Autore: Ma Leilei
Fonte: CHANNELWU di Wu Xiaobo
Buffett una volta disse: “Non investire mai in un'azienda che non riesci a capire.” Tuttavia, proprio mentre l’era dell’“Oracolo di Omaha” sta per concludersi, Buffett ha preso una decisione che va contro le sue stesse regole familiari: ha acquistato azioni Google, e lo ha fatto a un premio di circa 40 volte il flusso di cassa libero.
Sì, per la prima volta Buffett ha comprato azioni legate all’“AI”, non OpenAI, né Nvidia. Tutti gli investitori si pongono la stessa domanda: perché proprio Google?
Torniamo alla fine del 2022. All’epoca ChatGPT fece la sua comparsa, la dirigenza di Google suonò l’allarme rosso, tenendo riunioni continue e richiamando d’urgenza i due fondatori. Ma allora Google sembrava un dinosauro lento e impantanato nella burocrazia.
Lanciò in fretta il chatbot Bard, ma commise errori fattuali durante la dimostrazione, facendo crollare il prezzo delle azioni e bruciando oltre 100 billions di dollari di capitalizzazione in un solo giorno. Successivamente, integrò i team AI interni e lanciò il modello multimodale Gemini1.5.
Ma anche questo prodotto, considerato l’asso nella manica, suscitò solo qualche ora di discussione nel settore tech, per poi essere rapidamente oscurato dal modello di generazione video Sora di OpenAI e cadere presto nell’oblio.
Un po’ ironico, considerando che furono proprio i ricercatori di Google, con una pubblicazione accademica rivoluzionaria nel 2017, a gettare le solide basi teoriche per questa rivoluzione AI.
Articolo “Attention Is All You Need”
Modello Transformer proposto
I rivali prendevano in giro Google. Il CEO di OpenAI, Altman, disdegnava il gusto di Google: “Non posso fare a meno di pensare alle differenze estetiche tra OpenAI e Google.”
Anche l’ex CEO di Google criticava la pigrizia dell’azienda: “Google ha sempre pensato che l’equilibrio tra lavoro e vita... sia più importante che vincere la competizione.”
Tutta questa serie di imbarazzi ha portato molti a dubitare che Google stesse rimanendo indietro nella corsa all’AI.
Ma finalmente il cambiamento è arrivato. A novembre, Google ha lanciato Gemini 3, che ha superato i concorrenti, compresa OpenAI, nella maggior parte dei benchmark. Ancora più importante, Gemini 3 è stato addestrato interamente sui chip TPU sviluppati internamente da Google, ora proposti come alternativa a basso costo alle GPU Nvidia e venduti ufficialmente a clienti esterni.
Google si è distinta su due fronti: con la serie Gemini 3 ha risposto frontalmente a OpenAI sul software; con i chip TPU ha sfidato il dominio hardware di lunga data di Nvidia.
Calcio a OpenAI, pugno a Nvidia.
Altman aveva già avvertito la pressione il mese scorso, scrivendo in una lettera interna che Google “potrebbe portare qualche vento contrario temporaneo alla nostra azienda”. E questa settimana, dopo la notizia che le big tech stavano acquistando chip TPU, Nvidia ha visto il suo titolo crollare fino al 7% durante la giornata, costringendo l’azienda a rassicurare il mercato con una comunicazione ufficiale.
Il CEO di Google, Sundar Pichai, ha detto di recente in un podcast che i dipendenti Google dovrebbero riposarsi un po’. “Da una prospettiva esterna, in quel periodo potremmo essere sembrati silenziosi o indietro, ma in realtà stavamo consolidando tutte le basi e ora stiamo spingendo al massimo.”
Oggi la situazione si è completamente ribaltata. Pichai dice: “Abbiamo raggiunto un punto di svolta.”
Proprio ora, a tre anni dal lancio di ChatGPT. In questi tre anni, l’AI ha dato il via a un banchetto di capitali e alleanze nella Silicon Valley; ma sotto la festa, emergono timori di una bolla: il settore ha davvero raggiunto un punto di svolta?
Sorpasso
Il 19 novembre, Google ha presentato il nuovo modello di intelligenza artificiale Gemini 3.
