Tekoäly
Johtaako Googlen Gemini nyt tekoälykilpailua?
Securities.io noudattaa tiukkoja toimituksellisia standardeja ja voi saada korvausta tarkistetuista linkeistä. Emme ole rekisteröity sijoitusneuvoja, eikä tämä ole sijoitusneuvontaa. Katso lisätietoja tytäryhtiöiden ilmoittaminen.
Tekoälyteknologian kehitystä on oikeutetusti kuvattu kilpajuoksuksi, jossa yksityiset startup-yritykset, kuten OpenAI ja Anthropic, kilpailevat vastakkain teknologiajättien, kuten Microsoftin, kanssa. (MSFT ) ja Google (GOOGL )Tätä kilpailua ovat vauhdittaneet satojen miljardien dollarien investoinnit, ei pelkästään ohjelmistokehitykseen, vaan myös massiivisiin pääomamenoihin yhä suurempien ja tehoa vaativampien tekoälydatakeskusten rakentamiseksi uusimpien mallien kouluttamiseksi.
Samaan aikaan myös kiinalaiset mallit kehittyvät nopeasti, mikä lisää länsimaisten yritysten pyrkimysten kiireellisyyttä ja geopoliittista kilpailua.
Viime aikoina näyttää siltä, että Googlen Gemini on vetänyt kilpailijoitaan edelle, erityisesti Gemini 3 Deep Think -mallin julkaisun myötä. Se keskittyy realistiseen ymmärrykseen paitsi kielistä myös fyysisestä maailmasta. Lisäksi myös Apple on valinnut Googlen. (AAPL ) käyttää yrityksen laitteiden tekoälyä ja edistyy tekoälysirujen valmistuksessa.
Gemini 3 Syvä ajatus: Mikä muuttui?
Syvän ajattelun julkaisu
Julkaisun myötä 12. helmikuutathVuonna 2026 julkaistussa Gemini 3 Deep Think -tutkimuksessa Google otti merkittävän askeleen eteenpäin siirtyessään enimmäkseen hakuun ja kieleen keskittyvistä tekoälyistä kohti yleisempiä tekoälyjä, jotka kykenevät ymmärtämään fyysistä maailmaa.
Tämä on tärkeä kehitysaskel, sillä ”fyysinen tekoäly” on alan suunta, jota tutkimme tarkemmin artikkelissa ”Fyysinen tekoäly: Investointi vuoden 2026 humanoidirobottibuumiin"
Uusi Deep Think on toistaiseksi saatavilla Gemini-sovelluksessa Google AI Ultra -tilaajille ja ensimmäistä kertaa Gemini API:n kautta valituille tutkijoille, insinööreille ja yrityksille, mikä tekee tästä tekoälystä jo kaupallisesti saatavilla, ei vain testimallina.
Matematiikka ja luonnontieteet ensin
Deep Think erottaa aiemmista Gemini-iteraatioista ja jossain määrin myös muista tekoälyistä keskittymisensä matemaattiseen ymmärrykseen.
Oikeustieteen maisterit suoriutuvat tunnetusti heikosti yksinkertaisissa matemaattisissa tehtävissä, joskus jopa yksinkertaisissa yhteenlaskuissa tai järjestyksessä laskemisessa. Tämä ei pidä paikkaansa Deep Thinkissä, joka on mahdollistanut erikoistuneiden agenttien suorittaman tutkimustason matemaattisen tutkimisen. Malli on huomattavasti parempi kuin muut mallit matematiikan ja luonnontieteiden testeissä. Se suoriutuu erittäin hyvin myös koodaustehtävistä.
Lähde: Google
Ero Gemini Pro Preview'ssa on vielä selvempi tieteellisiä aiheita koskevissa testeissä, kuten kansainvälisissä matematiikan ja kemian olympialaisissa, joissa se sai noin 82 % pisteistä, kun se aiemman Google LLM -mallin matematiikan testissä oli vain 14 %.
Lähde: Google
Nämä tulokset olivat mahdollisia radikaalisti erilaisen arkkitehtuurin ansiosta kuin "klassisissa tekoälyissä", jotka kärsivät hallusinaatioista, kun dataa on liian vähän, mikä määritelmän mukaan pätee aina uusimpiin tieteellisiin löydöksiin.
