大約一年多前，人類就不再身處網際網路的中心了。 搜尋引擎最佳化公司Graphite統計，早在2024年11月，人工智慧生成的內容梳理，首次超越人類創作者。另一家搜尋引擎最佳化公司Ahrefs的研究稱，截至2025年中，超過74%的新上線網頁，被檢測出含有顯著的人工智慧生成內容。 當網際網路上過半資訊和絕大部分增量資訊都被AI壟斷，人類創作者地位的邊緣化幾乎就是一種定局。 這兩天，另一個更刺激的資料又被公開，繼喪失了創作者的主導地位後，人類使用者也不再是網際網路最大的資訊消費者。

AI搜尋大戰打了一年多，市場一度以為ChatGPT會快速蠶食傳統搜尋的蛋糕，但美銀最新發佈的4月全維度資料，卻徹底顛覆了這個認知。 Google全球搜尋份額逆勢微升至90%，日訪問量達到驚人的28億，是 ChatGPT 的 15 倍、Claude 的105倍，行業龍頭地位巋然不動。 美銀報告認為，市場終於看清了一個真相：沒有誰能一夜之間顛覆Google幾十年建立起來的搜尋護城河。Claude和Gemini的快速增長，證明了AI搜尋的巨大潛力，但它們目前更多的是在開拓新的使用者需求，而不是從Google手中搶奪存量市場。 對於Google來說，AI不是威脅，而是第二次增長的機會。只要它能夠順利完成AI與搜尋、雲端運算、YouTube等核心業務的融合，將技術優勢轉化為商業優勢，未來幾年依然會是科技行業最具投資價值的公司之一。

在傳統SEO裡，Hn標籤只是頁面層級規範；到了AI搜尋（SGE/GEO）時代，Hn標籤就是AI讀懂你內容的“核心骨架”。用錯不僅SEO權重分散，AI還會直接跳過你的內容、拒絕引用。下面只講Google認可、AI友好的Hn標籤實戰規範，全是可直接落地的規則。一、先搞懂：為什麼AI搜尋比Google更看重Hn？Google爬蟲依靠Hn判斷頁面主題與結構；而AI在生成答案時，會優先從H1、H2里提取核心觀點與結論。結構混亂會導致Google收錄差、排名低；標題不清晰會讓AI無法識別重點；層級不規範，即便內容再優質也很難被引用。可以說：Hn規範 = SEO基礎分 + GEO入場券。二、GoogleSEO + AI搜尋通用Hn核心鐵律1. 一個頁面，只能有 1 個 H1H1是頁面的“主題身份證”，Google和AI都用它定位核心內容。必須包含頁面核心關鍵詞，長度控制在20–60字元最佳，不堆砌、不重複、不使用空標題。2. 必須按順序使用：H1 → H2 → H3 → H4…嚴禁跳級。H1直接跳到H3，會被Google判定結構混亂，AI也無法理解內容邏輯。AI最擅長讀取清晰的樹狀結構，層級越順，越容易被引用。3. H2 是章節主標題，承載核心長尾詞一個頁面可以有多個H2，用於劃分核心內容模組。AI在生成答案時，最喜歡從H2里抽取要點。H2必須做到語義清晰、直擊要點，包含使用者真實關心的問題，短句直白、不含冗餘話術。4. H3 是細分要點，強化“AI易讀結構”H3用來拆解H2內容，讓資訊更具體、更結構化。在AI搜尋機制裡，層級清晰的小標題+內容，最容易被直接引用。H3就是用來提升可讀性與抓取效率的關鍵層級。5. H4–H6 儘量少用超過3級的結構，Google與AI都會認為內容過於細碎。除非是超長教學、文件類頁面，否則一般只用到H3就足夠。三、絕對不能踩的Hn錯誤（Google明確打擊）1. 一個頁面出現多個H1最典型的SEO錯誤，會導致權重分散、主題模糊。2. 