Podczas keynote I/O 2026 Sundar Pichai podał liczbę, którą większość relacji prasowych przykryła bardziej efektownymi ogłoszeniami: Google planuje wydać w 2026 roku około 180-190 miliardów dolarów na wydatki inwestycyjne. W 2022 roku nakłady inwestycyjne firmy wynosiły 31 miliardów dolarów. To sześciokrotny wzrost w ciągu czterech lat — największa inwestycja infrastrukturalna w historii technologii, przewyższająca wszystko, co jakakolwiek firma wydała w jednym roku.
Nie jest to liczba marketingowa. To konkretne działania: centra danych na wielu kontynentach, siódma generacja własnych chipów TPU, infrastruktura energetyczna (w tym kontrakty na energię jądrową i odnawialną) oraz przepustowość sieci, która pozwoli obsługiwać Gemini setkom milionów użytkowników jednocześnie. Google fizycznie buduje fundament obliczeniowy dla świata, w którym AI działa zawsze i wszędzie.
Najważniejsze wnioski
190 miliardów dolarów to nakład na infrastrukturę, która umożliwia działanie AI zawsze włączonego, zawsze dostępnego i przetwarzającego biliony tokenów dziennie. Taka inwestycja ma sens finansowy tylko wtedy, gdy AI przejdzie ze statusu „narzędzia używanego od czasu do czasu” do „infrastruktury, od której zależy się na co dzień” — właśnie do tego mają prowadzić Gemini Spark, Agenci Informacyjni i Uniwersalny Koszyk. Zakład jest taki, że AI stanie się równie niezbędna jak prąd.
Jak 190 miliardów dolarów wypada w porównaniu z innymi firmami?
| Firma | Szac. nakłady inwestycyjne na AI w 2026 | Model infrastruktury | Główny produkt AI |
|---|---|---|---|
| Google (Alphabet) | $180-190B | Własna (TPU + centra danych) | Gemini + Spark + Search |
| Microsoft | $80-100B (szac.) | Azure (karty Nvidia) | Copilot + partnerstwo z OpenAI |
| Amazon (AWS) | $75-100B (szac.) | AWS (Trainium + Nvidia) | Bedrock + Anthropic |
| Meta | $35-45B (szac.) | Własna (karty Nvidia) | Llama + Meta AI |
| Anthropic | Dzierżawiona (SpaceX + AWS) | Dzierżawione zasoby obliczeniowe | Claude + Claude Code |
Przewaga Google jest znacząca — wynosi mniej więcej dwukrotność nakładów Microsoftu i Amazonu. Korzyść z posiadania własnego krzemu (TPU) oznacza, że Google kontroluje zarówno warstwę sprzętową, jak i programową, ograniczając zależność od ograniczeń dostaw Nvidii, które hamują konkurencję.
---📬 Korzystasz z tego materiału? Poruszamy biznesowe aspekty AI, które wpływają na Twoje koszty i możliwości. Otrzymuj go w skrzynce →
---Co to oznacza dla użytkowników AI?
Ceny powinny spaść. Większa pojemność obliczeniowa = niższy koszt jednostkowy. Przejście Google na model rozliczeń oparty na zużyciu zasobów (zamiast limitów dziennych) wymaga obfitych i tanich zasobów obliczeniowych. Inwestycja 190 miliardów dolarów umożliwia ten model — a presja konkurencyjna wynikająca z tej pojemności wymusi obniżki cen w całej branży, w tym dla Claude i ChatGPT.
Limity szybkości wzrosną. Gemini Spark działający 24/7 na oddzielnych VM-ach dla każdego subskrybenta Ultra wymaga ogromnej infrastruktury. Inwestycja w pojemność sprawia, że „agent AI dla każdego użytkownika, zawsze działający” staje się fizycznie możliwy. Limity szybkości Gemini będą hojne — Google ma wystarczającą pojemność do obsługi intensywnego użytkowania.
Modele będą się rozwijać szybciej. Trenowanie modeli granicznych wymaga ogromnych zasobów obliczeniowych。 Inwestycja 190 miliardów dolarów umożliwia jednoczesne trenowanie Gemini 4.0 i obsługę miliardów zapytań inferencyjnych dla Gemini 3.5. Ta infrastruktura pozwala na równoległy rozwój, którego mniejsze firmy nie mogą sobie pozwolić.
Konku