Alphabet активно укрепляет свои позиции на рынке искусственного интеллекта благодаря собственным процессорам TPU*, которые становятся серьезной альтернативой чипам от Nvidia, сообщает CNBC. Эти разработки не только обеспечивают работу чат-бота Gemini, но и стимулируют стремительный рост облачного бизнеса Google Cloud, выручка которого в текущем году может увеличиться на 64% и достичь $96 млрд.

Специализированные интегральные схемы от Google потребляют на 20-40% меньше энергии по сравнению с графическими процессорами конкурентов, что позволяет корпорации предлагать клиентам вычислительные мощности со скидкой до 30%. Эксперты отмечают, что рынок постепенно смещается от обучения нейросетей к их повседневному использованию, где важна экономия затрат на инфраструктуру. В связи с этим Alphabet привлекает крупные стартапы, такие как Anthropic, а также заключает многомиллиардные контракты с Meta Platforms* и создает совместное предприятие с инвестиционным гигантом Blackstone с первоначальным капиталом в $5 млрд. Глава отдела исследований Circular Technology Брэд Гаствирт подчеркнул, что Google является «вероятно, самым недооцененным конкурентом Nvidia».

Разработка собственных чипов началась в Google еще в 2013 году, когда руководство осознало, что стандартная инфраструктура не справится с будущими нагрузками машинного обучения. Первая версия TPU была внедрена в 2015 году для внутренних задач, включая поиск и рекомендации на YouTube, а сегодня корпорация представила уже восьмое поколение процессоров, разделенное на специализированные версии для обучения и вывода данных**. По прогнозам, к 2027 году доходы Alphabet от инфраструктуры, связанной с TPU, могут подскочить до $25 млрд, что открывает новые перспективы для монетизации облачного сегмента.

*TPU (Tensor Processing Unit) — это тензорный процессор, специализированная микросхема, разработанная Google специально для задач машинного обучения. В отличие от универсальных процессоров, TPU оптимизированы для выполнения сложных математических операций, лежащих в основе нейросетей, что делает их быстрее и энергоэффективнее при работе с ИИ.

**Вывод данных (Inference) — процесс использования уже обученной нейросети для решения практических задач, таких как распознавание речи или генерация текста. Если на этапе обучения модель «учится» на примерах, то на этапе вывода она применяет полученные знания к новой информации, поступающей от пользователя.

(*Meta Platforms признана в РФ экстремистской организацией)

Подпишись на MP в MAX