近日，GoogleTPU攜Gemini3逆襲之勢大幅拓寬增量前景，Meta考慮斥資數十億美元為其買單，機構將TPU產量預期上調67%至500萬塊。基於“晶片-光交換網路-大模型-雲服務”全鏈閉環，Google智算體系重回AI賽道前沿梯隊，標誌著美式封閉壟斷路線更進一步。與此同時，以DeepSeek為代表的開源模型緊追不捨。月初，DeepSeek V3.2及其長思考增強版模型出爐，前者在性能測試中打平ChatGPT，後者直接對標閉源模型頂流Gemini。這也預示著中國開源開放路線漸入佳境，國產智算體系在應用層展現出良好的生態協同潛力。至此，中美AI產業博弈棋至中盤，“開放協同”與“封閉壟斷”對位格局愈發清晰。尤其在智算生態佈局中，兩大陣營或正醞釀著一場體系化能力的巔峰較量。從Gemini 3到TPU v7，軟硬一體閉環臻至極境毋庸置疑，GoogleTPU的突然走紅，很大程度得益於Gemini3的模型能力驗證。作為專為GoogleTensorFlow框架而生的ASIC晶片，TPU憑藉軟硬體一體化設計為其全端閉環完成奠基，同時也在上層應用高位突破時俘獲外部使用者市場，甚至一度被視為輝達GPU的最強平替。所謂“軟硬一體化”，即硬體的設計完全服務於上層的軟體和演算法需求。如Gemini 3訓練和推理過程高度適配TPU叢集，而這種定製化專用模式也在功耗能效方面展現出極高價值——TPU v5e的功耗僅為NVIDIA H100的20%-30%，TPU v7每瓦性能較前代產品翻倍增長。目前，Google通過“晶片+模型+框架+雲服務”的垂直整合，形成了一個封閉且高效的循環。一方面極大地提升了自身AI研發和應用開發效率，另一方面也在NV主流體系下裂土而治，奪得又一智算賽道主導權，Meta對TPU的採購意向則將這一體系熱度推向了高點。業內有觀點指出，從蘋果到Google，美式的垂直封閉玩法幾乎臻至極境，表現出科技巨頭為鞏固和擴張利益版圖，在產業鏈層面泛在的壟斷慾望。但從生態發展角度來看，封閉模式缺乏長期主義精神，極易導致產業長下游喪失創新活性，並形成單一主體高度集權的格局。另外，從TPU的應用場景來看，軟硬一體閉環儼然是專屬於巨頭的遊戲。某分析人士稱，Google的叢集化設計和“軟體黑盒”，需要使用者重新配置一整套異構基礎設施。如果沒有兆參數模型訓練需求，根本填不滿TPU的脈動陣列，省下的電費可能都抵消不了遷移成本。同時，由於TPU技術路線極為封閉，與主流開發環境無法相容，使用者還需要一支專業的工程團隊駕馭其XLA編譯器，重構底層程式碼。也就是說，只有像Google、Meta這種等級的企業才有資格轉向TPU路線，也只有算力規模達到一定程度才能發揮出定製化產物的能效優勢。不可否認，Google等頭部企業通過垂直整合自建閉環，在局部賽道快速實現單點突破，同時也造就了美國科技巨頭林立的蔚然氣象。但在中美AI博弈背景下，美式封閉壟斷路線憑藉先發優勢提前完成了賽道卡位，被動的追隨式趕超已很難滿足中國智算產業的發展需要。“小院高牆”之外，如何充分發揮舉國體制優勢，團結一切力量拆牆修路，成為拉近中美AI體系差距的關鍵。多元異構生態協同，開放路徑通往下一賽點相較於美式寡頭壟斷模式，中國智算產業正基於多元異構體系層層解耦，重塑開放式生態系統。從頂層設計到產業落地，“開源開放+協同創新”已然成為國產軟硬體全端共識。在政策層面，《算力基礎設施高品質發展行動計畫》提出建構佈局合理、泛在連接、靈活高效的算力網際網路，增強異構算力與網路的融合能力，實現多元異構算力跨域調度編排。並且，相關部門多次強調，鼓勵各方主體創新探索智能計算中心建設營運模式和多方協同合作機制。延伸到AI應用層，《關於深入實施“人工智慧+”行動的意見》同樣要求深化人工智慧領域高水平開放，推動技術開源可及......不難看出，國家在人工智慧和智算領域給出了截然不同的中國方案——不在封閉路線中盲目追趕封閉，要在開放格局下謀求錯位趕超。事實上，頂層設計完全基於產業現實需要。在美方科技封鎖下，中國智算產業主要面臨兩大挑戰：單卡算力性能瓶頸、算力成本高。除了在晶片、模型、基礎軟體等核心技術領域持續攻堅外，當前更有效的途徑是發展更大規模、更多元高效的智算叢集，突破AI算力瓶頸。業內調研結果顯示，國內宣佈擁有千卡規模的算力叢集不少於100個，但其中大部分是異構晶片。