2023 年初的那個冬天，當 ChatGPT 橫空出世，驚豔全球時，Google 看起來像是一個垂垂老矣的巨人。圖片 | 來自網路華爾街拋售股票，內部發佈“紅色程式碼”（Code Red），關於“搜尋已死”的訃告充斥著科技媒體的頭版，內部員工一邊調侃自己在“養老廠”，一邊焦慮。當時的金融和科技領域均不看好效率低下的搜尋業務然而，僅僅不到三年後的今天，戰局的風向正在發生微妙而劇烈的逆轉。當 OpenAI 為昂貴的算力帳單發愁，當整個行業因為 Nvidia GPU 的產能瓶頸而焦慮時，Google 卻憑藉 Gemini 模型展示了百萬級的長文字能力，並悄然建構了全球成本最低的 AI 推理基礎設施。對，是全球。資料顯示，自 Gemini 3 發佈以來的過去 6 周內，ChatGPT 的流量下降了 22%，7天平均訪問使用者數從約2.03億下降到約1.58億。這可能與假期流量回落有關，但Gemini的流量保持基本持平，而且目前已經達到ChatGPT的約40%。ChatGPT 與 Gemini流量對比而這場勝利的草蛇灰線，早在 2013 年就已經埋下——今天我們就要盤一下，Google最具遠見、也最瘋狂的兩筆賭註：一是自研晶片 TPU，二是收購 DeepMind。而連接這兩者的關鍵，則是 2023 年那場壯士斷腕般的組織變革。01 自研晶片TPU故事的起點，始於 2013 年Google內部的一次“數學恐慌”。彼時的Google坐擁全球最大的 CPU 資料中心。然而，工程傳奇 Jeff Dean 做了一個粗略的紙上演算：如果全球數億Android使用者每天只使用 3 分鐘的語音搜尋，Google現有的資料中心規模就需要翻倍。但在摩爾定律已現疲態的背景下，這在帳上根本行不通，因為僅電費和伺服器採購成本就能將Google的利潤吞噬殆盡。唯一的出路就是——改變計算架構。Google首席科學家 Jeff Dean於是，硬體負責人 Norm Jouppi 帶隊，在高度保密的狀態下，僅用 15 個月就完成了從設計到部署的急行軍。TPU（Tensor Processing Unit）誕生了。TPU v1 是一個極端的“偏才”，它砍掉了所有不需要的功能，專註解決一個問題，那就是——如何在有限的電力和預算下，跑模型（Inference）。深度學習（Deep Learning）聽起來高大上，但它在晶片內部干的最多的活其實是“矩陣乘法”。這就像你做一頓土豆主題的滿漢全席，雖然菜譜很複雜，但90%的時間其實都在切土豆絲（做簡單的乘法和加法）。CPU和GPU好比是博學的教授，雖然聰明但幹活“死板”，每切一刀都要跑一趟倉庫拿放土豆，時間全浪費在“跑路”（記憶體存取）上了；而TPU不用太聰明，它引入的“脈動陣列Systolic Arrays”就像是由 256 個切土豆工人排成的方陣——第一個人切一下，直接遞給身邊的第二個人，第二個人切完遞給第三個人……不需要頻繁跑倉庫就能被連續加工256次。正因為省去了大量無效的搬運時間，即使是2015年部署的 TPU v1，以 28nm 的老舊工藝和僅 40W 的功耗（就像一個燈泡），在推理性能上比當時輝達的旗艦 K80 GPU 快了 15-30 倍，能效更是高出 30-80 倍。這是Google的第一次隱秘勝利。TPU 在多層感知器MLP、時間循環神經網路LSTM、摺積神經網路CNN的計算效率上，顯著高於傳統的CPU和GPU也就是說，在外界還在搶購昂貴的 GPU 時，Google已經在用接近物料成本（BOM Cost）的價格，大規模部署自己的 AI 加速器。更關鍵的是，輝達的硬體毛利率高達 70% 以上，而Google自研 TPU 意味著它不需要繳納這筆昂貴的“過路費”。這為十年後，AI從“炫技”轉向“大規模工業化生產”時，Google擁有的極低邊際成本埋下了伏筆。02 最成功的投資 ——Deep Mind如果說造 TPU 是為瞭解決“算得快”的問題，那麼收購 DeepMind 就是為瞭解決“算什麼”的問題。差不多在同一時期(2014 年)，Google擊敗 Facebook（Meta），以超過 6 億美元的天價收購了一家位於倫敦、沒有任何產品、只有十幾名員工的創業公司。