這兩周，AI 程式設計圈簡直捲出了天際。前腳Google剛發完新模型，後腳 Claude 就跟進大招。很多人為了嘗鮮，還在折騰各種“魔法”，費盡周折去申請那些國外的帳號。但大部分人都沒意識到，其實真正的“版本答案”根本不需要翻山越嶺，就在我們家門口。01｜ 唯一的中國獨苗，殺瘋了我們不看跑分，直接看看全球最大的模型聚合平台——OpenRouter 上的實戰資料。這可是被稱為 AI 界的“照妖鏡”。結果一看，直接給我整沉默了：圖：MiniMax M2 在 OpenRouter 程式設計分類的排名好傢伙，在一眾中美巨頭壟斷的 AI 程式設計模型 Top 5 榜單裡，中國獨苗只有這一家：MiniMax M2。不僅是上榜，它的實戰熱度更是嚇人。根據統計，M2 的 Token 呼叫量穩居全球前五，高峰期甚至一度飆升到了全球第三，直接跟在Claude Sonnet 4.5 和 Gemini Flash 後面貼身肉搏。圖：MiniMax M2 Token 量排名這意味著什麼？意味著在全球範圍內，已經有無數程式設計師用腳投票，認可了它的實力。02｜價格屠夫：9.9元把門檻踩碎如果說排名只是讓我驚訝，那看到價格的時候，我就是震驚了。M2 的價格直接打到了競品 Claude 的 8%。 注意，這不是打折，這是打骨折。前兩周，他們又搞了個大動作——基礎版首月只要 9.9 元 。你沒聽錯，一杯瑞幸的錢（甚至還買不到生椰拿鐵），就能讓你“雇”到一個全球 Top 5 等級的 AI 程式設計師，而且是包月、不限速。不僅如此，它的每款套餐價格都是吊打 Claude：圖：MiniMax M2 套餐對比這就不僅僅是“真香”了，這是直接把 AI 程式設計的門檻給踩碎了。作為經常測評各種工具的博主，我必須替大家驗證一個問題：這 9.9 元，到底是“智商稅”，還是普通人逆襲的神器？03｜極限實測： 它真能幹活嗎？光說不練假把式。我準備了兩個我們日常最頭疼的場景，看看它能不能接得住招。挑戰一：復刻殺時間神器“2048”午休無聊想摸魚？貪吃蛇玩膩了？我決定讓 M2 給我手搓一個經典的“數字毒藥”——2048。看看它能不能搞定那個複雜的合併演算法。我的指令 (Prompt)：請幫我用 HTML + CSS + JS 復刻經典遊戲 2048。具體要求：介面：經典的 4x4 網格，背景要暖色調（米色/淺黃）。核心邏輯：使用鍵盤方向鍵或手機滑動控制數字移動。相同的數字碰撞時合併翻倍（2+2=4，4+4=8），並有平滑的移動動畫。樣式：不同的數字（2, 4, 8... 2048）要有明顯的顏色區分，數字越大顏色越深。計分：頂部即時顯示當前分數和歷史最高分。一個指令下去，整個過程我只需要一路狂按回車。不到 3 分鐘，神奇的事情發生了：圖：MiniMax M2 遊戲生成過程（加速版）這個過程非常有意思，M2 會先思考遊戲的邏輯，然後一步步的把遊戲寫出來。它甚至能自己更新自己寫過的程式碼。圖：MiniMax M2 自動修復更新程式碼M2 甚至展現出了一種“老程式設計師”的素養：它不僅寫了程式碼，還自己開了個 HTTP Server 跑了一遍測試，順手把 Bug 給修了。這不僅是把開發的活幹了，連維運的活也包圓了。圖：MiniMax M2 自動開啟 HTTPServer 並測試都結束之後，我打開這個遊戲，簡直和原版一模一樣。打開遊戲，按下方向鍵，數字塊“刷刷”地滑動、合併，那個絲滑的動畫效果，完全不像是一個 AI 在兩分鐘內寫出來的“草稿”。邏輯類的“滿分作業”。如果你想做個小工具、小遊戲，它完全夠用。圖：MiniMax M2 生成的 2048 遊戲挑戰二：無中生有做資料分析之前很多想學資料分析的朋友跟我抱怨：“我想學，但手頭沒有資料啊！”其實，這也難不倒 M2。我給它出了個難題：兩步走，先造假（模擬）資料，再做高級圖表。第一步：無中生有（造資料）請幫我寫一個 Python 指令碼，隨機生成一份包含 2000 條記錄的‘奶茶店銷售資料.csv’。欄位要豐富，包含：訂單號、下單時間（精確到分鐘）、使用者性別、奶茶口味（5種）、甜度（無糖/三分/半糖/全糖）、會員等級（普通/VIP）、訂單金額。直接運行這個指令碼，幫我生成檔案。M2 二話不說，呼叫 Python 指令碼瞬間生成了一份極其逼真的 CSV 檔案。