Kan Google nekte Meta å bruke Gemini? Det viser seg at de kan

Kan verdens største AI-selskaper i det hele tatt stole på hverandres infrastruktur? Det spørsmålet ble satt på spissen da Financial Times i går rapporterte at Google har innført begrensninger på Meta sin bruk av Gemini-modellene. Det er en merkelig situasjon: to av de rikeste teknologiselskapene i verden, begge med egne ambisiøse AI-programmer, og det ene har likevel måttet kjøpe kapasitet av det andre – og fått nei.

Saken kan virke teknisk og kjedelig, men den sier noe interessant om hvordan AI-bransjen faktisk fungerer bak fasaden. Og nei, det handler ikke om at Google og Meta plutselig er blitt fiender. Det er mer komplisert enn det.

La oss se på hva som faktisk skjedde, og hva det betyr.

Hva betyr det egentlig at Google «begrenser» Meta?

Det er verdt å lese overskriften to ganger. «Google begrenser Metas bruk av Gemini» høres dramatisk ut – som om Google har stengt en dør og kastet nøkkelen. Virkeligheten er mer prosaisk: ifølge Financial Times skjedde dette rundt mars, da Google fortalte Meta at de ikke kunne levere all den Gemini-kapasiteten Meta ville kjøpe. Det dreier seg altså om kapasitet, ikke en politisk beslutning om å nekte Meta tilgang.

Skytjenester er bygget på et prinsipp de fleste ikke tenker over: leverandøren selger «ubegrenset kapasitet» – helt til du faktisk prøver å bruke for mye av den. Enhver stor sky-leverandør opererer med kvoter og rategrenser, og når en kunde begynner å presse mot taket, skjer det som nå: kapasiteten begrenses. Meta er tydeligvis en kunde som bruker enormt mye, og ifølge rapporten ble flere av Metas interne AI-prosjekter forsinket og forstyrret av at de ikke fikk nok.

Et lite detaljpoeng sier mer enn store ord: ifølge Financial Times, som brøt historien, har Meta bedt sine ansatte om å være mer sparsommelige med tokens – altså enhetene som måler hvor mye AI man faktisk bruker. Når et selskap på Metas størrelse begynner å mase om token-budsjettet internt, har de truffet en ekte vegg.

Hvorfor kjøper Meta Gemini når de har egne modeller?

Her er det interessante: Meta har sine egne kraftige AI-modeller. Llama-serien er blant de beste open-source-modellene som finnes. Og likevel kjøper de kapasitet fra Google. Hvorfor?

Kilden sier ikke nøyaktig hva Meta bruker Gemini til, så her må jeg gjette litt – men det henger på spesialisering og volum. Selv selskaper med egne toppmodeller handler pragmatisk: kjøp den løsningen som er billigst og best for akkurat den deloppgaven, uavhengig av hvem som leverer den. Bildeanalyse og innholdsmoderering på Facebook og Instagram skjer i et omfang de fleste ikke kan forestille seg, og da kan det godt lønne seg å leie inn ekstern kapasitet i stedet for å brenne all sin egen på det.

Det er med andre ord ikke et tegn på at Meta mangler teknologi. Det er et tegn på at AI nå handler like mye om hvor mye regnekraft du har tilgang til, som om hvor smart modellen din er.

Hva sier dette om AI-markedet?

Mye, faktisk. Vi er midt i en situasjon der de samme selskapene er hverandres kunder, konkurrenter og leverandører – gjerne på samme tid. Google konkurrerer med Meta om AI-talent, annonsepenger og brukere. Og likevel kjøper Meta kapasitet av Google.

Det forteller meg at kapasitet og infrastruktur er blitt en like viktig del av AI-spillet som selve modellene. Og dette er ikke bare et Meta-problem: ifølge rapporten har flere av Googles andre kunder også blitt rammet, om enn i mindre grad. Selv Google selv kjenner det på kroppen. Google Cloud omsatte for 20 milliarder dollar (cirka 220 milliarder kroner) i første kvartal, men Sundar Pichai har sagt rett ut at mangel på regnekraft hindret enda høyere vekst – og at ordrekøen nesten doblet seg fra kvartalet før. Etterspørselen er rett og slett større enn det noen klarer å bygge ut.

Den som eier GPU-ene og datasentrene i dag, eier en stor del av AI-bransjen i morgen. Det er noe av grunnen til at satsingen på infrastruktur er så enorm akkurat nå. Googles Gemini 3.0-satsing handler ikke bare om bedre modeller – den handler om å bli den foretrukne sky-leverandøren for AI.

Er dette et problem for deg som bruker AI-tjenester?

Direkte? Neppe. Men det er en nyttig påminnelse om noe mange glemmer: AI-tjenester er ikke magisk ubegrenset kapasitet. De er bygget på fysisk infrastruktur – kjølesystemer, elektrisitet, GPU-er – og den infrastrukturen er endelig.

For de fleste som bruker Gemini direkte eller via API, er dette irrelevant. Det er selskapskunder i Metas størrelsesorden som møter slike grenser. Men det er en god grunn til å ikke ha alle eggene i én kurv når du bygger produkter på toppen av andres AI-infrastruktur. Avhengighet av én leverandørs kapasitet er en risiko, uansett hvem leverandøren er.

Det finnes gode alternativer. OpenRouter er et eksempel – et aggregeringslag som lar deg bytte mellom modeller og leverandører uten å skrive om all koden din. Selv bruker jeg det mye nettopp av den grunn: fleksibilitet er undervurdert helt til du plutselig trenger det.

Hva betyr dette for Gemini som modell?

Ingenting negativt, egentlig. At Meta bruker Gemini i så stort volum at de treffer kapasitetsgrenser, er på en merkelig måte en kompliment til modellen. Det betyr at den er god nok og billig nok til at et selskap med Metas ressurser velger den over sine egne alternativer for visse oppgaver.

Gemini Embedding 2 er et godt eksempel på at Google treffer godt på spesialiserte oppgaver. Slike modeller er ikke designet for å imponere i en chatbot – de er laget for å gjøre én ting ekstremt godt og ekstremt effektivt. Det er åpenbart noe Meta verdsetter.

Saken er lite dramatisk i det store bildet, men den er en fin påminnelse om at AI-bransjen er langt mer sammenvevd enn den ser ut til på utsiden. Og at kapasitet er en ekte ressurs, ikke noe som dukker opp av ingenting.

Ofte stilte spørsmål