Tekoäly
Onko Googlen Gemini nyt johtamassa AI‑kilpailua?
Lisää Securities.io suosikkilähteisiisi Google-palvelussa
AI‑teknologian kehitystä on oikeutetusti kuvattu kilpailuksi, jossa yksityiset startupit kuten OpenAI ja Anthropic kilpailevat tasavertaisesti teknologiajättien kuten Microsoft (MSFT ) ja Google (GOOGL ) kanssa. Tämä kilpailu on saanut voimansa sadoista miljardien dollarin investoinneista, ei vain ohjelmistokehitykseen, vaan myös massiivisiin pääomakuluihin, joilla rakennetaan yhä suurempia ja energiatehokkaampia AI‑datakeskuksia uusimpien mallien kouluttamiseksi.
Sillä välin kiinalaiset mallit kehittyvät myös nopeasti, lisäten kiireellisyyden ja geopoliittisen kilpailun tunnetta länsimaisten yritysten ponnisteluihin.
Viime aikoina vaikuttaa siltä, että Googlen Gemini on ajautumassa kilpailijoiden edelle, erityisesti Gemini 3 Deep Think -mallin julkaisun myötä, joka keskittyy realistiseen ymmärrykseen ei vain kielistä vaan myös fyysisestä maailmasta. Lisäksi Google on valittu Applen (AAPL ) toimittajaksi laitteiden AI‑voimanlähteeksi ja edistyy AI‑sirujen liiketoiminnassa.
Gemini 3 Deep Think: Mikä muuttui?
Deep Think -julkaisu
Gemini 3 Deep Think -mallin julkaistu 12. helmikuutath 2026, Google otti selkeän askeleen eteenpäin siirtyessään AI:sta, jotka keskittyvät enimmäkseen hakuun ja kieleen (LLM:t), kohti yleistajuisempia AI:ita, jotka pystyvät ymmärtämään fyysistä maailmaa.
Tämä on tärkeä kehitys, sillä “Physical AI” on alan suunta, trendi, jota tarkastelimme tarkemmin artikkelissa “Physical AI: Sijoittaminen vuoden 2026 humanoidirobottien buumiin“.
Toistaiseksi uusi Deep Think on saatavilla Gemini‑sovelluksessa Google AI Ultra -tilaajille, ja ensimmäistä kertaa myös Gemini API:n kautta valikoiduille tutkijoille, insinööreille ja yrityksille, mikä tekee tästä AI:sta jo kaupallisesti saatavilla olevan, ei pelkästään testimallin.
Matematiikka & Tiede Ensin
Mikä erottaa Deep Thinkin aiemmista Gemini‑versioista, ja osittain myös muista AI:ista, on keskittyminen matemaattiseen ymmärrykseen.
LLM:t ovat maineikkaasti heikkoja yksinkertaisissa matemaattisissa tehtävissä, joskus epäonnistuen jopa peruslaskuissa tai järjestyksessä laskemisessa. Tämä ei pidä paikkaansa Deep Thinkin kohdalla, joka on mahdollistanut erikoistuneiden agenttien suorittaa tutkimustason matemaattista tutkimusta. Malli ylittää massiivisesti muut mallit matematiikka‑ ja tieteiskokeissa. Se suoriutuu myös erinomaisesti koodaustehtävissä.
Lähde: Google
Ero Gemini Pro Preview -malliin on vieläkin selkeämpi tieteellisiä aiheita koskevissa testeissä, kuten kansainvälisissä matematiikkalogioksissa tai kemian olympialaisissa, joissa se sai noin 82 %, verrattuna vain 14 %:iin edellisen Googlen LLM‑mallin matematiikkatestissä.
Lähde: Google
Nämä tulokset olivat mahdollisia radikaalisti erilaisen arkkitehtuurin ansiosta verrattuna “klassisiin AI:hin”, jotka kärsivät harhoista, kun data on liian niukkaa, mikä määritelmän mukaan on aina tilanne uusimmissa tieteellisissä löydöissä.
