Všichni jsou posedlí GPU od Nvidie. Mezitím Meta v tichosti podepsala s Amazonem miliardový deal na… CPU. Ne, to není vtip a ani chyba v Matrixu. Je to další, a možná ta nejdůležitější, kapitola v závodech o nadvládu v AI.
Poslední dva roky se v technologiích všechno točí jen kolem jedné věci. Kdo má víc GPU. Kolik H100 nebo B200 od Nvidie dokážete sehnat a zapojit. Je to fetiš, posedlost, jediná metrika úspěchu v AI. A pak přijde Meta, jedna z firem, která pálí peníze na AI po miliardách, a udělá tohle. Podepíše s AWS deal na desítky milionů jader procesorů Graviton5. Procesorů. CPU.
První reakce? Museli se zbláznit. Proč by někdo utrácel miliardy za CPU, když celý svět ví, že AI = GPU? Jenže ono je to trochu jinak. A tenhle krok je možná to nejchytřejší, co Meta za poslední dobu udělala.
Nikdo nepopírá, že na trénování velkých jazykových modelů potřebujete masivní, brutální, paralelní výkon. Na to jsou grafické karty dokonalé. Je to jako stavět motor pro nové auto. Potřebujete obrovskou, specializovanou továrnu plnou robotů, která chrlí jednu součástku za druhou v masivním měřítku. To je trénink. To je to, kde Nvidia vydělává neskutečné peníze.
Jenže co se stane, když je motor hotový? Musíte ho dát do auta, připojit k němu volant, brzdy, světla, navigaci a hlavně posadit za volant řidiče, který s ním bude jezdit v reálném provozu. A na to už tu obří továrnu nepotřebujete. Naopak by byla strašně neefektivní. Potřebujete něco jiného. Něco, co umí rychle reagovat, koordinovat spoustu malých úkolů a rozhodovat se. Potřebujete palubní desku a mozek řidiče. To je CPU a to je inference.
Ta nová, velká věc v AI nejsou jen chytřejší chatboti. Je to takzvaná „agentic AI“. Umělá inteligence, která má za úkol něco udělat. Naplánovat vám dovolenou a rovnou ji zarezervovat. Napsat kód, otestovat ho a nasadit ho na server. Projít tisíce dokumentů a připravit z nich strategii. Tohle všechno nejsou jednorázové, masivní výpočty. Je to série tisíců malých, logických, na sebe navazujících kroků. Použít nástroj, zavolat API, zpracovat výsledek, rozhodnout se co dál.
A na tohle je GPU prostě špatný nástroj. Drahý a neefektivní. Jako poslat na nákup do večerky letadlovou loď. CPU je pro tenhle typ workloadu mnohem vhodnější. Zvlášť moderní serverové CPU jako Graviton od Amazonu, které je navržené přesně na masivně paralelní, ale relativně jednoduché úlohy s nízkou latencí. Ta pětinásobně větší cache a zkrácení komunikace mezi jádry o 33 % není jen marketingový blábol. Je to přesně to, co agentní AI potřebuje k dýchání.
Zatímco ostatní se horečně přebíjejí v aukcích o lopaty (GPU) během zlaté horečky, Zuckerberg si v klidu buduje celou logistickou síť. Je to geniální diverzifikace rizika a nákladů. Má nejdražší a nejlepší GPU od Nvidie na trénování. Vyvíjí si vlastní čipy (MTIA) na specifické úlohy. A teď si zajistil masivní, cenově efektivní kapacitu CPU od AWS na tu největší vlnu, která přichází – na provoz autonomních agentů ve velkém měřítku.
Nezavírá se do jednoho ekosystému. Nečeká ve frontě jen na jednu firmu. Rozkládá sázky a optimalizuje náklady pro každý typ AI workloadu zvlášť. Já vím, zní to nudně a korporátně, ale přesně takhle se vyhrávají technologické války. Ne tím, kdo má nejvíc naleštěnou zbraň, ale kdo má nejlepší logistiku.
Takže až příště uslyšíte o dalším super-clusteru od Nvidie, vzpomeňte si na tenhle deal. Ta skutečná revoluce se možná neodehrává v tom nejhlasitějším rachotu, ale v tichém vrčení milionů CPU jader, která se konečně učí samostatně jednat.