahu biaya komputasi AI Google yang sebenarnya bukanlah keajaiban. - Menjual TPU bare metal berarti menerbitkan spesifikasi terperinci, tolok ukur kinerja, dan antarmuka pemrograman. Ini memberikan cetak biru kepada pesaing untuk "bagaimana Google benar-benar melakukan AI dalam skala besar." Saat ini, itu milik pemilikan. Saat itu adalah produk, itu menjadi dipelajari, direkayasa balik, dan akhirnya direplikasi. - Google Cloud sudah menjual akses TPU melalui GCP dengan harga premium. Jika mereka mulai menjual TPU telanjang, mereka bersaing dengan penawaran cloud margin lebih tinggi mereka sendiri. Tidak ada pembeli canggih yang akan membayar markup GCP ketika mereka dapat membeli TPU secara langsung dan menjalankannya lebih murah. Harga TPU GCP tidak agresif dibandingkan dengan alternatif GPU, tetapi premium. Ini bukan ketidakmampuan, ini sengaja dihargai untuk mencegah adopsi eksternal besar-besaran. Google membuat TPU tersedia cukup untuk menghindari tuduhan "infrastruktur penimbunan timbunan" antimonopoli dan untuk menangkap beberapa pendapatan cloud dengan margin tinggi, tetapi mereka sebenarnya tidak ingin pelanggan eksternal mengkonsumsi kapasitas dalam skala besar. Bandingkan ini dengan AWS, yang menjual setiap chip yang dapat mereka produksi (Graviton, Trainium, Inferentia) karena AWS adalah bisnis infrastruktur komoditas. Bisnis inti Google adalah iklan dan produk konsumen yang bergantung pada infrastruktur AI. Menjual infrastruktur seperti McDonald's menjual rantai pasokan mereka ke Burger King, bahkan jika itu menghasilkan pendapatan, Anda memperkuat pesaing dan melemahkan bisnis utama Anda. Anda tidak dapat secara bersamaan menjadi vendor chip komoditas DAN mempertahankan keunggulan infrastruktur berpemilik. Saat Anda menjual, Anda menjadi komoditis. Saat Anda menjadi komoditis, keuntungan Anda menguap. Mengingat bahwa penjualan TPU tampaknya tidak masuk akal secara strategis, mengapa ada spekulasi bahwa Google tetap mengejarnya? Saya pikir karena divisi cloud di setiap hyperscaler memiliki kecemasan "kita membutuhkan diferensiasi" yang terus-menerus, dan chip khusus terlihat seperti diferensiasi. Tetapi diferensiasi hanya penting jika melindungi margin atau menangkap pangsa tanpa menghancurkan bisnis inti Anda. Google menjual TPU akan menjadi diferensiasi yang menghancurkan lebih banyak nilai daripada yang diciptakannya.

Nvidia membayar 3X penilaian September Groq untuk mengakuisisinya. Ini secara strategis nuklir. Setiap lab AI bergantung pada GPU, menciptakan risiko konsentrasi yang sangat besar. Google membebaskan diri dengan TPU untuk penggunaan internal, membuktikan narasi "Nvidia atau tidak sama sekali" salah. Ini tidak hanya menunjukkan kelayakan teknis, tetapi juga mengungkapkan bahwa parit Nvidia lebih dangkal dari yang diyakini pasar. Ketika hyperscaler berhasil membangun silikon khusus, setiap pembeli canggih mulai menjalankan perhitungan "haruskah kita membuat sendiri?" Ini menjatuhkan TAM Nvidia. Jonathan Ross (pendiri Groq) adalah penemu TPU. Dia memahami prinsip-prinsip arsitektur yang membuat akselerasi AI non-GPU layak. Arsitektur LPU-nya menargetkan beban kerja inferensi di mana GPU sebenarnya direkayasa secara berlebihan. Ini penting karena inferensi adalah di mana uang sungguhan bersifat jangka panjang. Pelatihan adalah belanja modal satu kali, tetapi inferensi adalah opex berulang yang diskalakan dengan penggunaan. Jika Groq membuktikan LPU dapat mencapai kinerja harga yang kompetitif pada inferensi, setiap penyedia cloud akan memberi label putih pada arsitektur mereka. Nvidia akan terjepit ke dalam "hanya pelatihan" sambil kehilangan aliran anuitas. Aman untuk melihat kesepakatan ini sebagai asuransi Nvidia terhadap Groq yang memungkinkan seluruh ekosistem alternatif Nvidia. Tetapi yang lebih menarik adalah efek orde kedua, penguncian pelanggan. Sekarang, Nvidia memiliki standar petahana (CUDA + GPU) dan arsitektur alternatif (LPU) yang paling kredibel. Ini adalah MSFT membeli strategis tingkat Github. Setiap lab AI yang mengevaluasi "build vs buy vs vendor alternatif" sekarang menghadapi: - Opsi A (GPU Nvidia) - Opsi B (Nvidia <> Groq LPU) - Opsi C (mulai dari awal) Mengubah ancaman kompetitif menjadi alat segmentasi pelanggan, Jensen adalah ahli perdagangan. Mereka sekarang dapat membedakan harga: pelanggan premium membayar untuk GPU, inferensi sensitif harga disalurkan ke LPU, dan Nvidia menangkap keduanya. Jika Nvidia tidak mengintegrasikan LPU dalam peta jalannya, ini adalah permainan defensif murni. Jika mereka mengintegrasikannya dan mulai menawarkan bundel "GPU untuk pelatihan, LPU untuk inferensi", ini menjadi akuisisi pelebaran parit buku teks. Hal termahal dalam teknologi bukanlah membangun masa depan, tetapi mencegah orang lain membangun masa depan tanpa Anda.

Komentar teratas juga bot. AI benar-benar mengambil alih.