Google przykręca kurek Mecie. Nawet giganci AI zaczynają liczyć „tokeny”

Według „Financial Times” Google wprowadziło limity na korzystanie przez Metę z modeli Gemini. Powód: zbyt duże zapotrzebowanie na moc obliczeniową po stronie właściciela Facebooka. FT, powołując się na osoby znające sprawę, podaje, że Google poinformowało Metę na początku tego roku, iż nie będzie w stanie dostarczyć pełnej zamówionej przez nią przepustowości modeli Gemini. Ograniczenia miały opóźnić część wewnętrznych projektów AI Mety. Informację za FT opisał także Reuters.

Sprawa jest o tyle ciekawa, że dotyczy dwóch firm, które same należą do ścisłej czołówki globalnego wyścigu AI. Meta rozwija własną rodzinę modeli Llama, a Google promuje Gemini jako jeden z filarów swojej strategii w chmurze i produktach konsumenckich. Mimo to Meta, według FT, wciąż korzystała z modeli konkurenta na tyle intensywnie, że stała się jednym z najbardziej wymagających klientów Google.

Wewnętrzne projekty AI pod presją

Z informacji FT wynika, że limity nadal obowiązują, a Meta miała zachęcać pracowników do bardziej oszczędnego korzystania z tokenów, czyli jednostek rozliczających użycie modeli AI. Tokeny są dziś dla firm technologicznych czymś więcej niż techniczną metryką. W praktyce przekładają się na realny koszt obliczeń, obciążenie infrastruktury i tempo realizacji projektów.

Google miało ograniczyć dostęp nie tylko Mecie, ale także części innych klientów, choć w mniejszym stopniu. Meta została dotknięta szczególnie mocno, bo jej popyt na modele Google był wyjątkowo wysoki. Obie firmy odmówiły komentarza w sprawie doniesień FT.

AI ma nowy wąskie gardło: nie algorytm, lecz infrastruktura

Jeszcze niedawno wyścig w sztucznej inteligencji opisywano głównie przez pryzmat jakości modeli: kto ma lepszy chatbot, większy model, sprawniejszego agenta, lepsze wyniki w benchmarkach. Teraz coraz wyraźniej widać, że równie ważna jest zdolność do utrzymania tych modeli w działaniu na ogromną skalę.

Popyt na moc obliczeniową rośnie szczególnie szybko w obszarze inferencji, czyli uruchamiania modeli po ich wytrenowaniu. To właśnie inferencja napędza chatboty, asystentów kodowania, narzędzia do obsługi klienta, systemy reklamowe, wyszukiwarki i agentów AI używanych w firmach. Im więcej realnych zastosowań, tym większy rachunek za GPU, energię, chłodzenie i przepustowość centrów danych.

Wyniki Alphabetu pokazują skalę tego zjawiska. W I kwartale 2026 r. przychody Google Cloud wzrosły o 63 proc. i po raz pierwszy przekroczyły 20 mld dolarów, a portfel zakontraktowanych, ale jeszcze niezrealizowanych usług chmurowych niemal podwoił się kwartał do kwartału, przekraczając 460 mld dolarów. Sundar Pichai wskazywał, że popyt na produkty AI i infrastrukturę jest jednym z głównych motorów wzrostu chmury Google.

Google samo szuka mocy u Muska

Paradoks polega na tym, że Google - jedna z najlepiej zintegrowanych technologicznie firm świata - samo musi szukać dodatkowej mocy obliczeniowej poza własną infrastrukturą. FT podał, że Google podpisało z należącą do Elona Muska SpaceX umowę na dzierżawę mocy obliczeniowej wartą 920 mln dolarów miesięcznie. Według doniesień Tom’s Hardware kontrakt ma ruszyć w październiku 2026 r. i obejmować dostęp do infrastruktury opartej m.in. na 110 tys. GPU Nvidii.

To pokazuje, że rynek AI zaczyna przypominać rynek energii lub logistyki: kto ma dostęp do zasobów w odpowiedniej skali, ten może obsłużyć największych klientów. W tym układzie dostawcami strategicznej infrastruktury mogą stać się nie tylko klasyczne chmury, ale także firmy dysponujące centrami danych, energią, chipami i zdolnością do szybkiego finansowania inwestycji.

Meta buduje własną potęgę obliczeniową

Dla Mety sprawa jest szczególnie wrażliwa, bo firma Marka Zuckerberga od kilku lat przekonuje inwestorów, że AI stanie się centrum jej biznesu. W I kwartale 2026 r. Meta zanotowała 56,3 mld dolarów przychodów, czyli o 33 proc. więcej rok do roku, a Zuckerberg mówił o „personal superintelligence” dla miliardów użytkowników. Jednocześnie spółka zapowiedziała dalsze ogromne wydatki na infrastrukturę AI.

Meta oficjalnie deklarowała wcześniej, że do 2028 r. przeznaczy ponad 600 mld dolarów w USA na infrastrukturę, technologie AI i rozwój miejsc pracy. Firma podkreśla, że centra danych są kluczowe dla budowy kolejnej generacji produktów AI.

Jednocześnie Meta rozwija własne modele Llama. W 2025 r. firma zaprezentowała rodzinę Llama 4, w tym modele Scout i Maverick, reklamowane jako multimodalne i konkurencyjne wobec rozwiązań OpenAI, Google czy Anthropic.

Problem w tym, że nawet własne modele nie rozwiązują wszystkiego. Do ich trenowania, dostrajania, testowania i masowego używania potrzebna jest infrastruktura. A tej, jak pokazuje sprawa Gemini, może brakować nawet największym.

To oznacza też zmianę w biznesowym krajobrazie AI. Firmy, które nie mają własnej infrastruktury, będą coraz bardziej zależne od dostawców chmury. Firmy, które ją mają, będą musiały wybierać, czy priorytetem są ich własne produkty, czy najbardziej dochodowi klienci zewnętrzni.