大家好！今天要和大家聊聊最近科技圈的大新闻——曾经被戏谑“沉睡”的谷歌，这次是真的醒过来了！它不仅让OpenAI如坐针毡，甚至还开始挑战英伟达的“铁饭碗”。这两个月以来，谷歌的势头可谓是挡也挡不住，动作频频，引人瞩目。
市值飙升，重回聚光灯下
从11月下旬开始，谷歌的利好消息就接连不断。有传闻称Meta计划斥资数十亿美元采购谷歌自研的TPU芯片，消息一出，英伟达股价应声下跌近7%，而谷歌母公司Alphabet的市值则在一天之内飙升数百亿美元。
更惊人的是，仅仅从10月中旬到现在，谷歌的市值就累计上涨了近1万亿美元，一度逼近4万亿美元大关，创下历史新高。
这波暴涨并非空穴来风，其核心驱动力来自于谷歌最新发布的Gemini 3模型。它在LMArena等主流AI评测榜单上表现抢眼，稳居前列，尤其在推理和编程等硬核能力上，获得了行业的高度认可。
要知道，过去两年里，谷歌一度被外界贴上“掉队”的标签。尤其是2022年底ChatGPT横空出世之后，即便是作为Transformer技术奠基者的谷歌，也只能眼睁睁看着OpenAI率先实现技术商业化、引爆市场。当时谷歌匆忙推出的Bard，在ChatGPT面前，更像是一个仓促的追随者。
全栈式AI策略，谷歌的底气所在
那么，谷歌是如何实现这场“翻身仗”的呢？答案在于CEO皮查伊反复强调的“全栈式AI策略”。谷歌的AI布局并非只停留在模型层面，而是贯穿从上层应用、基础大模型，到云计算服务、自研芯片的每一个环节，形成了一个高度闭环的AI生态。
比如大家熟悉的NotebookLM笔记工具，以及火出圈的Nano Banana，都是谷歌基于自身AI技术打造的应用产品。相比之下，OpenAI虽然模型强大，但在基础设施上仍需依赖微软的云服务与英伟达的芯片支持。
而谷歌真正的“王牌”，非TPU芯片莫属。从2015年开始，谷歌就自主研发并内部使用TPU，最初是为了提升搜索引擎的响应速度。经过十年迭代，如今已发展到第七代“Ironwood”，性能也从早期仅支持推理，扩展到能够承担大规模模型训练任务。目前，谷歌所有的Gemini模型都依托TPU完成训练，其技术实力不言而喻。
TPU走向台前，商业化进程加速
过去，TPU主要供谷歌内部使用，但随着Gemini模型的成功，谷歌开始积极将其推向市场。今年10月，AI公司Anthropic宣布将采购100万颗TPU，订单规模高达数百亿美元。值得注意的是，Anthropic在使用TPU训练Claude 3模型时，发现训练效率比传统GPU提升了20%，这也成为其选择谷歌的关键因素之一。
除Anthropic之外，包括Ilya Sutskever创办的Safe Superintelligence、Salesforce等知名企业也陆续成为TPU的客户。而最引人关注的，莫过于Meta的潜在订单——如果最终敲定，这将是TPU历史上最大规模的外部采购案。
此外，谷歌今年还推出了“TPU@Premises”计划，允许客户在自己的数据中心内部署TPU。高盛等对数据安全极为敏感的金融机构，已经率先试用了这一方案。
对谷歌云而言，TPU无疑是打破竞争僵局的重要武器。尽管第三季度谷歌云收入达到152亿美元，同比增长34%，但它仍落后于微软Azure和亚马逊AWS。若能通过TPU吸引更多大型客户，不仅将直接带动收入增长，也有助于提升谷歌云在行业内的整体地位。
有消息称，谷歌云内部甚至设定了抢占英伟达AI相关收入10%的目标。若以英伟达2025年预计490亿美元的AI收入计算，这意味着近50亿美元的市场规模，远超目前TPU的业务体量。
谷歌还具备一项难以复制的优势——数据。其搜索引擎、Android系统、YouTube等产品每天产生海量数据，为AI训练提供了源源不断的素材。更重要的是，这些数据谷歌可自主使用，无需像其他公司那样额外采购，成本优势显著。
挑战仍在，前路并不轻松
尽管谷歌势头强劲，但要说它已锁定胜局，还为时过早。首先在消费者市场中，Gemini与ChatGPT之间仍存在差距。谷歌宣称Gemini拥有6.5亿用户，但OpenAI的ChatGPT仅周活跃用户就高达8亿。根据Sensor Tower的数据，今年10月Gemini的下载量为7300万次，而ChatGPT达到9300万次，差距依然存在。
TPU的商业化之路也充满挑战。虽然推出了本地部署计划，但目前仍处于早期阶段，大多数开发者仍需通过谷歌云租用TPU。此外，一旦选择TPU，就意味着必须接入谷歌的软件生态，迁移成本极高。相比之下，英伟达的GPU具备更强的通用性，可以在任意云平台上灵活使用，开发者切换起来也更加自由。
即便是Meta这样的潜在客户，要实现从GPU到TPU的切换也绝非易事。Meta目前拥有庞大的GPU集群，而TPU的环形网络拓扑与GPU集群架构差异显著。即便Meta使用PyTorch框架能够在TPU上运行，仍需通过转换层，这不仅可能导致性能损失，也会增加开发复杂度。有消息称，Meta最早也要到2027年才有可能将TPU集成进其数据中心。
此外，英伟达也在积极巩固其护城河。在传出OpenAI有意采用水冷式TPU的消息后，英伟达迅速投入1000亿美元进行反击，最终换来了OpenAI继续使用其下一代GPU的承诺。而在Anthropic与谷歌合作后，英伟达又联合微软为其提供了价值300亿美元的Azure计算容量，以维系客户关系。
可以说，谷歌凭借全栈式AI布局与TPU的逐步开放，打出了一场漂亮的翻身仗。然而，要在AI芯片领域真正撼动英伟达的霸主地位，谷歌依然有很长的路要走。AI芯片之争，才刚刚进入白热化阶段，好戏还在后头。