Esimerkiksi puhtaassa matematiikassa matemaattinen tutkimusagentti (sisäisesti koodinimeltään Aletheia), jonka voimanlähteenä on Gemini Deep Think, sisältää luonnollisen kielen tarkistajan tunnistamaan virheitä ehdotetuissa ratkaisuissa. Se mahdollistaa iteratiivisen prosessin ratkaisujen luomisessa ja tarkistamisessa. Olennaista on, että tämä agentti voi myöntää epäonnistumisen ongelman ratkaisemisessa, mikä on avainominaisuus, joka paransi tutkijoiden tehokkuutta.
Lähde: Google
Tämä lähestymistapa ei ole vain voimakkaampi oikeiden tulosten antamisessa, vaan myös tehokkaampi, sillä Aletheia osoitti, että korkeampaa päättelylaatua voidaan saavuttaa pienemmällä inferenssiajan laskennalla.
Lähestymistapaa voidaan laajentaa matematiikasta muihin fysikaalisiin tieteisiin. Esimerkiksi Gemini Deep Think löysi tavan käyttää “uutta ratkaisua Gegenbauer‑polynomeilla” laskeakseen gravitaatiostraalia kosmisista säikeistä.
Todelliset tieteelliset sovellukset
Tämä suorituskyky on jo kääntymässä todellisiksi tieteellisiksi sovelluksiksi tutkijoiden toimesta.
Esimerkiksi matemaatikko Lisa Carbone Rutgersin yliopistosta käytti Deep Thinkiä löytääkseen loogisen virheen, jonka ihmisen tarkistajat olivat jättäneet huomaamatta erittäin teknisessä matemaattisessa artikkelissa Einsteinin gravitaatioteoriasta ja kvanttifysiikasta.
Deep Thinkiä käytti myös Wang Lab Duke Universityssa suunnitellakseen reseptin puolijohteisten ohutkalvojen kasvattamiseen, jotka ovat yli 100 mikrometriä paksuja, aiemmin haastava tavoite.
Jakelu, Laitteisto & Strateginen Momentum
Deep Thinkin saavutus tulee muiden hyvien uutisten päälle Googlen AI‑tiimille.
Tärkein oli Applen päätös, ainoa teknologiagigantti, joka pitkälti pysyi poissa AI‑kilpailusta, ottaa Gemini oletus‑AI:nään Apple‑laitteissa. Tässä yhteydessä on järkevää, että OpenAI julisti joulukuussa 2025 “Code Red” -tilanteen Googlen edistymisestä ja muista AI‑yrityksistä.
“Geminin käyttäjäkunta on kasvanut siitä lähtien, kun elokuussa julkaistiin kuvageneraattori Nano Banana, ja Google kertoi kuukausittaisten aktiivisten käyttäjien nousseen 450 miljosta 650 miljoonaan lokakuussa.
OpenAI kohtaa myös painetta Anthropicilta, joka on kasvattanut suosiotaan yritysasiakkaiden keskuudessa.”
Toinen Googlen viimeaikaisista voitoista on AI‑sirujen menestys. Aluksi se oli Anthropic, joka ilmoitti aloittavansa Googlen AI‑sirujen, TPUs (Tensor Processing Units), käytön, mukaan lukien jopa miljoonan prosessorin käyttäminen AI‑ohjelmistonsa voimanlähteenä. Nyt kilpaileva AI‑yritys Meta liittyy myös käyttämään Googlen TPUs:ia, mikä herättää kysymyksen, onko Google nousemassa Nvidian (NVDA ) kilpailijaksi yhtä paljon kuin OpenAI:lle.
(Voit lukea lisää TPUs:sta ja muusta AI‑keskeisestä laitteistosta, kuten XPUs, FPGAs jne., artikkelista “Sijoittaminen AI‑laitteistoon: CPU:sta XPU:hin“)
Alphabettin AI‑strategia: Pystysuora integrointi mittakaavassa
Pyyhkäise vierittääksesi →
| Yritys | Mallin fokus | Laitteistostrategia | Jakelukontrolli | Pystysuora integrointi |
|---|---|---|---|---|
| Alphabet | Gemini 3 Deep Think (Matematiikka/Tiede) | Omassa hallussa olevat TPU:t | Android + Haku + Mahdollinen Apple‑reittitys | Täysi pino (Sirun → Pilvi → Kuluttaja) |
| Microsoft/OpenAI | GPT‑mallit (Yleinen LLM) | Nvidia GPU:t Azuren kautta | Windows + Yritys‑SaaS | Osittainen |
| Meta | Llama (Avoin paino) | GPU:t + Räätälöity piiri | Sosiaalialustat | Kohtalainen |
| Anthropic | Claude (Yritys‑keskeinen) | Google TPU:t | API + Yritys‑sopimukset | Alhainen |
Keskittyminen TPU:ihin on hyvä indikaattori Googlen strategiasta. Vahvat LLM:t kuten Gemini ja ylivoimainen suorituskyky todellisissa sovelluksissa, kuten Deep Think, ovat tietenkin erittäin tärkeitä.