第二步：全自動分析（出炫酷圖表）現在，讀取剛才生成的 CSV 檔案，幫我用 Plotly 庫生成一個高級互動式 Dashboard，包含以下圖表：銷售熱力圖 (Heatmap)：橫軸是‘星期幾’，縱軸是‘小時’，顏色深淺代表銷量。我要一眼看出那天那個點最忙。使用者偏好桑基圖 (Sankey)：展示‘使用者性別 -> 會員等級 -> 甜度偏好’的流動關係。客單價箱線圖 (Box Plot)：對比 VIP 會員和普通使用者的消費金額分佈。洞察：根據圖表，自動總結出 3 條行銷建議。出圖的過程更加複雜一點，因為遇到一些畫圖模組沒有，不過不用擔心，它完全自動的給裝上了。圖：MiniMax M2自動解決依賴庫問題這其實是一個非常爽的過程，寫過程式碼的人都知道，安裝各種依賴庫簡直會讓人吐血。震撼結果：這是真正的“自產自銷”。 M2 先是用 Python 的 faker 庫給我捏造了一份極其逼真的資料。緊接著，它生成的 Dashboard 簡直絕了：圖： MiniMax M2 生成的資料分析圖那個熱力圖，一眼就看出來，基本上每天下午 4-5 點顏色最深（摸魚喝奶茶高峰期）。圖：MiniMax M2 生成的資料分析圖最神的是那個桑基圖，你能清晰地看到“女生 VIP 使用者基本都流向了“無糖/半糖”，看來美女都怕糖是真的！圖： MiniMax M2 生成的資料分析圖以後別再說沒資料練手了。9.9元，你不僅有了分析師，連“資料造假...啊不，資料模擬”的活兒它都包圓了。這種圖以前我得調半天程式碼，現在 M2 一分鐘出圖。04｜速度快到飛起天下武功，唯快不破。程式設計這個場景，速度是個關鍵指標，對程式設計的體驗影響也非常大，也直接影響到開發效率。我看了一下 OpenRouter 上資料，這個 M2 簡直是離譜，它的 TPS（每秒輸出 Token 數）基本上是 Claude Opus/Sonnet 4.5 的兩倍。比 Gemini 3 Pro 也高了近 50%！圖：MiniMax M2 速度對比另外，M2 已正式支援圖像理解、聯網搜尋 MCP。05｜怎麼用？M2 的接入非常簡單、絲滑。MiniMax 做了 API 生態的全面適配，支援Anthropic 和 OpenAI 兩種標準格式。不管你是用現在的網紅編輯器 Cursor、Claude Code，還是其他的 AI 工具，它基本都能無縫接入。只要三步，就能用上了。第一步：先訂閱一個套餐：https://platform.minimaxi.com/subscribe/coding-plan選擇一個適合自己的檔位，比如我選擇了只需要 9 塊 9 的 Starter，然後下單。第二步：獲取 API Key訂閱成功後，平台會給你生成一個 Coding Plan 專用的 API Key。複製就好了。圖：MiniMax M2 API 介面第三步： 打開你常用的 AI 程式設計工具，把 Key 填進去。在 Claude Code 裡面設定比較簡單，在配置檔案~/.claude/settings.json設定這些參數即可：{"env":{"ANTHROPIC_BASE_URL":"https://api.minimaxi.com/anthropic","ANTHROPIC_AUTH_TOKEN":"","API_TIMEOUT_MS":"3000000","CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC":1,"ANTHROPIC_MODEL":"MiniMax-M2","ANTHROPIC_SMALL_FAST_MODEL":"MiniMax-M2","ANTHROPIC_DEFAULT_SONNET_MODEL":"MiniMax-M2","ANTHROPIC_DEFAULT_OPUS_MODEL":"MiniMax-M2","ANTHROPIC_DEFAULT_HAIKU_MODEL":"MiniMax-M2"}}當然，這裡的MINIMAX_API_KEY要換成你自己的。圖：配置 Claude Code配置完之後，你就擁有了一個24小時待命、不喝咖啡、不發脾氣、還巨便宜的頂級程式設計師助手。最後說兩句MiniMax 搞 9.9 元 ，是不是在卷價格戰？ 是，肯定有商業考量。但作為使用者，我感謝這種“卷”。兩年前，為了用好一點的模型，我們得當“網路難民”，忍受高價和封號。但 2025 年，世道變了。國產模型不再是無奈的“備胎”，而是好用且便宜的主力。當算力門檻降到 9.9 元 時，這就叫“技術平權”。所以，真誠建議大家：別光在岸上看，跳下去試試。萬一，它真幫你把心底那個 App 的夢做出來了呢？騰出時間，去造夢吧。程式碼的事，交給 AI。 (AI范兒)

