Google не хватает TPU даже для DeepMind
Google пришла к смешной для себя точке: компания продаёт ИИ-инфраструктуру наружу, строит Gemini как витрину собственного могущества, а её же исследователи в DeepMind стоят в очереди за TPU. Внутри корпорации вычисления распределяют по простому принципу: ближе к деньгам, быстрее доступ к ним.
Для Google это уже не бытовая проблема роста, а симптом смены культуры. Когда-то сюда шли за академической свободой с корпоративной зарплатой. После ChatGPT всё стало грубее: если проект не обещает продукт, выручку или хотя бы пользу для следующей версии модели, он рискует остаться без ускорителей и без шанса на нормальный темп работы.
Почему TPU в Google стали внутренней валютой
По словам источников из исходного материала, на один TPU внутри Google претендуют как минимум три команды. Это логичный итог сразу двух стратегий: Google агрессивно наращивает облачный бизнес и одновременно пытается удержать лидерство в моделях. Когда один и тот же парк чипов должен кормить и платных клиентов Google Cloud, и DeepMind, конфликт интересов не баг, а архитектура.
Пичай сам признал дефицит вычислительных мощностей, а портфель заказов Google Cloud уже перевалил за $460 млрд. Для сравнения: Microsoft ещё в 2025 финансовом году закладывала на инфраструктуру ИИ и дата-центры более $80 млрд, Meta* обещала капзатраты в диапазоне $60-65 млрд. На таком фоне даже Google с её собственными TPU не выглядит компанией, которая может просто докинуть железа и закрыть вопрос к пятнице.
Отсюда и перекос в приоритетах. Внутренний рынок вычислений превращает исследовательские идеи в аукцион, где побеждает не самый смелый проект, а тот, который легче объяснить начальству на языке выручки, удержания клиентов и следующего релиза Gemini.
Как дефицит TPU меняет DeepMind
Объединение DeepMind и Google Brain в 2023 году задумывали как ускоритель. На практике оно ещё сильнее подвязало исследователей к централизованному распределению ресурсов. У прежнего Brain была почти рыночная система внутренних кредитов на чипы, и она, при всей своей кривизне, давала командам больше автономии. После слияния и ИИ-гонки романтика закончилась.
Теперь доступ к ускорителям влияет не только на скорость экспериментов, но и на карьеру. Бывшие сотрудники прямо описывают систему кнута и пряника: хочешь вычисления, иди в магистральный трек с большими языковыми моделями. Не хочешь, занимай место в очереди и учись терпению. Для исследовательской лаборатории это довольно жёсткий способ объяснить, что свобода мысли у нас есть, но по предварительному согласованию.
Проблема для Google в том, что дефицит железа выталкивает наружу не слабых, а самых амбициозных. Анна Голди ушла и запустила Ricursive Intelligence, которая уже привлекла $335 млн. Такой исход для корпорации особенно неприятен: компания тратит годы на найм редких специалистов, а потом сама же учит их тому, что быстрее всего получить ресурсы можно за пределами кампуса.
Кто выигрывает от очереди за чипами в Google
Частично сама Google, потому что платные клиенты облака приносят деньги здесь и сейчас. Но в более длинной игре выигрывают стартапы и конкуренты, которые умеют обещать исследователям простую вещь: меньше комитетов, больше GPU и TPU, меньше внутренней политики. Именно поэтому бывшие сотрудники больших лабораторий всё чаще уходят не в университеты, а в собственные компании.
Ирония в том, что Google давно считалась одной из немногих компаний, которая может не зависеть от Nvidia так сильно, как остальные, благодаря своей TPU-линейке. На деле это не отменяет главного закона ИИ-бума: сколько бы ускорителей ни построили, спрос успевает вырасти быстрее. Если Anthropic, Meta* и внешние клиенты тоже сидят на части этой инфраструктуры, внутреннему исследователю от бренда «у нас свои чипы» не становится легче.
К июльскому отчёту Alphabet инвесторы будут считать не количество новых демо Gemini, а сроки ввода новых TPU-кластеров и размер капзатрат на дата-центры.
* Принадлежит компании Meta, она признана экстремистской организацией в РФ и её деятельность запрещена.