可以想像，假如不同硬體系統相互封閉，標準介面不統一，軟體棧互不相容，將導致難以實現智算資源的有效整合利用，更無法滿足大規模參數模型的應用需求。根據行業主流觀點，國產AI算力存在多元化、碎片化特徵，同時又具備相當的規模化優勢。當務之急並不是各自埋頭推進單一技術路線，更首要的是盡快打通“技術牆”、“生態牆”，實現產業鏈開放跨層協作，真正釋放總體算力生態潛能，從單點突破邁向整合創新。具體來看，所謂開放路線旨在基於開放的計算架構推動產業生態協同創新。比如通過制定統一的介面規範，聯動晶片、計算系統、大模型等產業鏈上下游企業共同參與生態建設，減少重複性研發和適配投入，共享技術攻關和協同創新效益。同時，隨著開放架構中的協作標準趨於統一，可以進一步打造出商品化的軟硬體技術，用以代替定製化、專有化的系統，進而降低計算產品應用成本，實現覆蓋產業全端的算力普惠。顯然，在中國式開放體系下，國產AI算力正打破GoogleTPU的泛化普及困境，將智算生態系統與各方開發者使用者廣泛連結，最終形成體系化協同戰力，更靈活高效賦能人工智慧+落地。屆時，中美AI博弈也將走出單卡競爭和單一模型比拚，全面迎來生態體系能力的終極對壘。 (伯虎財經)

前言：算力革命的第三次浪潮與兆市場拐點2025年第三季度，全球AI半導體市場單季度規模歷史性突破320億美元，其中專用AI加速器佔比首次超越通用GPU，達到52%的臨界點。這一結構性逆轉標誌著算力基礎設施正式邁入"專用計算期"——繼2018-2022年的通用計算期（CPU+GPU主導）和2023-2024年的加速計算期（GPU叢集規模化）之後，算力革命迎來第三次浪潮。GoogleTPU v7（代號Ironwood）的量產與輝達Blackwell架構的全面普及，共同推動了智能算力進入"TPU-GPU雙雄時代"。根據Semianalysis最新預測，2025年全球智能算力市場規模將達到1.2兆美元，年同比增長83%，其中TPU產業鏈貢獻度有望突破35%，折合人民幣約3兆元規模。這一數字背後，是AI大模型從"規模競賽"轉向"效率革命"的深層邏輯：當GPT-5以18兆參數、Gemini 3以五兆參數刷新能力邊界時，單位算力的經濟性與能效比成為決定產業可持續發展的核心變數。本文基於對92份行業深度報告、31家核心企業2025年半年報及MLPerf v4.0最新測試資料的交叉驗證，系統解構TPU產業鏈的生態系統、技術突破、競爭格局與投資邏輯。第一章 智能算力產業全景：從GPU壟斷到架構多元化1.1 算力基礎設施演進三階段模型第三階段：專用計算期（2025-）核心硬體：TPU v7、Trainium2等ASIC晶片與GPU形成混合架構，算力規模進入10-100 EFlops時代技術特徵：脈動陣列、光互連、Chiplet封裝實現系統級最佳化，Gemini 2.5、Sora視訊生成等模型的訓練效率提升3-5倍市場格局：TPU在雲端訓練市場份額從2024年的12%猛增至2025年的22%，輝達份額降至76%，"雙寡頭"競爭格局成型1.2 2025年全球智能算力市場結構全景圖市場規模：2025年全球智能算力市場規模預計達1.22兆美元，同比+83.2%，其中訓練算力市場4610億美元（37.8%），推理算力市場7590億美元（62.2%）。硬體構成：GPU：出貨量約450萬顆，市場規模7060億元，佔比58%。輝達342萬顆（76%），AMD 68萬顆（15%），國產40萬顆（9%）TPU：出貨量約180萬顆，市場規模2680億元，佔比22%，同比暴增210%。Google146萬顆（81%），其中外部出貨32萬顆，同比增長340%ASIC/FPGA：出貨約120萬顆，市場規模2360億元，佔比20%區域分佈：北美5140億美元（42%）、中國3310億美元（27%）、歐洲2200億美元（18%）、亞太其他1650億美元（13%）。第二章 TPU產業鏈全鏈路解析：從矽片到叢集的垂直解構2.1 上游：核心材料與IP架構的"卡脖子"戰場EDA工具：Synopsys佔據TPU設計全流程67%份額，其Fusion Compiler在4nm時序收斂速度比競品快40%；國產華大九天在14nm以上製程實現68%覆蓋率，但4nm全流程工具國產化率不足5%。