Mutta AI:n jakelun hallinnassa sekä kustannusrakenteessa + pääoman saatavuudessa Google pitää vahvaa asemaa.
Googlen läsnäolo mobiilimarkkinoilla Androidin kautta on jo vahva, mutta Applen kanssa tehty sopimus takaa lähes, että suurin osa AI‑pyynnöistä, joita ei ohjata tiettyyn AI‑sovellukseen, menee Geminille, suoraan tai välillisesti.
Toinen komponentti on kasvava riippuvuus TPU:ista. Jotkut raportit sanovat, että TPU:t ovat noin 30 % halvempia kuin Nvidia GPU:t ja tarjoavat 2–4‑kerran paremman suorituskyvyn dollaria kohden vertailukelpoisissa kuormissa. Alhaisempi energian kulutus samalla laskentateholla ei ole pelkästään taloudellinen kysymys; se auttaa myös skaalamaan AI‑datakeskuksia energian saatavuusrajoitusten kasvaessa.
Lopuksi, pystysuoran integraation taso — alkaen TPU:ista, suoraan omistettuihin datakeskuksiin, yrityspilvialustaan ja lopulta kuluttajakanavaan — on vertaansa vailla alalla, ja vain Microsoft on hieman lähellä tätä yrityssegmentissä.
Lopuksi, AI‑infrastruktuurin rakentaminen on ollut poikkeuksellisen kallista. Nämä satojen miljardien dollarin sirut ja datakeskukset on nyt maksettava, ja ne aiheuttavat valtavat poisto‑ ja amortisaatiokustannukset taseessa vuodesta eteenpäin. Alphabettin kassavirtojen mittakaava hakupalveluista, YouTubesta, Androidista ja muista tuotteista tekee siitä paremmin kykenevän käsittelemään sekä alkuinvestoinnit että tulevan ylläpidon.
Onko Gemini todella ajautumassa etumatkalle?
Kutsua tiettyä “voittajaa” AI‑kilpailussa on varmasti ennenaikaista. Esimerkiksi koko nykyinen paradigma voisi horjua, jos orbitaaliset datakeskukset nyt yhdistyneen xAI/Space:n toimesta osoittautuvat vahvaksi kilpailueduksi.
Mutta vaikuttaa siltä, että muutama trendi nousee esiin, jotka suuntaavat Googlen puolelle.
Ensimmäinen on tarve erikoistuneelle AI‑laitteistolle, alue, jossa monet teknologiagigantit ovat jäljessä, mikä antaa etua sirujen valmistajille ja Googlelle.
Toinen on jakelukontrollin merkitys yleisölle, joka ei välttämättä ole tietoinen siitä, mitä AI:ta he voivat tai pitäisi käyttää. Tässä mielessä suora pääsy koko Apple‑ekosysteemiin heijastaa aiempaa strategiaa saada Google oletushakukoneeksi iPhoneilla (mikä johti Yhdysvaltain kilpailulainsäädännön päätöksiin loppuvuodesta 2025, koska se oli “liian hyödyllinen”).
Yhdessä Deep Thinkin matemaattisen ja tieteellisen osaamisen kanssa Google kokee loistavan alun vuodelle 2026 AI:n saralla. Pysyykö tämä johtava asema pitkään OpenAI:n, Microsoftin, Metan, Anthropicin ja lukuisien kiinalaisten mallien, mukaan lukien kiinalaiset teknologiagigantit kuten Alibaba (BABA ) tai ByteDance, vastustuksen alla, on vielä nähtävissä.