Un test ha mostrato che, nella maggior parte delle prove su conoscenze specialistiche, ragionamento logico, matematica e riconoscimento immagini, Gemini 3 ha ottenuto punteggi significativamente superiori rispetto ai modelli più recenti di altre aziende, incluso ChatGPT. Solo in un test sulle capacità di programmazione si è classificato secondo.
Il Wall Street Journal ha scritto: “Potremmo chiamarlo il modello di nuova generazione degli Stati Uniti.” Bloomberg ha detto che Google si è finalmente svegliata. Musk e Altman lo hanno elogiato. Alcuni utenti hanno scherzato dicendo che questo è il GPT-5 ideale di Altman.
Il CEO di Box, piattaforma di gestione contenuti cloud, dopo aver testato in anteprima Gemini 3, ha dichiarato che il miglioramento delle prestazioni era così grande da farli dubitare dei loro stessi metodi di valutazione. Ma dopo ripetuti test, è stato confermato che il modello ha vinto con un margine a due cifre in tutte le valutazioni interne.
Il CEO di Salesforce ha detto che ha usato ChatGPT per tre anni, ma Gemini 3 ha stravolto la sua percezione in sole due ore: “Holy shit... non si torna più indietro. È un salto qualitativo: ragionamento, velocità, gestione di testo, immagini e video... tutto più acuto e veloce. Sembra che il mondo sia stato di nuovo capovolto.”
Gemini 3
Perché Gemini 3 si comporta così bene? Cosa ha fatto Google?
Il responsabile del progetto Gemini ha scritto: “Semplice: abbiamo migliorato il pre-training e il post-training.” Alcuni analisti dicono che il modello segue ancora la logica della Scaling Law: ottimizzando il pre-training (ad esempio con dati più grandi, metodi di training più efficienti, più parametri, ecc.), si migliora la capacità del modello.
La persona più interessata a scoprire i segreti di Gemini 3 è sicuramente Altman.
Il mese scorso, prima del lancio di Gemini 3, in una lettera interna ai dipendenti OpenAI, aveva già messo le mani avanti: “Da ogni punto di vista, il lavoro recente di Google è eccellente”, soprattutto nel pre-training, dove i progressi di Google potrebbero “portare qualche vento contrario temporaneo” all’azienda, “e l’atmosfera esterna sarà piuttosto difficile per un po’.”
Anche se in termini di utenti ChatGPT è ancora nettamente avanti rispetto a Gemini, il divario si sta riducendo.
In questi tre anni, gli utenti di ChatGPT sono cresciuti rapidamente. A febbraio di quest’anno, gli utenti attivi settimanali erano 400 milioni, questo mese sono saliti a 800 milioni. Gemini ha comunicato i dati mensili: a luglio, gli utenti attivi mensili erano 450 milioni, questo mese sono saliti a 650 milioni.
Con circa il 90% della quota di mercato globale nella ricerca online, Google possiede naturalmente il canale principale per promuovere i suoi modelli AI, raggiungendo direttamente un’enorme base di utenti.
OpenAI è attualmente valutata 500 billions di dollari, la startup con la valutazione più alta al mondo. È anche una delle aziende a crescita più rapida della storia, con ricavi passati da quasi zero nel 2022 ai 13 billions di dollari previsti quest’anno, ma si prevede che, per raggiungere l’intelligenza artificiale generale, nei prossimi anni brucerà oltre 100 billions di dollari e dovrà spendere altri centinaia di billions per affittare server. In altre parole, dovrà continuare a cercare finanziamenti.
Google ha un vantaggio da non sottovalutare: un portafoglio molto più ricco.
L’ultimo trimestre, Google ha registrato ricavi per la prima volta superiori ai 100 billions di dollari, arrivando a 102.3 billions, +16% su base annua, con un profitto di 35 billions, +33%. Il flusso di cassa libero dell’azienda è di 73 billions, e gli investimenti in AI quest’anno raggiungeranno i 90 billions.
Per ora non deve nemmeno preoccuparsi che il business della ricerca venga eroso dall’AI: ricerca e pubblicità mostrano ancora una crescita a due cifre. Il cloud business va a gonfie vele, e persino OpenAI affitta i suoi server.