用H標籤單純做樣式，不做結構只為字型大小、加粗效果亂用H2/H3，Google判定為垃圾結構，AI無法理解。3. 所有標題堆砌相同關鍵詞H1、H2、H3塞滿同一關鍵詞，屬於明顯的排名操縱行為。4. 標題與正文內容完全無關標題與內容不符，會被Google降權，AI直接排除引用。5. 大量標題雷同、無區分度多個H2語義高度相似，AI無法識別章節重點，降低內容信任度。四、一句話總結Hn核心邏輯H1定主題，H2分章節，H3拆要點，層級不亂跳，AI和Google都偏愛。在AI搜尋越來越主流的今天，規範的Hn結構不再是“加分項”，而是內容能否被抓取、被收錄、被引用的基礎門檻。 (美瀾科技Mealyne)

4月3日，伊朗議長卡利巴夫發文嘲諷美軍：“美國挑起的這場戰爭，從一開始喊‘政權更迭’，現在淪落到‘找飛行員’了。”伊朗駐泰大使館更是發了一個“抓飛行員”的動畫視訊，配文就幾個字：這就是現在的伊朗！外交嘲諷的同時，伊朗開啟全民搜捕。伊朗國家電視台號召民眾，看到敵人就開槍，活捉有重賞；在伊朗山谷，當地部落武裝人員已經持槍進山搜捕。更有伊朗富商公開懸賞5萬美元，“活捉那個飛行員”。可以說，眼下每一個伊朗人，都對地面上美軍飛行員形成威脅。對比伊朗的聲勢浩大，剛剛宣稱自己取得“壓倒性勝利”的美國罕見調低了調門。川普雖然提到了不希望飛行員被俘，但他更多精力還是放在了石油上，就在同一天，川普公開寫道。“只要再給一點時間，美國就可以拿下石油、賺大錢”！相關報導美戰機在伊朗境內被擊落美國空軍一架F-15E型“打擊鷹”雙座戰鬥機3日在伊朗上空被擊落。兩名飛行員彈射逃生，其中一人被美軍營救，另一人失蹤。伊朗方面正在懸賞活捉那名下落不明的飛行員。這是美國和以色列2月28日對伊朗發起大規模軍事行動以來，首次有美軍戰機在伊朗境內被擊落。據美國有線電視新聞網報導，美軍出動搜救飛機和直升機進入伊朗境內，一名倖存飛行員獲救，正在接受治療。另一名飛行員下落不明，搜救行動正在繼續。美國總統川普當天短暫接受英國《獨立報》電話採訪，被問及如果該飛行員在伊朗被俘或受到傷害時美方將如何回應。川普表示：“我沒法說，因為——我們希望不會出現那種情況。”之後，他很快結束了通話。伊朗伊斯蘭議會議長卡利巴夫3日在社交媒體發文，諷刺美國戰鬥機被伊朗擊落。卡利巴夫表示，在敵人宣稱“連續37次擊敗伊朗”之後，這場由美國和以色列發動的“自視高明卻毫無戰略可言”的戰爭如今已從圖謀“政權更迭”降級為“嘿！誰能找到我們的飛行員？”伊朗軍方說，伊朗防空部隊3日還在荷姆茲海峽附近空域擊落美軍一架A-10“疣豬”攻擊機。據美媒報導，這架單座戰機是在為搜救上述兩名飛行員提供支援時被擊中，攻擊機飛行員駕駛受損戰機飛到科威特空域，彈射逃生，戰機墜毀。有美媒指出，美軍一天之內損失兩架戰機，這距離川普在全國電視講話中宣稱對伊朗的軍事行動取得“快速、決定性、壓倒性勝利”，還不到48小時。 (大河報)

過去二十年來，百度是一家“入口級公司”。在PC時代，它控制著中國網際網路最重要的閘口：搜尋框。使用者輸入關鍵詞，百度分發網頁連結，廣告主在出口競價排名。這是一種高度穩定的商業結構：注意力流入，流量變現，現金回收。圖片來源：視覺中國2026年的百度財報，提供了一個不同的故事。日前，百度發佈2025年第四季度及全年財報：2025年總營收達1291億元，AI業務營收達400億元，2025年第四季度總營收為327億，AI業務收入佔一般性業務收入的43%。