May-akda: Ma Leilei
Pinagmulan: CHANNELWU ni Wu Xiaobo
Sinabi ni Buffett noon, “Huwag kailanman mag-invest sa isang negosyo na hindi mo nauunawaan.” Ngunit habang papalapit na ang pagtatapos ng “panahon ng Diyos ng Stocks,” gumawa si Buffett ng desisyong taliwas sa “pamilyang patakaran”: bumili ng stock ng Google, at ginawa ito sa mataas na premium na halos 40 beses ng free cash flow.
Oo, unang beses na bumili si Buffett ng “AI-themed stock,” at hindi ito OpenAI, at hindi rin Nvidia. Lahat ng mamumuhunan ay nagtatanong ng isang tanong: Bakit Google?
Bumalik tayo sa katapusan ng 2022. Noon, biglang sumikat ang ChatGPT, at nagdeklara ng “red alert” ang mga executive ng Google, paulit-ulit silang nagmi-meeting at nagmadaling pinabalik pa ang dalawang tagapagtatag. Ngunit noon, ang Google ay parang isang mabagal na gumagalaw na dinosaur na balot ng burukrasya.
Agad nilang inilunsad ang chatbot na Bard, ngunit nagkamali ito ng fact sa demo, bumagsak ang presyo ng stock ng kumpanya, at nabura ang market value ng mahigit 100 billions ng dolyar sa isang araw. Pagkatapos, pinagsama nila ang kanilang AI teams at inilabas ang multimodal na Gemini1.5.
Ngunit ang produktong ito, na inaasahang magiging panlaban, ay nagdulot lamang ng ilang oras na hype sa tech circle, ngunit agad na natabunan ng video generation model na Sora ng OpenAI, at mabilis na nawalan ng pansin.
Medyo nakakahiya, dahil ang mga mananaliksik mismo ng Google ang naglathala ng groundbreaking na academic paper noong 2017 na naglatag ng matibay na teoretikal na pundasyon para sa AI revolution na ito.
“Attention Is All You Need” na papel
Transformer model na iminungkahi
Pinagtatawanan ng mga kalaban ang Google. Si Altman, CEO ng OpenAI, ay hindi humahanga sa panlasa ng Google, “Hindi ko maiwasang isipin ang pagkakaiba ng aesthetics ng OpenAI at Google.”
Hindi rin nasiyahan ang dating CEO ng Google sa katamaran ng kumpanya, “Palaging iniisip ng Google na ang balanse ng trabaho at buhay... ay mas mahalaga kaysa manalo sa kompetisyon.”
Ang serye ng mga kahirapang ito ay nagdulot ng pagdududa kung nahuhuli na ba ang Google sa AI competition.
Ngunit dumating din ang pagbabago. Noong Nobyembre, inilunsad ng Google ang Gemini 3, na sa karamihan ng mga benchmark test ay nalampasan ang mga kakumpitensya, kabilang ang OpenAI. Mas mahalaga, ang Gemini 3 ay ganap na sinanay gamit ang sariling TPU chips ng Google, na ngayon ay itinuturing ng Google bilang mas murang alternatibo sa Nvidia GPU at opisyal nang ibinebenta sa mga external na kliyente.
Ipinapakita ng Google ang lakas nito sa dalawang front: sa software front, Gemini 3 series bilang tugon sa OpenAI; sa hardware front, ang TPU chips ay hamon sa matagal nang dominasyon ng Nvidia.
Sipa kay OpenAI, suntok kay Nvidia.
Naramdaman na ni Altman ang pressure noong nakaraang buwan pa lang, sinabi niya sa internal memo na maaaring magdulot ng pansamantalang economic headwind sa kanilang kumpanya ang Google. At ngayong linggo, matapos marinig ang balitang bumibili ng TPU chips ang mga malalaking kumpanya, bumagsak ng 7% ang Nvidia sa trading, kaya napilitan silang maglabas ng liham upang pakalmahin ang merkado.
Sinabi ni Sundar Pichai, CEO ng Google, sa isang kamakailang podcast na dapat magpahinga muna ang mga empleyado ng Google. “Kung titingnan mula sa labas, maaaring mukhang tahimik o nahuhuli tayo noong panahong iyon, ngunit sa katunayan, pinapatibay namin ang lahat ng foundational components at puspusang nagtatrabaho sa mga ito.”
Ngayon, baligtad na ang sitwasyon. Sabi ni Pichai: “Narating na natin ang turning point.”
Sakto sa ikatlong anibersaryo ng paglabas ng ChatGPT. Sa tatlong taon na ito, ang AI ay nagbukas ng isang kapistahan ng kapital at alyansa sa Silicon Valley; ngunit sa ilalim ng kapistahan, lumilitaw ang mga bula, turning point na ba ito ng industriya?
