Momenteel een paar gedachten over TPU en $GOOG Eerste: Weiger ongeldige parametervergelijkingen Laten we niet meer discussiëren over hoeveel de GPU en TPU parameters verschillen, hoe hoog de migratiekosten zijn, of wie beter is. Wat heeft dat voor zin? $GOOG is van oorsprong geen halfgeleiderbedrijf en TPU is ook geen product dat ze overal willen verkopen. Ze zijn bijna tien jaar geleden begonnen met de ontwikkeling en dat was volledig om hun eigen bedrijfsvoering te ondersteunen. Dit ding is voor hun eigen gebruik al niet genoeg, waar hebben ze de tijd om het aan jou te verkopen? Het is net als Amazon die logistiek opzet, dat doen ze voor hun eigen snelheid, niet om vrachtwagens te verkopen. Evenzo kan dit niet worden gebruikt om FUD te creëren over $nvda die kaarten verkoopt; $goog verkoopt geen kaarten, hoe kun je dat vergelijken? Het is heel onredelijk om deze FUD te gebruiken. Tweede: De kern van Gemini is "industriële capaciteit" Iedereen is bezig met hoe goed het model zelf is, maar vergeet een belangrijker punt over de commerciële implementatie: kosten en snelheid (Unit Economics). De ervaring met Gemini vertelt me dat Google de native voordelen van TPU benut om de kosten van AI-inferentie tot het absolute minimum te verlagen, terwijl ze een extreem lage latentie behouden. Als AI in de toekomst een soort "infrastructuur" wordt, is voor 95% van de gebruikersscenario's (informatie opzoeken, e-mails schrijven, samenvattingen maken) "gebruiksvriendelijk, goedkoop, realtime respons" veel belangrijker dan "extreem slim maar traag in reactie". Let op, het bovenstaande is een hypothese voor de toekomst; de toekomst van AI is onzeker, niemand weet precies welke vorm het zal aannemen. $GOOG is als het Ford of Toyota van toen. Ze hebben de productielijn geïntroduceerd (TPU-clusters), een geïntegreerde lean productielijn gecreëerd (JAX/vloeistofkoeling), en hebben de auto veranderd in iets dat voor elk huishouden betaalbaar is, in plaats van een luxeproduct voor de rijken bij de geboorte. Ten slotte: Ik zeg niet dat $NVDA slecht is, en ik zeg ook niet dat andere modellen niet goed zijn. ...