IP核授權：ARM Holdings的NPU IP佔據TPU類晶片41%授權份額；GoogleTPU v7脈動陣列"動態路由"技術專利封鎖至2045年，構成十年技術壁壘。製造材料：台積電4nm晶圓單價漲至2.3萬美元；日本JSR、東京應化壟斷85% ArF光刻膠份額；ABF封裝基板被味之素壟斷，佔TPU封裝成本18%。2.2 中游：晶片製造與封裝測試的產能戰爭先進製程：台積電CoWoS產能達12萬片/月（+140%），其中40%專供GoogleTPU v7。中芯國際14nm FinFET月產8萬片，通過多重曝光實現12nm等效性能，良率70%。封裝技術：GoogleTPU v7採用4-chiplet異構整合，有效良率從55%提升至75%，成本下降22%至2180美元。通富微電CoWo-S產能2萬片/月，通過Google認證。2.3 下游：應用場景與算力部署的實戰檢驗雲端叢集：GoogleApollo叢集（9216顆TPU v7）實現42.5 EFlops總算力，PUE低至1.08，Gemini 2.5訓練周期縮短67%。邊緣爆發：特斯拉D1晶片（144 TFLOPS）年出貨量超300萬顆；海康威視DS-6700TPU模組功耗僅3.2W，2025H1營收18億元（+180%）。模式創新：Fluidstack通過"算力承兌匯票"模式獲得黑石50億美元融資，毛利率達35%；Lambda Labs估值42億美元，社區使用者80萬。第三章 TPU與GPU技術參數深度對比：架構之戰的底層邏輯3.1 旗艦產品性能對決（2025年實測資料）核心發現：TPU v7峰值算力僅比B200高44%，但MFU領先16個百分點，實際有效算力差距擴大至1.65倍。功耗低21%，記憶體訪問能耗降低65%，這是其系統級優勢的核心。3.2 互聯技術：ICI光互連 vs NVLink電互連GoogleICI：採用光路交換機（OCS），延遲120ns，功耗0.8pJ/bit，萬卡叢集有效頻寬保持率92%，單節點故障可在10ms內繞過。輝達NVLink 5.0：頻寬1.8TB/s，但跨機架需Quantum-2交換機（35萬美元/台），萬卡叢集有效頻寬降至68%，功耗1.3pJ/bit。3.3 軟體生態：CUDA護城河 vs XLA編譯器Google2025年三大破局動作：PyTorch原生支援：PyTorch XLA v2.0支援Eager Execution模式，程式碼改動量<5%，Llama 3.1遷移僅需3天模型庫開放：Google Model Garden提供72個預編譯大模型一鍵部署激進定價：TPU v5e定價1.2美元/晶片/小時，較H100低57%，3年合約可再降30%MFU真相：TPU v7通過XLA靜態編譯實現78%利用率，而B200因核心啟動開銷、執行緒束分化等問題僅達62%。在175B參數GPT-3訓練中，TPU叢集訓練時長領先29%。第四章 AI大模型與應用的算力需求：指數級增長的數學解構4.1 訓練成本對比GPT-5訓練成本估算（18兆參數）：H100叢集：15360張卡，訓練9.4個月，成本6.4億美元TPU v7叢集：10240顆晶片，訓練6.7個月，成本3.8億美元結論：TPU v7在訓練效率上領先GPU 41%，能耗成本僅為H100的40%。推理算力爆發：全球推理算力需求年複合增長率達127%，2025年視訊生成算力消耗是文字的10,000倍，單次4K@60fps視訊生成需1024張H100運行2.5小時（成本860美元），TPU v7通過光互聯縮短至1.8小時（成本480美元）。第五章 全球TPU產業鏈競爭格局：Google帝國的擴張與反擊5.1 Google的戰略轉型出貨量躍遷：2025年GoogleTPU外部出貨32萬顆，同比+340%，佔比從12%提升至30%，目標2027年達50%。標竿客戶：Anthropic採購100萬顆TPU v7（其中40萬顆直接銷售，價值100億美元；60萬顆通過GCP租賃，對應420億美元RPO），Meta、xAI等頭部AI實驗室均在評估TPU方案。行業滲透：與特斯拉合作開發D2晶片（2026年量產）；與輝瑞合作AlphaFold 3訓練，時間從7天縮短至1.5天；摩根大通使用TPU v5e將風控延遲從50ms降至8ms。5.2 輝達的防守反擊Blackwell架構防禦：B200 NVL72系統強調"系統級性能"，CUDA 12.8新增300個MoE最佳化核心，對超大規模客戶提供35%戰略折扣。