谷歌不想贏英偉達

撰文｜版君

編輯｜畫畫

英偉達和谷歌，兩場大會，兩個人，說了同一個詞。

3月16日，圣何塞，GTC 2026。黃仁勛把數據中心定義為"生產Token的工廠"，并給出一個驚人的判斷，到2027年，這個市場的需求規模至少1萬億美元。

4月22日，拉斯維加斯，Google Cloud Next 2026。桑達爾·皮查伊給出另一組數字：谷歌每分鐘處理160億個token，上個季度還是100億。今年資本開支1750億到1850億美元。

兩個人都在談Token。但一個在描述供給，一個在展示消耗。

過去很長一段時間，外界習慣性地把谷歌放在追趕者的位置。

這個判斷，正在失效。

把這兩場大會放在一起看，會發現一個更關鍵的變化：這不是同一場競爭。

一、賣鏟子的，和造工廠的

理解這兩家公司，先要看清它們各自在賣什么。

英偉達的產品，是生產資料。

GPU是通用算力，從OpenAI到Meta，從字節跳動到主權基金，幾乎所有頭部AI玩家，都在它的客戶名單里。

CUDA生態匯聚超600萬全球開發者、900余個CUDA-X加速庫，二十年持續迭代的生態飛輪，早已成為AI時代算力底層的標準件。

黃仁勛那句判斷很有代表性：即便競爭對手的架構是免費的，也未必足夠便宜。

2025財年，NVIDIA數據中心業務收入超過1150億美元，同比增長超過200%，毛利率在75%以上，在全球AI加速器市場占據約80%的份額。

換句話說，每10塊AI算力芯片里，至少有8塊來自英偉達。

這是一門典型的賣鏟子的生意，而且是所有人都離不開的那種。

谷歌的路徑完全不同，它提供的不是單一工具，而是一整套運行體系。

自研TPU芯片、訓練Gemini模型、運行在Cloud之上，再對外提供服務。從底層算力到上層應用，全部打通。

目前Google云業務年收入已接近600億美元，過去一年增長接近50%，AI相關需求成為最核心的驅動力。

這種模式更像是自己搭建了一座完整的工廠，再把多余的產能對外輸出。

英偉達的邏輯，是把設備賣給所有人。谷歌的路徑，則是先把體系跑起來，再讓別人接入。

一個掌握生產資料，一個在組織生產過程。

二、TPU一刀切兩半

這次谷歌Cloud Next，TPU最值得注意的變化，不在參數，而在結構。

從 2017 年 TPU v2 起至 2025 年 v7 Ironwood，整整六代產品，谷歌始終采用單顆通用芯片同時承載大模型訓練與推理任務。

直到這次發布第八代 TPU，谷歌首次徹底戰略轉向，將訓練、推理拆分為兩顆專屬獨立芯片（TPU 8t、TPU 8i）。

• TPU 8t，代號Sunfish，博通設計，臺積電2nm工藝，專門做訓練。單個超級Pod（9600顆芯片）峰值算力121 EFLOPS（FP4精度），是上一代的2.8倍，價格相同。能把前沿模型的開發周期從數月縮短到數周。

• TPU 8i，代號Zebrafish，聯發科設計，這是聯發科第一次進入超大規模數據中心芯片領域，專門做推理。性價比比上代提升80%，集合操作延遲降低最高5倍。

分家的原因很直接，Agent時代，推理和訓練的負載特征完全不同。

一個智能體完成任務，往往需要多次調用模型，每一次調用都要求低延遲、高并發。這和訓練階段的集中算力需求完全不同。

一顆芯片同時跑訓練和推理，哪頭都湊合，哪頭都不夠好。

背后的算賬邏輯很清楚。訓練是一次性投入，模型訓好就行。推理是持續性消耗，用戶每用一次就推理一次。

當token規模從100億/分鐘躍升到160億/分鐘，推理端的效率開始直接決定成本結構。

這也解釋了兩家公司技術路徑的差異。英偉達持續優化單顆芯片性能，谷歌更關注集群效率與整體成本。

三、Anthropic的一百萬顆芯片

TPU從內部工具走向外部市場，有一個明顯的標志，開始承載頭部模型公司的核心負載。

2025年10月，Anthropic與谷歌簽了一份多年期協議，最多使用100萬顆Ironwood TPU，價值數百億美元。

這是AI歷史上最大的單筆算力交易。

緊接著，Meta傳出正在考慮從2027年起部署TPU。消息一出，英偉達股價當天大跌。

這一系列動作，對英偉達來說，是最危險的信號。不是某個小公司在試水，是Anthropic，是Meta，全球頭部的大模型公司，都要把自家最核心的推理負載全部押在了TPU上。