站在今天看，如果沒有這筆收購，Google在 ChatGPT 的攻勢面前很可能會直接“猝死”。說回2014，當時，深度學習剛剛萌芽。Google內部雖然有 Jeff Dean 領導的Google Brain，但Google Brain的基因是“工程師文化”——他們想的是如何用 AI 最佳化搜尋排名、識別貓的視訊、提升廣告點選率。但DeepMind 的創始人Demis Hassabis不一樣，他從小就是一位天才，是前國際象棋神童，是一個神經科學家和遊戲設計師。他的願景與Google截然不同，甚至有些“瘋魔”：“解決智能，然後用它解決一切。”（Solve Intelligence, and then use it to solve everything else.）同為天才的拉里·佩奇（Larry Page）看懂了這一點——DeepMind 研究的不是某種“工程”，而是 通用人工智慧（AGI）。所以，從這個角度看，這筆收購的本質，是Google買斷了當時地球上最聰明的一群 AI 大腦。而且為了達成交易，Google甚至簽下了一份極其罕見的協議：成立“倫理委員會”，承諾DeepMind的技術永遠不用於軍事。這奠定了後來雙方長期“一國兩制”的基調。所以，我們看到收購後的前七年（2014-2021），DeepMind 實際上是Google供養在倫敦的“梵蒂岡”——神聖、高冷、且極其燒錢，要知道，DeepMind 長期處於虧損狀態（甚至一度單年虧損 6 億美元），而他們對Google的核心業務（廣告、雲、Android）幾乎沒有任何直接貢獻。好在這麼多錢砸下去還是能聽到個響的——2016 年，AlphaGo 擊敗李世石，宣告了深度強化學習（Deep Reinforcement Learning, RL）的勝利。可以這樣說，Google Brain 擅長“監督學習”（給資料打標籤，教AI 認圖，也是Meta花天價收購的Scale AI搞的那一套）；而 DeepMind 擅長“強化學習”（讓AI在虛擬環境中自我博弈、自我進化）。請記住這一點：強化學習。因為這一技術路線的儲備，直接決定了後來 Gemini 能夠擁有強大的邏輯推理能力。03 組織合併 打通任督二脈現在，問題來了——為什麼Google擁有 DeepMind 和 Brain 兩大天團，還有自己的TPU，為什麼在 2022 年會被 OpenAI 打得措手不及？答案在於組織內耗。甚至可以說，Google在很長一段時間裡，是在“左右手互搏”——Google Brain（加州派）：務實、工程導向，由 Jeff Dean 領導，他們發明了 Transformer，打造了 TensorFlow，致力於將 AI 塞進搜尋、翻譯和廣告裡賺大錢錢。DeepMind（倫敦派）：學術、清高，由Demis Hassabis領導，他們追求 Nature 封面，致力於攻克圍棋（AlphaGo）和蛋白質折疊（AlphaFold），對商業化嗤之以鼻，每天想的是怎麼才能發《Nature》封面頭條。他，剛剛拿了諾貝爾獎，但去年公司虧損6000萬，英鎊……兩方不僅形而上的文化不一樣，形而下的“程式碼語言”都不一樣——Brain 團隊死守自己開發的 TensorFlow，儘管隨著版本迭代它日益臃腫；DeepMind 則嫌棄 TensorFlow，轉而擁抱更靈活、更適合科研的 JAX。目前AI領域主流的三種開發工具，各有其特點想像一下，一家公司的兩支頂級特種部隊，一支說英語，一支說法語，槍支彈藥（模型架構）也不通用，而且時不時兩邊互懟一下，這導致了嚴重的資源浪費。所以，當OpenAI的Ilya Sutskever（前Google員工）帶領團隊在 GPT 的道路上狂飆突進時，Google的兩支團隊還在為爭奪 TPU 的配額而明爭暗鬥。在和平時期，這種“賽馬機制”是創新的溫床，但在戰時，就是致命的拖累。Ilya Sutskever 於2015年從Google離職後加入OpenAI，成為其聯合創始人兼首席科學家，直至他2024年離開OpenAI2023 年 4 月，那是Google最痛苦的時刻，也是決定生死的轉折點。