供應鏈反擊：提前18個月鎖定海力士、美光100% HBM3E產能，與台積電簽訂90% CoWoS產能優先協議，導致TPU v7交付周期從12周延長至16周。網路業務第二曲線：網路業務單季度收入82億美元（+162%），Quantum-2交換機毛利率82%，試圖用Spectrum-X開放標準對抗ICI封閉生態。5.3 中國陣營的攻堅戰華為昇騰910B：達文西3.0架構，14nm製程功耗600W（比TPU v7高9%），通過Atlas 900叢集（4096顆）實現61% MFU。阿里雲採購12萬顆，佔其AI晶片採購量15%。寒武紀思元370：7nm製程，功耗45W，專注邊緣推理，2025年營收28億元（+150%），避開雲端訓練紅海。技術瓶頸：國產EDA工具4nm全流程國產化率不足5%，14nm去美化產線依賴ASML 1980Di光刻機（僅12台），良率70%。第六章 投資機遇與風險預警：兆賽道的冰與火6.1 上游材料：HBM與光電晶片的黃金時代HBM：2025年全球需求1200萬片（+110%），價格從12美元/GB漲至16.8美元/GB。華海清科CMP裝置市佔率18%，營收65億元（+85%）；深科技HBM封測收入佔比提升至35%。光電晶片：Lumentum MEMS微鏡陣列佔GoogleOCS採購量60%，營收28億美元（+140%）；仕佳光子AWG晶片進入Google供應鏈，TPU相關收入5.2億元。6.2 中游製造：先進封裝與Chiplet崛起通富微電：CoWo-S產能2萬片/月，2026年擴至3萬片/月，服務GoogleTPU v5e、AMD MI325X，毛利率42%。Chiplet戰略：14nm小晶片良率85%，拼接後等效7nm性能，規避先進製程封鎖。芯原股份提供UCIe互聯IP平台，摩爾線程"蘇堤"晶片算力達1500 TFLOPS。6.3 風險因素預警技術迭代風險：IBM光子計算晶片能效達10 PFLOPS/W（TPU v7的2000倍），但僅支援線性運算，2030年前或分流15-20%算力需求。地緣政治風險：2025年壁仞科技、摩爾線程、燧原科技相繼被列入實體清單，ASML 1980Di以下光刻機可能禁售。產能過剩風險：2026年全球GPU/TPU產能或達需求的1.5倍，H100二手價已跌30%至2.8萬美元，2026年價格可能再跌20-30%。第七章 算力經濟學的深層邏輯：TCO與商業模式重構7.1 訓練叢集TCO對比（1000 PFlops規模，4年周期）結論：儘管單卡採購成本略高，TPU系統級TCO優勢達16%，這是Anthropic選擇TPU的根本原因。7.2 Neocloud的資產負債表外融資模式Fluidstack通過Google420億美元RPO授信獲得30億美元算力信用額度，以1.8美元/晶片/小時轉租Anthropic（較GCP低35%），再以客戶合同抵押獲得黑石50億美元貸款。模式本質：Google專注硬體研發，Neocloud成為"算力二房東"，金融機構獲取8-10%穩定收益，實現輕資產營運。第八章 技術前沿與未來演進TPU v8 "Sundance"（2026年Q4發佈）：3nm製程，512×512脈動陣列，BF16算力1.2 PFLOPS，256GB HBM4，OCI 2.0光互聯延遲降至50ns。光子計算：Lightmatter晶片能效達10 PFLOPS/W，2026年推出混合光電晶片，若突破非線性計算，2030年可能顛覆TPU/GPU格局。量子計算：IBM Condor 1000量子位元處理器作為AI超算的"協處理器"，在組合最佳化領域提供1000倍加速。第九章 中國算力產業的自主突圍東數西算二期：2025-2027年總投資3800億元，新增800 EFlops算力，其中國產TPU叢集佔40%（320 EFlops）。技術突破：中芯國際14nm良率突破70%，昇騰910B性能接近A100的85%，PyTorch國產後端支援率從72%提升至90%。投資策略：首選HBM產業鏈（華海清科）、光互連（仕佳光子）、先進封裝（通富微電）；次選國產TPU設計（華為海思）、邊緣應用（海康威視）；迴避傳統GPU產業鏈。結論：雙雄時代的中國機遇2025年的智能算力產業，正在經歷從GPU絕對壟斷到TPU-GPU雙雄並立的歷史性轉折。Google用十年打磨的TPU技術堆疊，在TCO、能效比、系統級性能上已具備挑戰輝達的硬實力；輝達憑藉CUDA生態、網路業務與Blackwell架構，仍守住60%市場份額。這場戰爭推動算力成本下降50%，加速AI應用普及。中國憑藉全球最大應用市場、最強政策執行力與最完整產業鏈配套，有望在2027-2030年實現從"被動替代"到"主動定義"的跨越。這是一場必須打贏的戰爭，也是一次不容錯過的機遇。 (AI雲原生智能算力架構)