Esimerkiksi puhtaassa matematiikassa matemaattinen tutkimusagentti (sisäisesti koodinimeltään Aletheia), jota käyttää Gemini Deep Think, sisältää luonnollisen kielen varmentajan, joka tunnistaa ratkaisuehdokkaiden virheet. Se mahdollistaa ratkaisujen luomisen ja tarkistamisen iteratiivisen prosessin. Ratkaisevasti tämä agentti pystyy myöntämään ongelman ratkaisematta jäämisen, mikä on keskeinen ominaisuus, joka paransi tutkijoiden tehokkuutta.
Lähde: Google
Tämä lähestymistapa ei ole ainoastaan tehokkaampi oikeiden tulosten antamisessa, vaan se on myös tehokkaampi, kuten Aletheia osoitti, että parempi päättelyn laatu voidaan saavuttaa lyhyemmällä päättelyajalla.
Lähestymistapaa voidaan laajentaa matematiikasta muihin fysikaalisiin tieteisiin. Esimerkiksi Gemini Deep Think -projektissa löydettiin, kuinka käyttää "uudenlaista ratkaisua Gegenbauer-polynomeja käyttäen" kosmisten säieiden gravitaatiosäteilyn laskemiseen.
Todelliset tieteen sovellukset
Tämä suorituskyky on jo siirtynyt tutkijoiden todellisiin tieteellisiin käyttötarkoituksiin.
Esimerkiksi matemaatikko Lisa Carbone Rutgersin yliopistosta käytti Deep Think -ohjelmistoa löytääkseen loogisen virheen, jonka ihmisarvioijat olivat jättäneet huomaamatta erittäin teknisessä matemaattisessa artikkelissa, joka käsitteli Einsteinin painovoimateoriaa ja kvanttimekaniikkaa.
Deep Think -menetelmää käytti myös Duken yliopiston Wang Lab suunnitellakseen reseptin yli 100 mikrometrin kokoisten puolijohdeohutkalvojen kasvattamiseksi, mikä oli aiemmin haastava tavoite.
Jakelu, laitteisto ja strateginen momentum
Deep Thinkin saavutus tulee muiden Googlen tekoälytiimin hyvien uutisten lisäksi.
Tärkein oli Applen, ainoan teknologiajätin, joka oli enimmäkseen jättänyt tekoälykilpailun ulkopuolelle, päätös ottaa Gemini käyttöön Applen laitteiden oletustekoälynä. Tässä yhteydessä On järkevää, että OpenAI julisti joulukuussa 2025 "punaisen koodin" Googlen ja muiden tekoälyyritysten edistykselle..
Geminin käyttäjäkunta on kasvanut elokuussa julkaistun kuvageneraattorin, Nano Bananan, jälkeen, ja Googlen mukaan kuukausittaisten aktiivisten käyttäjien määrä kasvoi heinäkuun 450 miljoonasta lokakuun 650 miljoonaan.
OpenAI kohtaa myös painetta Anthropicilta, josta on tulossa suosittu yritysasiakkaiden keskuudessa.
Yksi Googlen viimeaikaisista voitoista on sen tekoälysirujen menestys. Ensinnäkin, Anthropic ilmoitti alkavansa käyttää Googlen tekoälysiruja, joita kutsutaan TPU:iksi. (Tensor-prosessointiyksiköt), mukaan lukien jopa miljoonan prosessorin käyttö tekoälyohjelmistonsa voimanlähteenä. Nyt, kilpaileva tekoälyyritys Meta liittyy myös Googlen TPU-piirien käyttöön, mikä kyseenalaistaa, onko Googlesta tulossa Nvidian kilpailija (NVDA ) yhtä paljon kuin OpenAI:lle.
(Lisätietoja TPU-prosessoreista ja muista tekoälyyn keskittyvistä laitteista, kuten XPU-prosessoreista, FPGA-prosessoreista jne., löydät kohdasta ”Investoiminen tekoälylaitteistoon: suorittimista XPU-prosessoreihin")
Alphabetin tekoälystrategia: Vertikaalinen integraatio skaalautuvasti
Pyyhkäise vierittääksesi →
| Yritys | Mallin fokus | Laitteistostrategia | Jakelun ohjaus | Pystysuuntainen integrointi |
|---|---|---|---|---|
| Aakkoset | Gemini 3 Syvällinen ajattelu (matematiikka/luonnontieteet) | Sisäiset TPU:t | Android + Haku + Mahdollinen Apple-reititys | Täysi pino (siru → pilvi → kuluttaja) |
| Microsoft/OpenAI | GPT-mallit (yleinen LLM) | Nvidia-näytönohjaimet Azuren kautta | Windows + Yritys SaaS | Osittainen |
| Meta | Laama (avoin paino) | Näytönohjaimet + mukautettu pii | Sosiaaliset alustat | Kohtalainen |
| Antropinen | Claude (yrityspainotteinen) | Google TPU: t | API + Enterprise -tarjoukset | Matala |
Keskittyminen TPU-teknologiaan on hyvä osoitus Googlen strategiasta. Vankat oikeustieteen maisterit, kuten Gemini, ja erinomainen suorituskyky tosielämän sovelluksissa, kuten Deep Think, ovat tietenkin erittäin tärkeitä.