在 ChatGPT 發佈的第 140 天，Google終於按下了一個遲到多年的核按鈕：強制合併Google Brain與DeepMind，組建Google DeepMind (GDM)，Jeff Dean 轉任首席科學家，不再負責行政管理；權杖交到了 Demis Hassabis 手中。這代表了Google高層極其冷酷的決斷：為了生存，必須把命脈交給更有野心的“倫敦派”。Google Brain 與 Deepmind合併，標誌著Google與OpenAI展開終極對決這場組織合併，終於打通了任督二脈，因為它不僅僅是程式碼的統一（Google放棄了 TensorFlow，全面轉向 JAX + XLA）更是工程主義”與“科學主義”的握手言和：Brain 提供了“身體”（極致的架構力）：作為 Transformer 的發明者，Brain 團隊擁有地表最強的工程化能力。他們造出了最強壯的軀殼——他們知道如何建構兆參數的模型架構，並讓它在數萬張 TPU 上穩定運行數周而不崩潰。DeepMind 提供了“靈魂”（基於 RL 的學習法）：這是被嚴重低估的一點。ChatGPT 的核心壁壘不僅僅是預訓練，更是 RLHF（基於人類反饋的強化學習）。還記得 AlphaGo 嗎？DeepMind 在圍棋上鑽研了十年的強化學習（RL）終於找到了最大的用武之地。他們將 AlphaGo 中用於“自我博弈”和“策略最佳化”的演算法，遷移到了大語言模型的後訓練階段（Post-training）。Google Gemini 1.5 發佈時，長上下文是模型的亮點之一於是很快在2024 年，Gemini 1.5 發佈。這是一個震撼業界的時刻：當時GPT-4的命門在於處理不了長文字(只能處理幾萬字)，Gemini瞄準的正是這一點，一舉將上下文窗口（Context Window）拉升到了 100 萬 token，讓Gemini可以一口氣吃透《戰爭與和平》、一小時的視訊或整個程式碼庫。Google Gemini 1.5 的100萬Tokens的上下文窗口對同時期的其他大模型產品形成了壓倒性優勢04 戰時獨裁 降維打擊很多人以為這只是演算法的最佳化，其實這是Google積累了10年的、軟硬一體架構的降維打擊。在硬體端，Google在 TPU v4/v5 中祭出了大殺器：OCS(Optical Circuit Switches)，這是一套由 MEMS 反射鏡組成的物理光路交換系統，具體技術咱不需要懂，只需要知道這給Google帶來了毀滅性的優勢：極低的延遲和無限的靈活性，這也是支援百萬級長文字的物理基礎。Google 建設的算力中心有了強大的硬體，還需要軟體來駕馭。OpenAI 在 GPU 上最佳化性能，往往需要工程師手搓 CUDA Kernel，難度極大。但Google的JAX配合 XLA（加速線性代數編譯器），讓研究員只需要寫出數學公式（Python 程式碼），XLA 編譯器會自動將其“翻譯”成 TPU 的機器碼，並利用 GSPMD（通用分片器） 自動將模型切分到數千個晶片上。這就是為什麼Google能在長文字上率先突破：因為他們的編譯器能比人類更高效地指揮光路和晶片，將百萬token的計算完美地平鋪在整個資料中心。話說回來，如果沒有做“統一”這一步，Gemini絕無可能誕生，Google也不可能翻盤。但我們不禁要問：為什麼像Google這樣一家擁有 18 萬員工、以官僚主義和行動緩慢著稱的巨頭，能如此迅速地完成這樣劇烈的、甚至可以說有些血腥的組織手術？首先，Google是的確害怕了，恐懼永遠都是改變的第一動力。平時Google的官僚做派，是因為核心業務太穩固了。但在 2022 年底，Google第一次看到了“死神”的影子。如果使用者不再點選藍色連結，而是直接問 AI，Google賴以生存的商業模式將瞬間歸零。這種對生存的絕對恐懼擊穿了所有的部門牆和審批流。更關鍵的是——“創始人模式”回歸。這是外界鮮少提及的關鍵。平時Google由職業經理人 Sundar Pichai 管理，他的風格是求穩與平衡，但要強行合併兩個互相看不順眼的山頭，職業經理人做不到，也不敢做。