Google的定製AI晶片TPU正被視為其重要的未來收入來源。市場預期，通過向Anthropic、Meta等外部客戶出售，TPU有望在輝達主導的市場中佔據20%份額，帶來近9000億美元商機。Google股價在第四季度大幅上漲31%，成為標普500指數中表現第十佳的成分股。投資者正日益相信，Alphabet旗下的人工智慧晶片可能成為其母公司未來的重要收入來源。這種被視為Google“秘密武器”的定製晶片，即張量處理單元（TPU），不僅在內部推動其雲端運算業務增長，更有望通過向第三方出售，開闢一個價值近兆美元的新市場。在這一預期的推動下，Alphabet股價在第四季度大幅上漲31%，成為標普500指數中表現第十佳的成分股。市場對TPU商業化前景的樂觀情緒，源於近期一系列關鍵動態。10月底，Alphabet宣佈將向AI初創公司Anthropic PBC提供價值數百億美元的晶片，此舉推動其股價在兩天內上漲超過6%。一個月後，據The Information報導，Meta Platforms Inc.正就在TPU上投入數十億美元進行談判，消息一出再次引發股價跳漲。DA Davidson技術研究主管Gil Luria估計，如果Alphabet能夠認真推進TPU的外部銷售，未來幾年內或可佔據AI晶片市場20%的份額，這將使其成為一個規模約9000億美元的業務。華爾街普遍認為，TPU是Alphabet在激烈AI競賽中的核心優勢。即使Alphabet從未對外銷售過一枚晶片，更高效的自研晶片也意味著一個性能更優、成本更低的雲服務。然而，一旦其開始向外部客戶認真銷售TPU，其商業版圖將迎來顛覆性改變。01 尋求輝達之外的替代選擇在當前AI晶片市場由輝達主導的背景下，TPU為尋求供應鏈多元化的公司提供了極具吸引力的替代方案。DA Davidson技術研究主管Gil Luria表示：“如果企業希望分散對輝達的依賴，TPU是一個很好的選擇，這讓我們有充分的理由保持樂觀。”TPU屬於“專用積體電路”（ASIC），專為加速機器學習工作負載而定製。這一特性使其在通用性上不及輝達的晶片，但也帶來了顯著的成本優勢。Homestead Advisers的股票投資組合經理Mark Iong指出，在投資者對AI相關支出日益審慎的當下，成本效益成為一個真正的優勢：“輝達的晶片成本更高且難以獲得，但如果你能使用ASIC晶片，Alphabet就在那裡，並且遙遙領先於該市場。”02 近兆美元市值的想像空間分析師們已經開始量化TPU對外銷售可能帶來的巨大商業價值。Gil Luria估計，如果Alphabet能夠認真推進TPU的外部銷售，未來幾年內或可佔據AI晶片市場20%的份額，這將使其成為一個規模約9000億美元的業務。摩根士丹利分析師Brian Nowak也觀察到一種“初露萌芽的TPU銷售策略”。他援引公司亞洲半導體分析師的預測稱，2027年TPU的採購量預計將達到500萬片，比先前預期高出約67%；2028年將達到700萬片，較先前預期高出120%。Nowak在12月1日給客戶的報告中寫道，雖然大部分需求可能來自Alphabet的自用和Google雲平台，但這也“揭示了Alphabet銷售更多TPU的潛力”。根據摩根士丹利的估算，每向第三方資料中心銷售50萬片TPU，就可能為Alphabet在2027年的收入增加約130億美元，並為其每股收益貢獻40美分。基於分析師的預測，Alphabet在2027年的營收預計約為4470億美元，增加130億美元將意味著近3%的銷售增長。據彭博彙編的資料，過去三個月，市場對該公司2027年的營收共識預期已上調超過6%。03 AI全端佈局的協同效應TPU的價值不僅在於其作為獨立產品的潛力，更在於它與Alphabet整個AI生態系統的深度協同。