谷歌的策略很明確：用Anthropic和Meta做樣板客戶，證明TPU能替代英偉達，然后通過Cloud平臺把TPU算力賣給所有企業。

如果說英偉達的優勢在軟件生態，CUDA形成了強綁定。谷歌的突破口，則來自成本。

Ironwood TPU的核心目標是顯著降低總擁有成本。精密分析顯示，其每美元性能/價格比較前代提升2倍，相比NVIDIA B200在總擁有成本上具有約30%～41%的優勢，可有效幫助企業控制推理成本。

當推理成本被壓到對手的一半以下，軟件壁壘就開始松動了。因為企業算賬的時候，省下來的錢足夠覆蓋遷移成本。

技術壁壘依然存在，但經濟驅動開始改變選擇。

四、160億token背后的真話

皮查伊在Cloud Next上說了三個數字：160億token每分鐘。75%的新代碼由AI生成。今年投入1750億到1850億美元。

看起來分散，其實指向同一件事。

這些token，不只是API調用，還包括搜索、廣告、YouTube推薦、安全系統和內部開發。

從100億到160億，單季度增長超過60%，按這個規模估算，谷歌每天處理的token已經達到萬億級。

作為對比，當前頭部模型公司的API調用，大致處在數百億到千億token/天的區間。

谷歌的體量，已經超出單一模型公司的范疇，更接近一個基礎設施級消費體。

這和黃仁勛提出的"Token工廠"，形成了一個有意思的對照。

黃仁勛描述的是一個賣方市場。Token是商品，GPU是生產設備，價格分五個層級，從免費到150美元每百萬token。你來買設備，生產Token，賣給你的客戶。

他在GTC上連Token的定價體系都替行業設計好了。

英偉達圍繞供給側構建體系，谷歌則在放大需求側規模。

一個定義產能，一個吞下產能。而長期來看，需求會反過來塑造供給。

谷歌對TPU性價比的優化動力，遠超任何外部客戶，因為每降低一分錢的推理成本，省下來的錢首先進了自己的口袋。本質上，谷歌自己就是全世界最大的Token消費者。

五、誰會贏？

短期看，英偉達贏。CUDA生態的壁壘、80%的市場份額、75%以上的毛利率，這些不會一夜被顛覆。

黃仁勛直言，到2027年英偉達將迎來至少1萬億美元的確定性算力需求；其中60%來自全球前五大超大規模云廠商，剩余40%分散于企業私有部署、主權云、邊緣計算及全行業場景。

這份預判，有著十足的底氣。

但谷歌正在把競爭拉到英偉達不擅長的維度。

這次Cloud Next上，GE在谷歌的Agent平臺上跑了超過800個智能體，覆蓋制造、物流和供應鏈。畢馬威首月部署超過100個智能體，90%的員工在用。默克簽了10億美元合同。

谷歌云CEO庫里安還確認，基于Gemini構建的蘋果新一代Siri將于今年發布，合作每年價值約10億美元。

當企業客戶的需求從一塊GPU變成了幫我管住一千個Agent，賣芯片的就比不過賣系統的了。

英偉達解決的是有沒有算力，谷歌要解決的是算力怎么被用起來。

這不是誰殺死誰的故事。就像石油行業既有賣鉆頭的哈里伯頓，也有自己鉆井、煉化、零售一條龍的沙特阿美。兩種模式會長期共存。

但有一件事正在發生變化。

過去，英偉達是所有人的唯一選擇?，F在，谷歌證明了另一條路走得通。Anthropic選了TPU，Meta在考慮TPU，蘋果把Siri交給了谷歌Gemini。

選擇變多了。對壟斷者來說，這就是最大的威脅。

ChatGPT出來后的兩年多，谷歌看起來像一個追趕者。但Cloud Next講了一個不同的故事，谷歌沒有贏模型競賽，但它把AI重新變回了一個基礎設施問題。

而做基礎設施，恰好是谷歌最擅長的事。

谷歌不是在追英偉達，也并非想在芯片戰場打敗英偉達。

從一開始，它們跑的就不是同一場比賽。

【版面之外】的話：

AI的上半場，是訓練模型。下半場，是管理智能體。終局，可能是控制系統。

黃仁勛說Token是新的大宗商品。皮查伊說谷歌每分鐘消耗160億個。一個在定義市場，一個在吃下產能。

如果說上一輪互聯網的入口是App，這一輪AI入口不是模型，是系統。

而系統一旦形成，就不會輕易更換。