本文来自格隆汇专栏“虎秀秒投APP”，作者：董必正。
美股人工智能正在迈向新的里程碑。
如果你只看指数，似乎事情仍然进展顺利，但如果你深入观察，你会看到两股力量在玩一场疯狂的游戏。
一方面，曾经强大的英伟达、软银、甲骨文和CoreWeave组成的“OpenAI链”持续衰落。
另一方面，代表“谷歌链”的谷歌和博通则不断崛起。
值得注意的是，谷歌股价盘中一度创下每股328.83美元的历史新高。此外，伯克希尔哈撒韦公司于2025年第三季度首次建仓谷歌母公司Alphabet，使其市值约为43.4亿美元。
在“人工智能商业”的新逻辑中，谷歌似乎正在取代英伟达成为新的人工智能之王。
1、Nvidia的护城河是TPU挖的
近三年最大信仰美股一直以来，无论谁获胜，英伟达都会赚钱。这种“铲子卖”的逻辑简单粗暴，但却无法被摧毁。
但现在不止一把铲子。
谷歌在 2025 年 11 月的动作，特别是 Gemini 3 Pro 训练基于第 6 代和第 7 代 TPU（代号 Trillium 和 Ironwood），实际上是在向市场宣布，训练最好的大型模型不再需要 NVIDIA GPU。
要理解这种变化，我们必须回到技术的底层逻辑。
第一个大规模模型（BERT、GPT-2等）依赖于灵活性，结构尚未标准化。通常需要自定义层、动态形状和重复调试。
GPU的多功能性和成熟的工具链（CUDA、cuDNN、NVIDIANsight等）更适合这个阶段的探索。
如今的大型模型架构趋于标准化，Llama和Gemini基本都是基于Transformer架构。
的核心Transformer架构是大规模矩阵乘法和注意力机制，这是TPU silist矩阵最适合的计算模式。
换句话说，GPU 是可以建造任何建筑物的多用途建筑设备。 TPU是一种“专门用于变压器墙施工的自动砌筑机”。如果大规模地砌墙，而且砖块大小统一，会更快、更便宜。
谷歌推出的Gemini 3 Pro完全依靠其内部开发的TPU集群进行训练和推理。这说明针对MoE（混合专家模型）场景、十亿参数级、超长上下文（无限上下文）的软硬件协同设计的ASIC芯片方案功能齐全。
换句话说，大型模型可以在谷歌自己的TPU上进行训练，而不再依赖Nvidia GPU。
此前，黄仁勋做客对话节目《Bg2 Pod》。他曾经自信地说：“即使我如果竞争的 ASIC 芯片是免费的，客户就会选择 NVIDIA。”
黄仁勋观点的核心是，超大型数据中心的运行受到能源的限制，而客户的主要目标是最大限度地将有限的能源转化为收入。
NVIDIA 系统在“单位功耗产生的代币”方面具有数量级优势，这意味着选择 NVIDIA 解决方案可以在相同功耗下产生数倍甚至数十倍的业务收入。因此，重新核化带来的巨大收入机会的机会成本远大于购买芯片本身的成本。
这个逻辑曾经是有道理的，但到了 2025 年 11 月，这个逻辑就站不住脚了。
根据国信证券测算，谷歌的TPU v6e在算力投资单位（TOPS/USD）上接近英伟达的Blackwell。
另外，从目前的公众评价和数据来看，在“大”等细分场景下，- 标准Transformer/LLM等规模模型训练”，TPU的性能/功耗（Perf/Watt）普遍比同代数据中心GPU更有优势，功耗率更加明显。
中级客户也开始流失。
Google Cloud 正式发布的 TPU v7 Ironwood 实例不再由 Google 使用，但可供业界使用。谷歌与Anthropic达成100万张卡级TPU合作协议。一旦全面投入运营，预计将为谷歌云带来数百亿美元的年收入。
近日，有媒体报道称，Meta 正在与谷歌洽谈，将于 2027 年在其数据中心使用价值数十亿美元的 TPU 芯片。该公司还计划明年从谷歌云租用芯片，这可能会为谷歌带来数十亿美元的新收入。
如果Meta和Anthropic都开始改变，Nvidia独占的90%的AI芯片市场份额将不可避免地被稀释。
的“如果要构建大型模型，就必须储备 NVIDIA GPU”的黄金法则已被打破。从“专属”到“可选”，这对于享受极高溢价的硬件企业来说是最大的弊端。