這家公司正在從“流量稅”向“算力稅”遷移，它從收取過路費，轉向出售生產力。在中國網際網路的早期，百度是一家網際網路秩序的具體化公司。人們進入網路世界之前，必須經過它的搜尋框，廣告主購買關鍵詞，像在高速公路出口繳納過路費一樣，為流量定價，那是一個入口決定價值的時代，而百度恰好站在入口。但入口的權力，從來不是永久的。移動網際網路成熟之後，使用者的搜尋行為開始分化。事實查詢仍然存在，但消費決策與興趣探索逐漸轉移到內容平台。小紅書的搜尋並不是為了“查資料”，而是為了“做選擇”。使用者在那裡的每一次搜尋，都更接近一次真實交易，廣告主自然願意為更高的轉化機率支付溢價。與此同時，騰訊掌握的並非入口，而是關係網路。微信不只是工具，而是一張社交結構，支付、視訊號、電商都附著其上。它的流量不是通過分發獲得，而是通過關係沉澱形成。相比之下，工具型搜尋流量顯得越來越輕。當作業系統開始默認整合搜尋，決策搜尋與社交推薦分流使用者注意力後，百度的流量逐漸從“不可替代的入口”，退化為“可替代的工具”，工具的商業價值，天然低於場景與關係。廣告行業的變化往往比公司戰略更誠實。過去，企業獲客幾乎繞不開百度搜尋。今天，中小商家更願意在抖音與小紅書投放，因為那裡“內容即轉化”。騰訊則通過社交關係與支付閉環，提高廣告效率。廣告不再只是曝光，而是嵌入交易鏈條。百度的搜尋廣告仍然存在，但逐漸退居補充角色。它仍有規模，但缺乏場景深度與社交粘性。資本市場對此反應直接——廣告公司通常被賦予較低估值，因為增長上限清晰，護城河有限。當一家公司的核心資產不再稀缺，它的估值邏輯就會受到質疑，百度過去幾年所面對的壓力，也正源於此。這也是為什麼AI收入佔比43%這組資料具有象徵意義。它不僅代表新業務增長，更代表公司試圖擺脫“廣告公司”標籤。百度的AI轉型，與其說是主動進攻，不如說是被倒逼。與騰訊不同，它沒有社交關係作為長期壁壘；也與小紅書不同，它缺乏高轉化的消費決策場景；更與字節不同，它沒有龐大的內容生態作為模型訓練與應用爆發的土壤。因此，百度只能強化技術底座，晶片、算力、模型、雲服務，以及自動駕駛。崑崙芯、自建算力叢集與模型平台構成垂直整合體系，使百度能夠向企業出售算力與生產力，而不僅是曝光。風控模型最佳化、工業路徑規劃、後廚流程監控，這些場景的價值來自效率提升，而不是點選量。但在AI應用層面，百度並未形成壓倒性優勢。字節的豆包可以依託抖音與頭條的分發能力迅速觸達使用者；阿里的千問天然嵌入電商與支付體系；騰訊的元寶可以借助微信生態擴散。模型能力固然重要，但在應用階段，誰掌握分發場景，誰就掌握規模。百度起得早，卻未必擁有最快的擴散通道。文心大模型在技術研發上並不落後，但在使用者規模與生態嵌入程度上，並未形成決定性優勢，它在搜尋時代擁有分發權，在AI時代卻需要重新尋找分發入口。這是一種位置變化。百度曾經定義了中國網際網路的入口邏輯。那是一個網頁世界，資訊分散，搜尋成為秩序的建立者。它不只是工具，而是一種基礎設施。但移動網際網路重構了入口。社交成為第一層入口，內容成為第二層入口，交易成為第三層入口，搜尋逐漸退居幕後，從權力中心變成背景服務。AI時代原本被視為百度的機會。畢竟，它是中國最早押注AI的公司之一。可當大模型真正進入公眾視野時，站在台前的卻是字節、阿里與騰訊。流量、場景與關係網路再次發揮作用。這形成了一種明顯的時代落差——在搜尋時代，百度掌握流量入口；在移動時代，流量遷移到社交與內容；在AI時代，流量再次決定應用擴散。百度曾經決定別人如何進入網際網路，如今卻在尋找自己如何進入AI時代。資本市場給了它一次重新估值的機會，智能時代是否已經開啟，還取決於盈利結構能否穩定、技術優勢能否持續、資本投入能否回收。從收取流量稅到收取算力稅，這是一次商業模式的深度重構。這家曾經的“入口公司”，能否成為中國AI時代的“基礎設施公司”，答案尚未完全揭曉。（財富FORTUNE）

