Google Cloud hat auf der Tech-Konferenz von Goldman den stillen Teil ausgesprochen: KI-Server zahlen sich im Durchschnitt in unter zwei Jahren aus. Unter einem Jahr, wenn du Googles eigene Silizium-Lösungen nutzt.
Thomas Kurian nannte die Zahl. Eine Stunde zuvor hatte Hock Tan bei $AVGO gesagt, die Branche investiere etwa ~$200 Mrd. pro Jahr, um Inferenz-Token zu produzieren – gegenüber ~$150 Mrd. Modellumsatz. Das Branchenbuch ist derzeit im Minus. Google sagt, dass sein eigenes Setup sich innerhalb von zwölf Monaten zurückzahlt. Beides kann stimmen.
Kurian stellt als Vorteil vor allem die vertikale Integration. 2,7x besseres Preis-Leistungs-Verhältnis beim Training. 80% besser bei der Inferenz. 30% besser auf CPUs. Chip und Modell wurden gemeinsam entwickelt.
Die zweite Offenlegung ist das $NVDA-Problem.
Google verkauft jetzt TPUs als Capex. Kunden kaufen die Boxen und betreiben sie in eigenen Gebäuden. Außerdem gibt es eine Neocloud-Linie mit Blackstone. Kurian begründete es unmissverständlich: Wenn der Kunde die Hardware besitzt, muss Google keinen Capex ausgeben, muss keinen Strom oder keine Fläche bereitstellen. Umsatz ohne den Aufbau.
Das ist ein Händler-Silizium-Geschäft. Kurian sagte, das Portfolio aus Googles Beschleunigern und CPUs sei mehr als 2x so groß wie das des nächstgrößeren Hyperscalers.
Gleiche Session: 17 Produktlinien über $1 Mrd. $100 Mio.+ Deals mit bis zu 2x YoY und QoQ. Kunden, die sich verpflichten, geben typischerweise 50%+ über der Zusage aus. 90% der Fortune-100-Unternehmen bei Gemini Enterprise.
Der KI-Handel war bisher: Wer verkauft die Rechenleistung. Google argumentiert, dass es den Chip verkaufen, den Chip vermieten und das Modell verkaufen kann, das darauf läuft.
Beobachte die Cloud-Margen im nächsten Quartal. Dort wird aus einer Kapitalbeschaffungs-Mischung auf der Konferenzlinie mehr.
$GOOGL $NVDA $AVGO
Thomas Kurian nannte die Zahl. Eine Stunde zuvor hatte Hock Tan bei $AVGO gesagt, die Branche investiere etwa ~$200 Mrd. pro Jahr, um Inferenz-Token zu produzieren – gegenüber ~$150 Mrd. Modellumsatz. Das Branchenbuch ist derzeit im Minus. Google sagt, dass sein eigenes Setup sich innerhalb von zwölf Monaten zurückzahlt. Beides kann stimmen.
Kurian stellt als Vorteil vor allem die vertikale Integration. 2,7x besseres Preis-Leistungs-Verhältnis beim Training. 80% besser bei der Inferenz. 30% besser auf CPUs. Chip und Modell wurden gemeinsam entwickelt.
Die zweite Offenlegung ist das $NVDA-Problem.
Google verkauft jetzt TPUs als Capex. Kunden kaufen die Boxen und betreiben sie in eigenen Gebäuden. Außerdem gibt es eine Neocloud-Linie mit Blackstone. Kurian begründete es unmissverständlich: Wenn der Kunde die Hardware besitzt, muss Google keinen Capex ausgeben, muss keinen Strom oder keine Fläche bereitstellen. Umsatz ohne den Aufbau.
Das ist ein Händler-Silizium-Geschäft. Kurian sagte, das Portfolio aus Googles Beschleunigern und CPUs sei mehr als 2x so groß wie das des nächstgrößeren Hyperscalers.
Gleiche Session: 17 Produktlinien über $1 Mrd. $100 Mio.+ Deals mit bis zu 2x YoY und QoQ. Kunden, die sich verpflichten, geben typischerweise 50%+ über der Zusage aus. 90% der Fortune-100-Unternehmen bei Gemini Enterprise.
Der KI-Handel war bisher: Wer verkauft die Rechenleistung. Google argumentiert, dass es den Chip verkaufen, den Chip vermieten und das Modell verkaufen kann, das darauf läuft.
Beobachte die Cloud-Margen im nächsten Quartal. Dort wird aus einer Kapitalbeschaffungs-Mischung auf der Konferenzlinie mehr.
$GOOGL $NVDA $AVGO