Mutta Googlella on vankka asema tekoälyn jakelun hallinnassa sekä kustannusrakenteessa ja pääoman saatavuudessa.
Googlen läsnäolo mobiilimarkkinoilla Androidin kautta on jo vahva, mutta Applen kanssa tehdyn sopimuksen myötä se lähes takaa, että useimmat tekoälypyynnöt, joita ei ole erityisesti reititetty tiettyyn tekoälysovellukseen, menevät Geminiin suoraan tai epäsuorasti.
Toinen tekijä on TPU-piirien kasvava käyttö. Joidenkin raporttien mukaan TPU-piirit ovat noin 30 % halvempia kuin Nvidian näytönohjaimet ja tarjoavat 2–4 kertaa paremman suorituskyvyn dollaria kohden vastaavissa työkuormissa. Saman laskentatehon pienempi energiankulutus ei ole pelkästään taloudellinen ongelma; se auttaa myös skaalaamaan tekoälydatakeskuksia kasvavista energiansaantirajoituksista huolimatta.
Lopuksi, vertikaalisen integraation taso – alkaen TPU-yksiköistä suoraan omistettuihin datakeskuksiin, yritystason pilvialustaan ja lopulta kuluttajille suunnattuun jakelukanavaan – on toimialalla vertaansa vailla, ja vain Microsoft pääsee lähelle sitä yritysmaailmassa.
Lopuksi, tekoälyinfrastruktuurin rakentaminen on ollut poikkeuksellisen kallista. Nämä sadat miljardit dollarit siruissa ja datakeskuksissa on nyt maksettava, ja ne aiheuttavat massiivisia poistoja taseeseen joka vuosi. Alphabetin kassavirtojen mittakaava hausta, YouTubesta, Androidista ja muista tuotteista auttaa sitä selviytymään sekä tämän infrastruktuurin alkukustannuksista että tulevasta ylläpidosta.
Vetääkö Kaksoset todella eteenpäin?
On todellakin ennenaikaista vaatia tiettyä tekoälykilpailun "voittajaa". Esimerkiksi koko nykyinen paradigma voisi kääntyä nurin, jos nyt yhdistyneen xAI/Spacen kiertoradalla sijaitsevat datakeskukset osoittautuvat vahvaksi kilpailueduksi.
Mutta näyttää siltä, että muutamia trendejä on syntymässä, jotka kulkevat Googlen eduksi.
Ensimmäinen on erikoistuneen tekoälylaitteiston tarve, alue, jolla monet teknologiajätit ovat jäljessä, mikä antaa etulyöntiaseman siruvalmistajille ja Googlelle.
Toinen on jakelun hallinnan merkitys suurelle yleisölle, joka ei ehkä ole kovin tietoinen siitä, mitä tekoälyä heidän tulisi käyttää. Tässä suhteessa suora pääsy koko Applen ekosysteemiin heijastaa aiempaa strategiaa, jossa Googlesta tehtiin iPhonen oletushakukone (joka jopa johti Yhdysvaltojen kilpailuoikeudellisiin päätöksiin vuoden 2025 lopulla, koska se oli "liian hyödyllinen").
Yhdessä Deep Thinkin matematiikan ja luonnontieteiden osaamisen kanssa Googlella on loistava alku vuodelle 2026 tekoälyn osalta. Säilyttääkö tämä johtava asema pitkään OpenAI:n, Microsoftin, Metan, Anthropicin ja lukuisten kiinalaisten mallien – mukaan lukien kiinalaisten teknologiajättien, kuten Alibaban – vastarinnan? (BABA ) tai ByteDance – jää vielä näkemättä.
