社区

过去两周，AI算力赛道的风向发生了罕见的急转。

Google以一波关于TPU（其自研AI加速芯片）的密集动作，让整个科技股板块的权力关系出现了松动：Alphabet市值首次突破4万亿美元；Nvidia，在这一轮行情里却明显“吃了亏”，市值在短时间内蒸发数千亿美元。

如果只从股价看，会以为这是一次“TPU胜、GPU败”的情绪波动，但真正的故事要深得多：这是AI基础设施从“单一冠军时代”走向“多极化竞争”的开端。而Google与Nvidia，这两家过去十年里都被视作“AI的基础柱子”，正进入一场关于算力定价权的较量。

Google这次到底做了什么？

这件事的导火索来自Meta与Google的合作传闻。

《TheInformation》、《Bloomberg》等主流媒体在上周几乎同期报道，Meta正在和Google谈判一份规模极大的TPU使用协议。报道的核心信息是：Meta希望在2026年先通过GoogleCloud使用TPU，之后甚至把TPU直接部署进自家的数据中心。这是一笔可以写到几十亿美元级别的大单。

消息一出，Alphabet股价立刻走出一条非常强的加速曲线，当日涨幅超过10%，市值往4万亿美元一口气推上去。反过来看Nvidia，当天盘后就出现明显的抛压，随后几个交易日连续走弱。市场之所以反应这么剧烈，是因为Meta是仅次于OpenAI、Google的“AI超大客户”。如果这样的客户开始认真评估TPU，对Nvidia的未来份额预期，就会受到实质影响。

而这次Google敲响行情的核心武器，是它的新一代TPUv6（代号Trillium）和TPUv7（代号Ironwood）。

两款芯片的技术细节在今年GoogleI/O之后陆续披露，性能数字来自Google官方博客和在架构会议上的公开材料。简单来说，TPUv6面向训练场景做了大约4～5倍的性能提升，而TPUv7则是Google为大规模推理进行的深度定制：对比上一代v5p做到了接近10倍的峰值算力提升，同时在成本/性能比上，Google在自家文档里给出了“训练效率提升三倍、推理效率提升五倍”这样的量级区间。虽然这些数字未必完全等同于独立测试结果，但足够让市场产生“推理能耗下降”的直观印象。

推理成本下降这件事，是最容易影响科技巨头财报的指标，因为它直接决定大模型上线后的利润空间。Anthropic是最早大规模使用TPU的客户之一，2023～2024就已经把Claude的训练全部跑在Google的集群上；现在Meta再被曝考虑迁移，市场自然会重估这条链的价值。

除此之外，还有一个细节被很多人忽略：Google同时公开了自家的AIHypercomputer架构。里面包括大规模液冷机房、Jupiter网络体系、TPUPod结构等等。这意味着Google从“卖芯片”转向了“卖整机房级算力”，本质上把算力做成了类似公用事业的服务，这与传统GPU销售逻辑完全不同。

在这套体系之上，是Gemini系列模型和GoogleCloud的完整企业AI工具链。如果说TPU是发动机，那么Hypercomputer是整台发动机舱，而Gemini才是驱动车轮的那一套“软件动力系统”。三者合在一起，才构成Google这轮行情的底层逻辑。

Nvidia少有的“正面回应”，背后有真实压力

Nvidia的反应也几乎是即时的。

公司在X（Twitter）上发布了一段不寻常的公开声明，重点围绕三个点：第一，GPU仍然是最通用的算力平台；第二，Nvidia是目前唯一可以在所有主要AI模型上保持兼容性的硬件体系；第三，Google自身在内部依然使用大量NvidiaGPU。

语气并非夸耀式，而是明显带有“澄清”和“稳定市场预期”的意味。黄仁勋很少主动评价竞争对手，这次动手本身就说明GoogleTPU的讨论在华尔街掀起的波动，比外界看到的还要大。

但要理解Nvidia的位置，得先理解GPU的角色。GPU的价值从来不在于“性能最高”，而在于“通用性最高”。生成式AI的训练过程非常复杂，算子种类多、模型迭代频繁，不可能为每一次训练都去做ASIC芯片优化。因此，训练阶段天然会优先选择GPU。Nvidia的CUDA生态经过十多年积累，把开发者牢牢绑定住，是目前任何一家公司都难以替代的。

所以，Nvidia今天真正受到冲击的，不是训练环节，而是推理环节正在快速“成本化”。过去两年，大模型推理被广泛部署，企业级应用开始关注成本，任何能把“每次推理电费”降低的技术路线，都自然会被考虑。而TPUv7的定位正是大规模推理，与Nvidia的利润池部分重叠。

因此Nvidia的股价走弱并不是基本面崩塌，而是过去的“极致溢价预期”被市场重新调整。原本市场假设是：“所有模型都要靠GPU→Nvidia是唯一算力来源”。现在变成：“训练离不开GPU，但推理可以有更多选择→Nvidia的定价权要弱化一点”。这就是行情的本质。

回到产业链，Google与Nvidia的冲突，发生在“算力定价权”上

如果把两家公司拉到同一产业链图上，会更清晰地看到分工差异。

Google的优势在于“端到端”：从芯片、机房，到模型、平台，全链路自研。在这条链上，只要任意一环成本下降，全部收益都能在内部放大。而TPUv7恰巧在推理环节做到了大幅降本，这种降本不止是“推理便宜了”，而是让GoogleCloud的毛利率也跟着抬高。

Nvidia的优势在于生态层。CUDA是全球AI工程师最依赖的环境；H100/H200/Blackwell仍然是训练领域的绝对主力；大部分开源框架、企业部署工具、行业SDK，都是围绕Nvidia写出来的。换算成投资语言：Google的壁垒在基础设施垂直整合，Nvidia的壁垒在软件与平台生态。

但在推理成本这件事上，Google抢先给了一个可落地的降本方案；而推理场景恰恰是未来AI商业化的关键成本来源。这也是为什么Meta、Anthropic这样的大客户会认真评估，这背后的市场信号大于技术信号。

所以这次的事件不是“谁对谁错”，而是市场开始为一个新现实定价：

训练仍然属于Nvidia，推理会变得更便宜，算力不再是PGOne，而是一个组合框架，AI的电费账单，会越来越像“云成本”而不是“硬件成本”。

一旦行业走到这一步，算力定价权自然从“卖卡的公司”转向“提供算力网络的公司”。

Google的动作，恰好揭开了这一幕。

更远一点看，这不是芯片战争，是算力时代的再分工

很多人把这两周的波动理解成“TPU反杀GPU”，这是抓了一个表象。真正值得关注的是，AI算力正在走向一种三层结构：

GPU负责训练、ASIC负责推理、CPU负责调度。

训练是创新活动，需要强灵活性，GPU的通用性不可或缺；

推理是规模化活动，任何能把成本压低的芯片都会被用；

调度是协调活动，更多涉及编排与分布式系统。

这是一种极其自然的产业演化过程，而Google这次只是让周期提前了半年到一年。换句话说，Google并不是来“杀死Nvidia”，而是把AI带向一个更加成熟的阶段。

真正值得长期关注的不是哪个芯片快一代，而是谁能掌握算力网络的定价权。

$谷歌(GOOG)$ $英伟达(NVDA)$ $Meta Platforms, Inc.(META)$

@爱发红包的虎妞