Tak Google $GOOGL nám odstartoval výsledkovou sezónu velkých technologických firem a doručil zhruba to, co jsem čekal. Brutální zisky, ale zároveň zvednutý capex, nově 195 až 205 mld. dolarů na letošek, čehož se trh po výsledcích trochu lekl. K výsledkům samotným se tu už rozepsali kluci a shrnuli je suprově, takže já se zaměřím na jednu věc. Cloud rostl o 82 % na 24,8 mld. dolarů a backlog nasmlouvaných zakázek nabobtnal na 514 mld. dolarů, přičemž před rokem to bylo 106. Kdo tu poptávku vlastně žene? Protože představa, že jde jen o výpočetní výkon na trénování AI, je dnes už trochu mimo.
1. Shift od trénování k inferenci, tedy AI běžící 24/7
Trénování modelu je jako napsat učebnici. Obří jednorázový výpočet, který trvá týdny až měsíce. Inference je to, když v té učebnici miliony lidí a systémů nonstop listují a ptají se na otázky. Každá firma, která si AI zabudovala do produktů, od zákaznických chatbotů po vyhledávání v interních dokumentech, potřebuje čipy běžící 24 hodin denně. A s tím, jak do aplikací přibývá generování hlasu, obrazu a videa, nároky nerostou lineárně, ale exponenciálně. Vidíte to přímo v číslech Googlu. Gemini API zpracovává 22 miliard tokenů za minutu, přičemž před kvartálem to bylo 16, a skoro 500 cloudových zákazníků spálilo za poslední rok přes bilion tokenů. A k tomu si výkon kupují i samotné AI laby, třeba Anthropic si u Googlu zasmluvnil až milion TPU čipů.
2. Tradiční korporace, tedy banky, retail a automobilky
Když pípnete kartou v obchodě, v milisekundách proběhne v cloudu vyhodnocení stovek parametrů, tedy kde jste, jaké máte nákupní zvyklosti a jestli nejde o útok, aby banka transakci schválila. Automobilky zase vyvíjejí autonomní řízení a jejich testovací flotily denně nahrají petabajty videa, která se musí v cloudu zpracovat a prohnat simulacemi. A e-commerce hráči nechávají algoritmy každou chvíli přepočítávat ceny milionů položek podle zásob, konkurence i počasí. Lokální servery na tyhle objemy dat prostě nestačí.
3. Farmacie a výzkum
Vývoj léku dřív trval 10 až 15 let, protože simulace molekulárních vazeb probíhaly fyzicky v laboratořích. Dnes jede tzv. in silico výzkum, kdy počítače v cloudu simulují miliardy chemických kombinací a skládání proteinů během několika dní. Stačí se podívat na AlphaFold od Google DeepMind, za který padla Nobelova cena. Farma giganti i genomické startupy jsou proto čím dál hladovější zákazníci cloudu.
4. SaaS multiplikátor jako skrytý motor
Tohle je podle mě nejpodceňovanější část. Když si firma koupí účetní systém, CRM nebo grafický nástroj, ten software skoro nikdy neběží na serverech samotného vývojáře. Softwarové firmy jsou samy obřími nakupčími výkonu od Googlu, AWS $AMZN nebo Azure $MSFT . Jakmile tisíce firem začnou používat nový nástroj, jeho vývojář musí na pozadí okamžitě dokoupit masivní kapacitu. Každý úspěšný SaaS produkt tak násobí poptávku po cloudu.
5. Kyberbezpečnost
Bezpečnost se přesunula z lokálních antivirů do cloudu. Moderní systémy analyzují síťový provoz na milionech zařízení současně a hledají anomálie v terabajtech logů za sekundu. To bez neustálého masivního výkonu nejde a s rostoucím počtem útoků tahle položka jen poroste.
Suma sumárum, poptávka po cloudu není jedna sázka na AI trénink, ale několik vrstev, které se navzájem násobí. Proto mi ten capex, kterého se trh lekl, dává stále smysl. Google sám přiznává, že kapacita pořád nestačí a firmy se mu upisují na roky dopředu.
Jak to vidíte vy? Je rekordní capex oprávněná investice do jasné poptávky, nebo už vám to přijde jako přehnaná sázka na to, že tenhle růst nezpomalí?