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)

25年前，Google（Google）聯合創始人賴利·佩奇對搜尋引擎的構想，與如今其人工智慧產品Gemini所能實現的功能驚人地相似。佩奇與聯合創始人謝爾蓋·布林共同創立了Google。自1998年公司成立至2001年，他擔任了首任首席執行長，隨後由埃裡克·施密特（Eric Schmidt）接任，施密特在該職位上任職了十年。Google創立時，搜尋引擎的概念仍相對新穎。Google憑藉其PageRank演算法將搜尋技術提升到了新高度。該演算法通過分析網頁間的超連結來對最佳結果進行排序，而非僅僅依賴關鍵詞匹配。佩奇當時表示：“當時的搜尋引擎並不真正理解那些頁面更重要。如果你輸入‘史丹佛’，得到的只是一些隨機提及史丹佛的頁面。這顯然行不通。”Google聯合創始人賴利·佩奇（左）與謝爾蓋·布林。圖片來源：Kim Kulish—Corbis/Getty Images短短幾年內，Google的創新使其從一個被AltaVista和雅虎（Yahoo）等市場巨頭碾壓的無名小卒，成長為真正的競爭者。到2000年，這家行業新秀已佔據25%的搜尋市場份額——這一進步顯著，但仍遠未達到如今90%的統治地位。佩奇稱，公司2000年的搜尋廣告收入為8000萬美元；而到了2024年，這一數字已接近2000億美元。然而，佩奇對Google及搜尋的未來懷有更宏偉的期望。他在2000年10月接受非營利教育機構美國成就學院（American Academy of Achievement）的一次近期被重新關注的採訪中表示：“人工智慧將是Google的終極形態。如果我們擁有終極搜尋引擎，它將能理解網路上的一切，精準知曉你想要什麼，並給出正確答案。而這顯然就是人工智慧——能夠回答任何問題，因為幾乎所有資訊都已存在於網路之中。”儘管他當時補充道：“我們現在離那還差得遠。”但Google近期升級的Gemini，或許是實現佩奇25年前願景最接近的一次。OpenAI在2022年底率先推出ChatGPT，搶佔了先機。隨後數月，Google匆忙推出了自己的大語言模型。2023年2月，Google發佈了Bard，之後將其更名為Gemini。Google在將AI融入搜尋方面也取得了重大進展。今年5月，Google重塑了其標誌性搜尋引擎，新增了一個名為“AI模式”的標籤頁，整合了Gemini功能。該模式不再僅僅提供連結列表，而是以自然語言直接回答搜尋問題。與此同時，ChatGPT正在取代至少一部分原本專屬於Google的查詢需求。憑藉Gemini的最新更新，Google或許已領先於競爭對手。據《華爾街日報》（Wall Street Journal）報導，行業基準測試顯示，Google這款旗艦大語言模型的新版本在性能上已超過ChatGPT及Anthropic的Claude等其他競爭者。上周，Google將其最新大語言模型Gemini 3 Flash版本，整合到了面向全球使用者的AI模式搜尋工具中。