Google近期發佈的最新AI模型Gemini獲得了外界高度評價，該模型經過最佳化，能夠在TPU上高效運行，這進一步證實了TPU的內在價值。Mark Iong對此評論道，“Alphabet是唯一一家在AI的每一層都擁有領先地位的公司”，他指出，從Gemini模型、Google雲到TPU等多個領域，“這賦予了它不可思議的優勢。”儘管如此，目前尚不清楚Alphabet對於向第三方大規模銷售晶片的決心有多大，但其內部優勢已經為其未來的商業決策鋪平了道路。對TPU業務的過高期望，也可能在未來無法兌現時導致投資者失望，尤其是在Alphabet股價已大幅上漲的背景下。目前，Alphabet的股價約為預期收益的27倍，是自2021年以來的最高水平，也遠高於其十年平均水平。然而，即便如此，與蘋果、微軟和博通等其他大型科技股相比，其估值仍然更低。Jensen Investment Management的投資組合經理Allen Bond近期利用股價上漲的機會減持了部分股份。不過，他依然看好公司的整體地位和前景，認為“TPU成為收入驅動因素的路徑是可信的”。他表示：“Alphabet在AI領域正展現出切實的實力和進展，儘管這一點越來越被投資者所認可，但考慮到增長預期，其估值看起來仍然合理。一家在AI領域擁有強勁勢頭、交易價格卻低於微軟和蘋果的公司，意味著它仍是核心持倉。” (硬AI)

💡美股11月先弱後穩，感恩節週強彈近4%，整月仍收紅。經濟數據走弱推升12月降息預期至八成以上，中美熱線與輝達出口放寬也改善情緒。但市場擔憂鷹派降息，本週需慎防指數回調。💡自Google推出Gemini 3搭載TPU後， Google股價大漲、輝達下跌。但Google TPU真能取代輝達GPU嗎？💡禮來憑雙激動劑減肥藥猛健樂與Zepbound崛起，市值突破一兆美元，瘦瘦針營收年增兩倍、毛利率達8成，美國降價與保險覆蓋進一步推升需求，股價在什麼價位適合介入做多？💡時間軸00:00 正片開始01:10 感恩節4連漲03:55 Google成新一代AI霸主07:10 減肥藥公司市值破兆10:38 本週市場焦點本文內容不構成任何投資建議，與個人投資目標，財務狀況或需求無關。如有任何疑問，請您諮詢獨立專業的財務或稅務的意見 。

資料顯示，Google正在多個維度縮小與OpenAI的差距。11月Gemini的下載量達到1.008億次，而ChatGPT為6780萬次。使用者現在在Gemini上的聊天時間已超過ChatGPT或Claude等聊天機器人競爭對手。GoogleGemini 3發佈以來的兩周內，ChatGPT的每日獨立活躍使用者數七天均值已下降6%。本周人工智慧（AI）領域一個重磅消息是，OpenAI CEO Sam Altman周一向全體員工宣佈啟動“紅色警報”，要將全部資源集中於最佳化ChatGPT，應對GoogleGemini的激烈競爭。這一戰略調整反映出AI競爭格局的深刻變化，也揭示了Google自研晶片TPU對輝達晶片主導地位的潛在威脅。媒體報導稱，OpenAI決定推遲包括廣告業務、健康和購物AI代理和個人助手Pulse等其他產品開發，將核心資源重新配置到改善ChatGPT的日常使用體驗上。Altman表示，OpenAI仍需改進ChatGPT的日常體驗，包括提升個性化功能、速度和可靠性，並擴大可回答問題的範圍。瑞銀科技分析師Tim Arcuri在最新研報中指出，Google將要發佈的新一代TPU晶片Ironwood及其TPU生態系統正在對輝達構成實質性挑戰。輝達的股價表現已明顯落後於Google。Google使用者時長反超，ChatGPT日活下滑市場資料顯示，Google正在多個維度縮小與OpenAI的差距。據Sensor Tower資料，11月Gemini的月度下載量達到1.008億次，而ChatGPT為6780萬次。更值得注意的是，使用者現在在Gemini上的聊天時間已超過ChatGPT或Claude等聊天機器人競爭對手。據Deedy Das統計，自GoogleGemini 3發佈以來的兩周內，ChatGPT的每日獨立活躍使用者數（七天均值）已下降6%，顯示出競爭壓力的直接影響。雖然OpenAI仍擁有超過8億周活躍使用者，在整體聊天機器人使用中佔據主導地位，但使用者正在向Google流失。