Pagsalungat
Noong Nobyembre 19, inilabas ng Google ang pinakabagong AI model na Gemini 3.
Ipinapakita ng isang test na sa karamihan ng mga pagsusulit na sumasaklaw sa expert knowledge, logical reasoning, mathematics, at image recognition, nangunguna ang Gemini 3 laban sa iba pang pinakabagong modelo ng ibang kumpanya, kabilang ang ChatGPT. Tanging sa isang programming ability test lang ito pumangalawa.
Sabi ng Wall Street Journal, “Maari na itong tawaging susunod na henerasyon ng top model ng Amerika.” Sabi ng Bloomberg, nagising na rin ang Google. Sina Musk at Altman ay pumuri dito. Biro ng ilang netizen, ito na raw ang ideal na GPT-5 ni Altman.
Sinabi ng CEO ng cloud content management platform na Box, matapos subukan nang maaga ang Gemini 3, na napakalaki ng pagtaas ng performance nito na muntik na nilang pagdudahan ang kanilang testing method. Ngunit matapos ang paulit-ulit na testing, napatunayan na nangunguna ito ng double-digit margin sa lahat ng internal evaluation.
Sabi ng CEO ng Salesforce, tatlong taon niyang ginamit ang ChatGPT, ngunit dalawang oras lang ng Gemini 3 ay binago na ang pananaw niya: “Holy shit... hindi na ako makakabalik. Ito ay isang qualitative leap, reasoning, bilis, image at video processing... lahat mas matalim, mas mabilis. Parang muling nagbago ang mundo.”
Gemini 3
Bakit napakahusay ng performance ng Gemini 3, at ano ang ginawa ng Google?
Sabi ng project leader ng Gemini sa post, “Simple lang: pinabuti ang pre-training at post-training.” Ayon sa analysis, sinusunod pa rin ng model na ito ang Scaling Law—pinapabuti ang pre-training (halimbawa, mas malaking data, mas mahusay na training method, mas maraming parameters, atbp.) upang mapataas ang kakayahan ng model.
Pinakainteresado sa sikreto ng Gemini 3 ay si Altman.
Noong nakaraang buwan, bago ilabas ang Gemini 3, nagpadala siya ng internal memo sa mga empleyado ng OpenAI bilang babala, “Sa lahat ng aspeto, napakahusay ng trabaho ng Google kamakailan,” lalo na sa pre-training, at maaaring magdulot ito ng pansamantalang economic headwind sa kumpanya, “Sa susunod na panahon, magiging mahigpit ang atmosphere sa labas.”
Bagaman sa bilang ng users, mas malaki pa rin ang lamang ng ChatGPT sa Gemini, ngunit paliit na ang agwat.
Sa tatlong taon, mabilis ang paglago ng users ng ChatGPT. Noong Pebrero, 400 milyon ang weekly active users nito, at ngayong buwan, umabot na sa 800 milyon. Ang Gemini ay naglabas ng monthly active data: noong Hulyo, 450 milyon ang monthly active users, at ngayong buwan, umabot na sa 650 milyon.
Dahil sa halos 90% na bahagi ng Google sa global network search market, hawak nito ang pangunahing channel para i-promote ang AI model nito at direktang maabot ang napakaraming users.
Sa kasalukuyan, ang OpenAI ay may valuation na 500 billions, ang pinakamataas sa lahat ng startup sa mundo. Isa rin ito sa pinakamabilis lumaking kumpanya sa kasaysayan, mula halos zero revenue noong 2022 hanggang sa inaasahang 13 billions ngayong taon, ngunit inaasahan din nilang gagastos ng mahigit 100 billions sa susunod na ilang taon para makamit ang general artificial intelligence, at kailangan pang gumastos ng daan-daang billions para magrenta ng servers. Sa madaling salita, kailangan pa nilang maghanap ng pondo.
May isang hindi matatawarang advantage ang Google: mas malaki ang bulsa nito.
Sa pinakabagong quarterly report ng Google, unang beses na lumampas sa 100 billions ang revenue nito, umabot sa 102.3 billions, tumaas ng 16% year-on-year, at 35 billions ang kita, tumaas ng 33%. Ang free cash flow ng kumpanya ay 73 billions, at ang capital expenditure para sa AI ngayong taon ay aabot sa 90 billions.
Hindi rin nito kailangang mag-alala na maaagaw ng AI ang search business nito, dahil patuloy pa rin ang double-digit growth ng search at advertising. Pati ang cloud business nito ay lumalago, at maging ang OpenAI ay umuupa ng servers nito.
Bukod sa sariling cash flow, hawak din ng Google ang mga asset na hindi kayang abutin ng OpenAI, tulad ng napakalaking ready-made data para sa training at optimization ng models, at sariling built na computing infrastructure.