公司稱，其先進的推理能力將為使用者更複雜的問題提供更優質的答案。憑藉多模態推理能力，Google最先進的AI能夠在單次提示中，基於文字、圖像、音訊、視訊和程式碼進行解讀與推理。雖然它尚不能預測使用者需求，但其上下文窗口高達100萬個詞元（token），這意味著它能呼叫大量先前的資訊來生成對使用者查詢的回覆——尤其擅長處理冗長且微妙的提示。Gemini已不僅僅是一個被動的搜尋引擎，其代理執行使用者任務的能力也遠超以往版本。它可以在Google生態系統內協同工作，管理使用者的收件箱並行送郵件。在程式設計方面，這款大語言模型能夠即時“觀察”並在幾秒內給出後續步驟建議。Google宣稱，Gemini 3能在幾分鐘內幫助使用者將一個想法轉化為可運行的原型。儘管25年前佩奇將“終極搜尋引擎”描繪為一個遙遠的目標，但公司正逐步接近實現他的願景。（財富中文網）

根據鏈上交易記錄及瞭解相關情況的人士透露，一名化名 AlphaRaccoon 的匿名交易員近期在去中心化預測平台 Polymarket 上，透過押注Google 年度搜尋趨勢相關合約，在不到24 小時內獲利約 115 萬美元。這位交易員大舉買進多項「年度搜尋量最高人物」及「搜尋量前五名人物」合約中的 NO 股（否定票），交易時點集中在 12 月3 日前後。當時，多名候選人物的搜尋熱度在外部資料中已基本明朗，但平台價格尚未完全反映這一趨勢。押注“NO股”，對象包括川普據觀察市場的分析人士稱，Google 年度搜尋榜單每年發佈時間固定、資料來源公開，因此市場參與者通常能在正式公佈前對結果形成較高預期。鏈上資料顯示，AlphaRaccoon 的NO股押注對象包括：Bianca Censor、教宗良十四世（Pope Leo XIV）、唐納川普。上述人物在全年均具備較高曝光度，但並不足以登頂年度搜尋榜單。隨著市場預期在年底逐步收斂，相關NO 股價格最終在結算前後靠攏 1 美元，帶來顯著套利空間。「一旦外部資料足以確定趨勢，而市場價格仍未同步，套利窗口就會出現。」一位瞭解交易邏輯的人士說。定價效率受關注：市場深度不足暴露弱點這筆短時間的大額獲利在預測市場社群引發討論。有參與者指出，Polymarket 在特定時段的價格發現速度偏慢，使得資訊更充分的交易者能夠捕捉到價格錯位。支持者認為，該行為符合預測市場透過交易推動價格收斂的機制，有助於整體提高市場效率。但批評者則稱，該平台部分市場流動性不足，相較傳統金融市場，價格對外部公共資訊的反應往往存在滯後，使得專業交易者可以在關鍵節點取得不對稱優勢。監管關注度上升隨著2025 年Polymarket 交易量較去年同期顯著成長，其參與者結構也正向專業化傾斜。年度搜尋趨勢等公共資料賽道成為平台最受關注的類別之一。業內人士表示，隨著預測市場規模擴大，監管關注也上升。監管機構可能會重點考察：此類合約是否涉及未註冊的衍生性商品屬性，大額集中押注是否會影響市場完整性，平台是否具備充分的透明度與審查機制。目前尚無監管部門就此事件作出表態。預測市場的專業化趨勢正在加速儘管Polymarket 上的大額獲利案例並非首次出現，但AlphaRaccoon 的快速套利再次凸顯預測市場正朝更專業化方向發展。公共資料節點、流動性結構、價格反應速度等因素，正成為能否取得效益的關鍵。隨著更多資金與專業交易策略進入該領域，預測市場正從「群體智慧平台」轉向更接近金融市場結構的形態演進。 （北美商業見聞）