2. AI商业化开始圆满结束
除了芯片改进之外，大型谷歌Gemini model3还超越了传统的大型机型。
谷歌于2025年11月19日推出Gemini 3 Pro，其旗舰版本Gemini 3 Pro在LMArena排行榜上排名第一。知道了。该模型在文本、视觉、WebDev 和编码、数学、创意写作等领域领先，击败了 Grok-4.1、Claude-4.5 和 GPT-5。
参考模型和全尺寸模型的性能只是一方面。现阶段，资本将更多关注像OpenAI这样的大型模型公司的商业化能力。
目前，华尔街充斥着强大的“人工智能泡沫理论”。
很多机构都想知道以OpenAI为首的AI公司是否会被公ofitable 和他们设想的未来。这是海市蜃楼还是现实的幻象？
多项研究和评论指出，七多金花和多家云提供商的AI+数据中心资本支出已飙升至每年3000亿美元以上，引发市场担忧“AI货币化速度”将无法跟上“硬件消费速度”。
从这个意义上说，OpenAI面临着很大的困境。萨姆·奥尔特曼描述的愿景很伟大，但现实却很小。 OpenAI拥有众多用户，但C端付费意愿相对有限。 B端营销途径一直受到微软的限制，没有足够密集的“流量护城河”。
谷歌可以将 Gemini 3.0 功能整合到其无处不在的搜索、YouTube 广告、Workspace、Gemini Enterprise 和 Vertex AI 生态系统中，所有这些都可以成为 AI 货币化器。
这不仅使得实现封闭的业务周期成为可能，而且缩短了“投资→验证→利润”之间的差距。
其他科技巨头继续“加大资本投资的成本，押注于尚未得到充分证实的商业模式。” Alphabet 使用 Gemini 3.0 来完成其双重故事：“技术领先+货币化路径”。
3、最终结果及投资机会
对于投资者来说，这是一个技术问题。这不仅是投资问题的讨论，也是利润预期的真正调整。
秒头认为，短期内谷歌将推出经典的“戴维斯双击”。
一方面是为了挽回声誉。过去两年，谷歌一直被视为人工智能领域的“先行者和后来者”，其声誉因担心被甩在后面而受到影响。如今，Gemini 3重新夺回王座，TPU被证明与硬件无关，谷歌在AI领域重新获得话语权，资本市场应该给予其更高的溢价。
另一方面，我这是关于性能的。一旦Gemini全面融入广告和企业服务，TPU v7带动的外部云客户（如Anthropic订单）的收入以及ARPU（每用户平均收入）值的增加将真正体现在损益表中。
机构也在关注。申万宏源在近期的研究报告中，直接将谷歌2026年净利润预期从1230亿美元上调至1370亿美元，并设定了34倍PE的目标估值。
同时，NVIDIA、甲骨文等“OpenAI Chain”标的近期将面临巨大的估值压力。一旦市场接受NVIDIA不一定有算力，那么NVIDIA享受无限溢价的好日子就到头了。
然而，AI战争还没有结束。
从目前的演进技术和商业环境来看，“模型大战”不会导致一家企业彻底消灭对手的局面，而是会成为一家企业两大巨头格局：OpenAI+微软VSAlphabet（谷歌）。
对于消费和办公场景，Alphabet借鉴了Gemin i3，它与搜索、YouTube、Workspace和Android紧密集成，而微软则使用Copilot将OpenAI模型集成到Office和Windows中。那些具有较高日常活动和保留率的人将赢得这个战场。
在企业和开发者生态中，一方面是Azure+OpenAI，另一方面是Google Cloud+Gemini，形成了类似于iOS/Android的二元结构。大多数公司不会将赌注押在其中之一上，而是选择其中之一作为主要，另一个作为备用。
然而，值得注意的是，谷歌运行企业和云软件的能力历来明显弱于微软。 Gemini3在技术上固然先进，但这个全栈能否真正跨数千个行业部署，还需要2-3年的部署验证。
新浪财经公众号
我们每天24小时播放最新的财经新闻和视频。更多粉丝福利，请扫描二维码关注我们（新浪财经）