OpenAI負責ChatGPT的主管Nick Turley本周一晚間在社交媒體發帖稱，搜尋是最大的機遇領域之一，ChatGPT目前佔全球搜尋活動的約10%且增長迅速。他還說，公司的重點是讓ChatGPT更強大、繼續增長並擴大全球訪問範圍，同時使其更直觀和個性化。瑞銀：GoogleTPU晶片對輝達構成威脅在AI模型競爭的背後，晶片層面的較量同樣激烈。瑞銀科技分析師Tim Arcuri在研究報告中指出，GoogleTPU晶片的進步正在改變市場格局。據Arcuri分析，Google在今年4月首次披露最新一代TPU晶片Ironwood，並於11月正式推出。該晶片針對大語言模型（LLM）、專家混合模型（MoE）和高級推理進行最佳化，支援訓練、微調和推理工作負載，這與此前TPU的狹窄定製形成對比。Ironwood尚未提交至MLCommons的MLPerf v5.1資料中心訓練基準測試，但鑑於更多計算資源、FP8支援和遠超前代的高頻寬記憶體，Arcuri預計其單晶片性能將明顯超過Trillium。Arcuri指出，Google的上一代Trillium晶片專門針對推理工作負載最佳化且HBM容量較低（32GB vs 95GB），相比之下，Ironwood擁有更多計算資源、FP8支援和大幅增加的HBM容量，預計單晶片性能將顯著超越Trillium。Ironwood還將TPU規模擴展到最多9216個TPU的域，遠超v5p的8960個和Trillium的256個。Arcuri指出，這正是輝達整個生態系統表現明顯落後於Google的原因，Google正享受TPU產品帶來的關注度激增。GoogleDeepMind的首席技術官Koray Kavukcuoglu表示，通過使用Google自研的定製晶片訓練AI模型，公司已經“顯著提升了性能”。瑞銀認為，雖然Google隨著時間推移可能會考慮擴大TPU的生態系統，但任何此類努力都必須限制對Google雲平台（GCP）收入的潛在蠶食。從這個角度來看，Meta和蘋果都是內部TPU部署的主要候選對象，因為它們擁有支援內部工作負載的大型AI項目、龐大的內部AI叢集，且對GCP的依賴相對較小。OpenAI面臨多重競爭壓力OpenAI此次啟動紅色警報的背景是面臨來自多家競爭對手的壓力。Google上月發佈的新版Gemini AI模型在行業基準測試中超越了OpenAI，推動Google母公司Alphabet的股價飆升。上周Alphabet股價一周漲超14%，自兩周前發佈Gemini 3以來，截至上周五不到兩周內也累漲超10%。自8月發佈圖像生成器Nano Banana以來，Gemini的使用者基數持續攀升。Google透露，月活躍使用者從7月的4.5億增長至10月的6.5億。OpenAI還面臨來自Anthropic的壓力，後者在企業客戶中越來越受歡迎。雖然OpenAI仍擁有超過8億周活躍使用者，在整體聊天機器人使用中佔據主導地位，但使用者正逐漸被Google吸引。輝達回應TPU挑戰面對GoogleTPU的崛起，輝達在與瑞銀的交流中強調了與Google雲平台的牢固關係，指出Google在Gemini推理工作負載中同時使用TPU和GPU。輝達認為，雲服務商不太可能在其雲堆疊中運行TPU，因為需要大量工作負載最佳化才能在專用積體電路（ASIC）上實現總體擁有成本（TCO）優勢。輝達還表示，迄今為止，其相對於同行的性能優勢並未縮小。展望2026年，輝達指出Anthropic的1吉瓦（GW）容量和HUMAIN的60萬單位擴張是其2025-2026年5000億美元訂單數量之外的增量，提供了潛在上升空間。輝達的CPX晶片正在瞄準需要100萬以上token上下文窗口的高級程式設計應用。輝達尚未正式公佈市場規模，但此前曾暗示上下文窗口應用約佔推理市場的20%。Altman上月說，未來八年，OpenAI的資料中心項目承諾投資總額約為1.4兆美元。換句話說，OpenAI擁有1.4兆美元的承諾資金投入，用於維持其行業領先地位。總體而言，OpenAI確實有理由感到緊張，但這場動盪目前仍侷限於公司內部。至於輝達這家全球市值最高的公司是否也面臨類似的“紅色警報”，市場仍在密切觀望。 (invest wallstreet)