Noong Nobyembre 14, inanunsyo ng Google ang 40 billions investment para sa bagong data center
Magaling makipag-deal ang OpenAI, pumirma ng mga kasunduan sa computing power na nagkakahalaga ng mahigit 1.1 trillions. Kaya, habang mabilis na lumalapit ang Google gamit ang Gemini, mas lalo pang lumalakas ang pagdududa ng mga mamumuhunan: Matutupad ba talaga ng OpenAI ang ipinangakong paglago?
Bitak
Isang buwan ang nakalipas, lumampas sa 5 trillions ang market value ng Nvidia, at ang kasiglahan ng merkado sa artificial intelligence ay nagtulak sa “AI arms dealer” na ito sa bagong rurok. Ngunit ang TPU chips na ginamit ng Google Gemini 3 ay nagbukas ng bitak sa matibay na kuta ng Nvidia.
Ayon sa The Economist na sumipi ng data mula sa investment research firm na Bernstein, ang GPU ng Nvidia ay higit sa dalawang-katlo ng kabuuang gastos ng typical AI server rack, samantalang ang presyo ng TPU chips ng Google ay 10% hanggang 50% lamang ng katumbas na Nvidia chips. Malaki ang natitipid dito. Tinataya ng investment bank na Jefferies na aabot sa 3 milyon ang production ng Google ng ganitong chips sa susunod na taon, halos kalahati ng production ng Nvidia.
Noong nakaraang buwan, ang kilalang AI startup na Anthropic ay nagplano nang gumamit ng TPU chips ng Google sa malaking sukat, at sinasabing aabot sa daan-daang billions ang halaga ng deal. Noong Nobyembre 25, iniulat na pati ang tech giant na Meta ay nakikipag-usap para gumamit ng TPU chips sa kanilang data center bago mag-2027, na nagkakahalaga ng sampu-sampung billions.
Inilalahad ni Sundar Pichai, CEO ng Google, ang TPU chips
Pati ang mga internet giants sa Silicon Valley ay tumataya rin sa chips, alinman sa sariling development o pakikipagtulungan sa chip companies, ngunit walang ibang kumpanya ang kasing bilis ng progreso ng Google.
Ang kasaysayan ng TPU ay nagsimula mahigit sampung taon na ang nakalipas. Noon, para mapabuti ang efficiency ng search, maps, at translation, nagsimulang mag-develop ang Google ng dedicated acceleration chip para sa internal use. Mula 2018, nagsimula na itong ibenta ang TPU sa cloud computing clients.
Simula noon, ginamit na rin ang TPU para suportahan ang internal AI development ng Google. Sa proseso ng pag-develop ng mga model tulad ng Gemini, nagkaroon ng interaction ang AI team at chip team: nagbibigay ng aktwal na pangangailangan at feedback ang una, at ini-optimize ng huli ang TPU base sa feedback, na nagreresulta sa mas mataas na AI development efficiency.
Sa kasalukuyan, mahigit 90% ng AI chip market ay hawak ng Nvidia. Ang GPU nito ay orihinal na para sa realistic rendering ng game graphics, at dahil sa libu-libong computing cores na kayang magproseso ng tasks nang sabay-sabay, nanguna ito sa AI computing.
Ang TPU ng Google ay isang application-specific integrated circuit (ASIC), na “specialist,” dinisenyo para sa partikular na computing tasks, kaya mas mataas ang efficiency ngunit mas mababa ang flexibility at versatility. Ang Nvidia GPU naman ay parang “generalist,” flexible at madaling i-program, ngunit mas mahal ang gastos.
Gayunpaman, sa kasalukuyang yugto, kahit ang Google ay hindi kayang palitan nang buo ang Nvidia. Kahit na umabot na sa ikapitong henerasyon ang TPU chips, malaking kliyente pa rin ng Nvidia ang Google. Isang malinaw na dahilan ay kailangan ng Google Cloud na magserbisyo sa libu-libong kliyente sa buong mundo, at ang paggamit ng GPU computing power ay nakakatulong para manatiling kaakit-akit sa mga kliyente.
Kahit ang mga kumpanyang bumibili ng TPU ay kailangan pa ring gumamit ng Nvidia. Matapos ianunsyo ng Anthropic ang pakikipagtulungan sa Google TPU, nag-anunsyo rin sila ng malaking deal sa Nvidia.
Ayon sa Wall Street Journal, “Ayon sa mga mamumuhunan, analyst, at data center operators, ang TPU ng Google ay isa sa pinakamalaking banta sa dominasyon ng Nvidia sa AI computing market, ngunit para hamunin ang Nvidia, kailangan ng Google na mas malawak na ibenta ang chips na ito sa external clients.”