但創始人拉里·佩奇（Larry Page）和謝爾蓋·布林（Sergey Brin）回來了。兩位Google創始人拉里·佩奇（Larry Page）和謝爾蓋·布林（Sergey Brin）據報導，布林甚至親自去總部寫程式碼，其實不管公司發展到什麼階段，只有創始人才擁有“凌駕於 KPI 之上”的道德權威，可以直接下達命令打破利益格局。這種“戰時獨裁”，是Google能迅速掉頭的核心原因。最近謝爾蓋·布林（Sergey Brin）在回母校史丹佛演講中復盤了Google此段在AI比拚中的危機經歷視訊連結：https://www.youtube.com/watch?v=0nlNX94FcUE05 中局？終局？進入 2026 年，AI 的競爭已經變味了。如果說前兩年是比拚“誰的模型更聰明”（智力競賽），那麼未來三年將比拚“誰的推理更便宜”（價格戰），商業的本質回歸到了“電力公用事業”的邏輯。在Google的算力中心佈局規劃中，“太陽能+儲能+資料中心”模式展示了其改變整個行業的能源邏輯而這，正是Google等待已久的獵殺時刻。我們看看 OpenAI 目前的處境：它像是一個住在豪宅裡的高級租客，軟體上，依賴 Microsoft Azure；硬體上，依賴 Nvidia GPU。結果就是每一筆收入，都要被微軟抽成，還要支付給輝達高昂的硬體溢價。OpenAI 的毛利天花板被牢牢鎖死。再看看Google，它是這個星球上極少數擁有“全端主權”的玩家：從最底層的沙子（自研 TPU 晶片），到連接晶片的光纖（Jupiter 網路），再到編譯器（JAX）、模型（Gemini），直至最頂層的使用者入口（Search/Android），Google實現了從原子到位元的完美閉環。Google的TPU產品也在不斷迭代更新，最新的產品擁有更強大計算能力和更高的效率據 SemiAnalysis 估算，TPU 的單位總擁有成本（TCO）比同代 GPU 低 4-10 倍。這意味著，Google完全可以將 AI 推理的價格壓低到 OpenAI 的成本線以下，還依然有大把的利可圖。而且，隨著 AI應用滲透進生產力核心，使用者開始上傳整本幾百頁的財報、丟進去一小時的高畫質視訊會議記錄。而這種“長文字推理”是算力的黑洞，推理成本是隨著上下文長度呈指數級爆炸的，如果使用昂貴的 H100 GPU 來做這件事，那無異於“燒錢取暖”。但Google卻可以憑藉 TPU 大記憶體優勢和 OCS 的光互連，可以將這種“重推理”任務變成一種極其廉價的通用服務。這或許是Google處心積慮設下的一個局：它可以毫無壓力地培養使用者使用“百萬級 Token”的習慣，因為它是唯一的發電廠（TPU）和電網（光互連）擁有者。當 AI 真正變成像自來水一樣的基礎設施時，只有掌握水源和管道的人，才擁有最終的定價權。06 長期主義的勝利回望 2013/2014 年，當 Jeff Dean 在那張紙上寫下 TPU 的構想，當拉里·佩奇拍板買下 DeepMind 時，他們可能沒想到過程會如此曲折。Google確實犯過大錯：它曾傲慢、它曾內耗、它曾像個猶豫不決的官僚。在 2022 年被 ChatGPT 突襲的那個至暗時刻，這些錯誤差點讓這家兆帝國崩塌。但科技行業的競爭，從來不是百米衝刺，而是一場馬拉松。OpenAI 是一支驚才絕豔的特種部隊，憑藉先發優勢和微軟的裝備支援，打贏了登陸戰（ChatGPT）。但當戰爭進入相持階段，演變成拼後勤、拼工業體系、拼成本控制的總體戰時，Google這台龐大的戰爭機器終於顯露出了它的猙獰獠牙。Google的護城河，從來不是某個神奇的演算法——因為演算法總會擴散，模型總會過時。真正的護城河，是那些深埋海底的自有光纖，是那些日夜轟鳴的脈動陣列晶片，是那套統一意志的 JAX 軟體棧，以及十年前那兩次不計成本、看似瘋狂的下注。這給所有科技公司帶來了一個殘酷的啟示：在技術變革的浪潮中，真正的壁壘無法通過“買買買”建立，但唯有在那個無人問津的“前夜”，敢於在底層基礎設施與基礎科學上做最笨重、最昂貴的投入，並擁有在危機時刻自我革命的組織勇氣，才能在十年後的風暴中，笑到最後。 (TOP創新區研究院)