近期，Google自研的人工智慧（AI）晶片張量處理單元（TPU）宣佈對外供貨，此舉推動公司市值一度逼近4兆美元，並因此被市場稱為“AI新王”。這一突破被市場解讀為對輝達圖形處理單元（GPU）主導地位的挑戰，為處於迷霧中的AI產業注入了新動能，也為市場帶來了新的選擇和競爭活力，標誌著AI產業正從一個相對集中的格局，向更加多元化的方向發展。筆者認為，可以從以下三個方面看Google此舉對AI產業的影響。從技術路線來看，這揭示了AI產業的健康進化方向。GoogleTPU對外供貨的商業化破冰，並非簡單的產品競爭，更像是AI硬體領域的一次“鯰魚效應”，進一步啟動了AI市場，推動算力加速邁向多元共生的新生態。健康的技術進化是打造相互支撐的技術體系，這也是“AI新王”帶給行業的核心啟示。對於整個AI產業而言，這降低了對單一供應商的依賴，通過技術路線競爭倒逼行業創新加速，推動技術進步和成本下降，最終惠及產業鏈所有參與者，為AI產業提供最堅實的基礎。從行業演變來看，這是AI硬體走向成熟的標誌。無論最終GPU和TPU誰佔上風，算力競爭都為上游供應鏈帶來結構性利多。光模組、PCB等硬體環節，因技術迭代需求而迎來超預期增量。在此背景下，國內頭部廠商在響應客戶速度、量產穩定性和成本控制上已具備全球競爭力。硬體作為AI技術落地的核心載體，其成熟度直接決定產業進化的深度與廣度。硬體的算力支撐讓“一切硬體皆有AI”從概念變為現實，正如PC行業經歷網際網路變革後的進階，AI硬體的成熟體現在技術自主與性能突破的雙重達標，並推動所有終端裝置完成價值重構。在“AI泡沫”爭議中，這場硬體革命傳遞出清晰的訊號：真正的產業活力源於技術突破與良性競爭的雙重驅動。從商業邏輯來看，這顯示出AI競爭從模型性能轉嚮應用落地。實際上，Google此次破局是歷時十年建構的“算力底座（TPU）—核心模型（Gemini）—商業生態（搜尋+雲+終端）”全鏈條閉環進入收穫期的必然結果。當硬體能與模型、應用形成協同閉環，AI產業便真正具備了規模化創造價值的能力。當前AI產業正處在一個關鍵轉折點。雖然算力基礎設施競爭激烈，但真正的爆發點在於應用落地，並催生新的供應鏈，為相關合作夥伴帶來了新的增長機會。AI競爭的下半場，不再是實驗室裡的參數比拚，而是產業場景中的價值創造。當然，應用落地仍面臨成本高企、資料匱乏等結構性難題，但這恰恰凸顯了技術更新的必要性，只有通過規模化應用分攤成本、場景實踐積累資料、工程迭代完善方案，AI才能真正完成從技術到應用的過渡。隨著算力市場從依賴單一技術路徑邁向多元技術協同，AI產業逐步在多元博弈中找到效率與創新的最佳平衡點，才能不斷為產業發展注入持久動能。 (證券日報之聲)

最新行業研究報告顯示，谷歌自研AI芯片TPU正迎來產能擴張的重要節點。根據供應鏈調研數據，機構將谷歌2027年TPU產量預測上調至500萬塊，較此前預期大幅增長67%，2028年預期更上調至700萬塊。這一調整反映出人工智能算力需求正在經歷爆發式增長。業內分析指出，谷歌TPU產量的激增可能意味着其將開啓對外銷售模式，這將爲谷歌開闢新的收入來源。據測算，每銷售50萬塊TPU芯片，有望爲谷歌帶來約130億美元的營收。與此同時，有消息稱Meta正在內部討論斥資數十億美元採購谷歌TPU，計劃從2027年開始將其整合到數據中心中。谷歌TPU作爲專爲深度學習定製的ASIC芯片，主要圍繞AI推理需求設計。隨着生成式AI從技術研發走向規模化應用，全球AI產業重心正加速從訓練轉向推理。據預測，2028年全球AI推理市場規模將達到1500億美元，年複合增長率超過40%，這一增速顯著高於訓練市場。在產業鏈層面，谷歌TPU的放量銷售將爲上下游企業帶來發展機遇。除了光學電路交換市場外，高帶寬存儲需求也將持續成長。三星電子與SK海力士已成爲谷歌TPU供應鏈的關鍵角色，其中SK海力士有望成爲谷歌第七代TPU的8層HBM3E芯片供應商。值得注意的是，谷歌雲平臺上的AI生態鏈正在顯現協同效應。某知名數據庫軟件開發商最新財報顯示，其雲數據庫產品營收大幅增長30%，主要受益於與谷歌雲平臺的深度集成。這一現象表明，下游AI應用的逐步成熟正在推動整個產業鏈進入良性循環。儘管近期市場出現波動，但長期來看，AI算力需求增長的邏輯並未改變。隨着各大科技企業生產線陸續投產，產業鏈上下游的芯片需求預計將迎來指數級增長。分析認爲，人工智能產業的發展趨勢已然明確，相關領域將持續呈現積極變化。