Ang AI chips ng Google ay isa sa iilang alternatibo sa Nvidia chips, at ito mismo ang nagdulot ng pagbaba ng presyo ng Nvidia. Naglabas ng post ang Nvidia para pakalmahin ang panic sa merkado na dulot ng TPU. Sabi nila, “Masaya kami sa tagumpay ng Google,” ngunit binigyang-diin na nangunguna pa rin ang Nvidia ng isang henerasyon, at mas versatile ang hardware nito kaysa sa TPU at iba pang chips na dinisenyo para sa partikular na tasks.
May dagdag na pressure pa ang Nvidia dahil sa pangamba ng merkado sa bubble, natatakot ang mga mamumuhunan na hindi magtutugma ang malaking capital investment at ang kita. Madaling magbago ang investment sentiment, takot na maagaw ang negosyo ng Nvidia, pero nag-aalala rin kung hindi mabebenta ang AI chips.
Sinabi ng kilalang “short seller” sa Amerika na si Michael Burry na tumaya siya ng mahigit 1 billion dollars na short sa Nvidia at iba pang tech companies. Sumikat siya noong 2008 nang i-short niya ang US real estate market, at ginawang pelikula ang kanyang kwento sa “The Big Short.” Sabi niya, ang kasalukuyang AI craze ay parang internet bubble noong unang bahagi ng ika-21 siglo.
Michael Burry
Namahagi ang Nvidia ng pitong pahinang dokumento sa mga analyst para pabulaanan ang mga kritisismo ni Burry at iba pa. Ngunit hindi nito napawi ang kontrobersiya.
Modelo
Dumadaan ang Google sa matamis na panahon, tumaas ang presyo ng stock nito sa gitna ng AI bubble. Bumili ng stock nito ang kumpanya ni Buffett noong third quarter, maganda ang feedback sa Gemini 3, at inaasahan ng mga mamumuhunan ang TPU chips, kaya napunta ang Google sa mataas na posisyon.
Sa nakaraang buwan, bumaba ng mahigit 10% ang Nvidia, Microsoft, at iba pang AI concept stocks, ngunit tumaas ng 16% ang presyo ng stock ng Google. Sa kasalukuyan, may market value itong 3.86 trillions, pangatlo sa mundo, kasunod ng Nvidia at Apple.
Tinatawag ng mga analyst ang AI model ng Google na vertical integration.
Bilang bihirang “full-stack self-made” player sa tech circle, hawak ng Google ang buong kadena: deploy ng sariling TPU chips sa Google Cloud, training ng sariling AI large models, at seamless integration ng mga model na ito sa core businesses tulad ng search at YouTube. Kitang-kita ang advantage ng modelong ito—hindi umaasa sa Nvidia, at may efficient at low-cost na computing power sovereignty.
Ang isa pang modelo ay ang mas karaniwang loose alliance model. May kanya-kanyang papel ang mga giants: Nvidia para sa GPU, OpenAI at Anthropic para sa AI model development, Microsoft at iba pang cloud giants ang bumibili ng GPU mula sa chip manufacturers para i-host ang mga AI lab models. Sa network na ito, walang permanenteng kaalyado o kalaban: kapag pwedeng magtulungan, nagkakaisa; kapag kailangang maglaban, walang sinasanto.
Nabuo ng mga players ang isang “circular structure,” kung saan umiikot ang pondo sa iilang tech giants.
Karaniwan, ganito ang circular financing routine: Magbabayad muna ng pera ang Company A sa Company B (tulad ng investment, loan, o rent), gagamitin ng Company B ang perang ito para bumili ng produkto o serbisyo ng Company A, at kung walang “seed money” na ito, baka hindi kayang bumili ni B.
Isang halimbawa: Gumastos ng 300 billions ang OpenAI para bumili ng computing power mula sa Oracle, ginamit ng Oracle ang perang ito para bumili ng Nvidia chips at magtayo ng data center, at nag-invest pabalik ang Nvidia ng hanggang 100 billions sa OpenAI—kapalit ang patuloy na paggamit ng chips nila. (Nagbayad ang OpenAI ng 300 billions sa Oracle → Ginamit ng Oracle ang pera para bumili ng Nvidia chips → Ginamit ng Nvidia ang kinita para mag-invest sa OpenAI.)
Ang mga ganitong kaso ay nagbunga ng maze-like na capital flow charts. Sa ulat ng Morgan Stanley analysts noong Oktubre 8, ipinakita nila sa isang larawan ang capital flow ng Silicon Valley AI ecosystem. Nagbabala ang analysts na dahil sa kawalan ng transparency, mahirap para sa mga mamumuhunan na matukoy ang tunay na risk at return.
Sabi ng Wall Street Journal tungkol sa larawang ito, “Ang mga arrow na nag-uugnay sa kanila ay parang isang mangkok ng spaghetti na sobrang gulo.”
Sa tulong ng kapital, ang hugis ng dambuhalang ito ay unti-unting nabubuo, ngunit walang nakakaalam ng tunay nitong anyo. May natatakot, may natutuwa.