Oltre a un flusso di cassa autosufficiente, Google possiede risorse che OpenAI non può eguagliare, come enormi quantità di dati pronti per l’addestramento e l’ottimizzazione dei modelli, e infrastrutture di calcolo proprietarie.
Il 14 novembre, Google ha annunciato un investimento di 40 billions di dollari per costruire nuovi data center
OpenAI è molto abile nelle trattative, avendo firmato accordi per la potenza di calcolo per oltre 1 trillione di dollari. Quindi, mentre Google avanza rapidamente con Gemini, gli investitori si chiedono: la crescita promessa da OpenAI riuscirà davvero a colmare il deficit?
Crepe
Un mese fa, la capitalizzazione di Nvidia ha superato i 5 trillioni di dollari, e l’entusiasmo per l’AI ha portato questo “mercante d’armi AI” a nuovi vertici. Ma i chip TPU di Google utilizzati da Gemini 3 hanno aperto una crepa nella fortezza di Nvidia.
The Economist, citando dati della società di ricerca Bernstein, afferma che le GPU Nvidia rappresentano oltre due terzi del costo totale di un tipico rack di server AI, mentre i chip TPU di Google costano solo dal 10% al 50% dei chip Nvidia di pari prestazioni. Questi risparmi sono considerevoli. Secondo la banca d’investimento Jefferies, Google produrrà circa 3 milioni di questi chip il prossimo anno, quasi la metà della produzione Nvidia.
Il mese scorso, la nota startup AI Anthropic ha pianificato di adottare su larga scala i chip TPU di Google, con un accordo che si dice valga decine di billions di dollari. Il 25 novembre, si è saputo che anche Meta sta trattando per adottare i chip TPU nei suoi data center entro il 2027, per un valore di diversi billions di dollari.
Il CEO di Google Sundar Pichai presenta i chip TPU
Anche le grandi aziende della Silicon Valley stanno puntando sui chip: o li sviluppano internamente, o collaborano con aziende di semiconduttori, ma nessuna ha raggiunto i progressi di Google.
La storia dei TPU risale a oltre dieci anni fa. All’epoca, Google iniziò a sviluppare un chip acceleratore dedicato per uso interno, per migliorare l’efficienza di ricerca, mappe e traduzioni. Dal 2018, ha iniziato a vendere i TPU ai clienti cloud.
Da allora, i TPU sono stati utilizzati anche per supportare lo sviluppo AI interno di Google. Durante lo sviluppo di modelli come Gemini, i team AI e chip collaborano: i primi forniscono esigenze e feedback, i secondi ottimizzano i TPU di conseguenza, migliorando così l’efficienza della ricerca AI.
Attualmente Nvidia detiene oltre il 90% del mercato dei chip AI. Le sue GPU erano originariamente progettate per il rendering realistico dei giochi, grazie a migliaia di core che elaborano compiti in parallelo, un’architettura che le ha rese leader anche nell’AI.
I TPU di Google sono invece circuiti integrati specifici (ASIC), “specialisti” progettati per compiti di calcolo specifici, sacrificando una certa flessibilità per una maggiore efficienza energetica. Le GPU Nvidia sono invece “generaliste”, flessibili e programmabili, ma più costose.
Tuttavia, al momento nessuna azienda, nemmeno Google, può sostituire completamente Nvidia. Anche se i chip TPU sono arrivati alla settima generazione, Google resta un grande cliente Nvidia. Un motivo ovvio è che il cloud di Google serve migliaia di clienti in tutto il mondo, e la potenza delle GPU garantisce attrattiva.
Anche chi acquista TPU deve comunque affidarsi a Nvidia. Anthropic, dopo aver annunciato la collaborazione con i TPU di Google, ha subito annunciato anche un importante accordo con Nvidia.
Il Wall Street Journal afferma: “Investitori, analisti e operatori di data center dicono che i TPU di Google sono una delle maggiori minacce al dominio Nvidia nel mercato AI, ma per sfidare Nvidia, Google deve iniziare a vendere questi chip su larga scala a clienti esterni.”
I chip AI di Google sono tra le poche alternative ai chip Nvidia, e questo ha fatto scendere il prezzo delle azioni Nvidia. Nvidia ha pubblicato un post per rassicurare il mercato dopo il panico causato dai TPU. Ha detto di essere “felice dei successi di Google”, ma ha sottolineato che Nvidia è avanti di una generazione e che il suo hardware è più versatile rispetto ai TPU e ad altri chip specializzati.
Nvidia è sotto pressione anche per i timori di una bolla: gli investitori temono che i grandi investimenti non siano allineati alle prospettive di profitto. Il sentimento degli investitori può cambiare rapidamente: temono sia che Nvidia venga superata, sia che i chip AI non si vendano.
Il famoso “orso” americano Michael Burry ha detto di aver scommesso oltre 1 billion di dollari contro Nvidia e altre tech. Divenne famoso per aver scommesso contro il mercato immobiliare americano nel 2008, storia poi raccontata nel film “La grande scommessa”. Secondo lui, l’attuale entusiasmo per l’AI ricorda la bolla internet dei primi anni 2000.
Michael Burry
Nvidia ha distribuito agli analisti un documento di sette pagine per rispondere alle critiche di Burry e altri, ma il documento non ha placato le polemiche.
Modello
Google sta vivendo un periodo d’oro: il suo titolo è salito controcorrente nella bolla AI. La società di Buffett ha acquistato le sue azioni nel terzo trimestre, Gemini 3 ha ricevuto feedback positivi, i chip TPU entusiasmano gli investitori: tutto questo ha portato Google ai massimi.
Nell’ultimo mese, Nvidia, Microsoft e altri titoli AI sono scesi di oltre il 10%, mentre Google è salita del 16%. Ora, con una capitalizzazione di 3.86 trillioni di dollari, è la terza azienda al mondo, dietro solo a Nvidia e Apple.
Gli analisti definiscono il modello AI di Google “integrazione verticale”.
Come raro player “full stack” nel settore tech, Google tiene tutta la catena nelle proprie mani: distribuisce i chip TPU sviluppati internamente su Google Cloud, addestra i propri modelli AI, che possono essere integrati senza soluzione di continuità in ricerca, YouTube e altri servizi chiave. Il vantaggio di questo modello è evidente: non dipende da Nvidia e possiede una sovranità di calcolo efficiente e a basso costo.
L’altro modello è quello più comune delle alleanze flessibili. I giganti si dividono i compiti: Nvidia produce GPU, OpenAI, Anthropic e altri sviluppano modelli AI, Microsoft e altri cloud acquistano GPU dai produttori di chip per ospitare i modelli di questi laboratori AI. In questa rete non ci sono alleati o rivali assoluti: si collabora quando conviene, si compete quando serve.
I player hanno creato una “struttura circolare”, con i capitali che fluiscono in un circuito chiuso tra pochi giganti tech.
Di solito, il ciclo funziona così: l’azienda A paga B (investimento, prestito o leasing), B usa questi soldi per acquistare prodotti o servizi da A; senza questi “fondi di avvio”, B non potrebbe permetterseli.
Un esempio: OpenAI spende 300 billions per acquistare potenza di calcolo da Oracle, Oracle usa quei soldi per comprare chip Nvidia e costruire data center, Nvidia reinveste fino a 100 billions in OpenAI—a condizione che continui a usare i suoi chip. (OpenAI paga 300 billions a Oracle → Oracle usa quei soldi per comprare chip Nvidia → Nvidia reinveste i profitti in OpenAI.)
Questi casi hanno generato una mappa finanziaria labirintica. Gli analisti di Morgan Stanley, nell’8 ottobre, hanno usato una foto per descrivere i flussi di capitale nell’ecosistema AI della Silicon Valley. Hanno avvertito che la mancanza di trasparenza rende difficile per gli investitori valutare rischi e ritorni reali.
Il Wall Street Journal ha commentato questa foto dicendo: “Le frecce che le collegano sono intricate come un piatto di spaghetti.”
Sospinta dal capitale, la sagoma di quel gigante sta prendendo forma, ma nessuno conosce il suo vero volto. Alcuni sono in preda al panico, altri sono entusiasti.