CUDA被撕開第一道口子！GoogleTPUv7干翻輝達【新智元導讀】當Google不再只滿足於「TPU自己用」，TPU搖身一變成了輝達王座下最鋒利的一把刀！CUDA護城河還能守住嗎？讀完這篇SemiAnalysis的分析，你或許會第一次從「算力帳本」的視角，看懂Google暗藏的殺招。GoogleGemini 3的成功，讓其背後的TPU再次成為全世界關注的焦點。資本市場給出了明確的反應，Google股價的上漲，也讓一個話題再次被拿到牌桌上討論：GoogleTPU是不是真的能和輝達GPU掰一掰手腕？尤其是TPUv7更是人們討論關注的焦點，這款專門為AI設計的晶片是否能夠打破輝達多年來的GPU形成的壟斷？眾所周知，SemiAnalysis是一家在科技界，尤其是半導體和人工智慧領域極具影響力的精品研究與諮詢公司。它以硬核、深度的資料分析著稱，不同於泛泛而談的科技媒體，它更像是一個服務於華爾街投資者、晶片巨頭和AI從業者的「行業智庫」。剛剛，他們最新的文章給出一個明確的結論：TPUv7首次向輝達發起了衝鋒。而且這一篇文章由12位作者共同撰寫，可見份量之重。這篇文章深入剖析了GoogleTPUv7如何向輝達的AI硬體霸權發起實質性挑戰。核心轉折點在於：Google打破長期以來的內部自用慣例，開始向Anthropic等外部客戶大規模出售TPU硬體及算力，後者已部署超過1GW的TPU叢集。儘管在單晶片理論參數上TPU未必碾壓輝達，但Google憑藉卓越的系統級工程（如ICI互聯和光路交換）實現了極高的實際模型算力利用率（MFU），且總體擁有成本（TCO）比輝達GB200系統低約30%-40%。Google正通過支援PyTorch原生環境和vLLM等開源生態，積極修補軟體短板，試圖從根基上瓦解CUDA的護城河。CUDA護城河能否被終結？TPUv8和輝達下一代AI新品Vera Rubin，誰更強大？接下來的內容，會給你答案。TPUv7：Google向王者發起挑戰輝達堅不可摧的堡壘，出現了一絲裂痕。目前，世界上最頂尖的兩個模型——Anthropic的Claude 4.5 Opus，以及Google的Gemini 3，它們絕大部分訓練和推理基礎設施，都運行在Google的TPU和亞馬遜的Trainium上。其中的Gemini 3，以及其所有早期版本的Gemini，則是完全在TPU上進行訓練的。這還不算，Google正在向多家公司出售商用的TPU硬體。輝達的王座迎來了新的挑戰者。早在2006年，Google就有過建立AI專用基礎設施的想法。但一直到2013年，Google才開始為TPU晶片奠定基礎，並在2016年將其投入生產。同一年，亞馬遜也啟動了Nitro計畫，該計畫專注於開發晶片以最佳化通用CPU計算和儲存。如今，通過推進TPU商業化，Google已經成為輝達最新且最具威脅的挑戰者。Gemini 3發佈後，市場反響強烈。輝達還專門為此發佈了一條官方推文，恭喜Google在AI領域的進展，同時不忘強調自己依然遙遙領先。在推文中，輝達強調自己仍在持續向Google供應硬體，並表示自己依然領先行業一代，是唯一能夠運行所有AI模型、並能在各種計算場景中使用的平台。同時，強調GPU比專用晶片（ASIC）在性能、通用性和可替代性上更強，這句話明顯是對GoogleTPU、AWS Trainium等專用晶片的回應。突然崛起的TPU在過去的幾個月裡，GoogleDeepMind的Gemini 3、Google雲以及TPU綜合體，賺足了眼球，也將Google母公司Alphabet的市值推高至接近4兆美元。TPU產量大幅上調，Anthropic、Meta、SSI、xAI、OAI等TPU的客戶名單正在不斷擴大，這些推動了Google和TPU供應鏈的大幅重新評級，無疑也將壓制以輝達GPU為重點的供應鏈。除了面對TPU的壓力，輝達還面臨著通過「循環經濟」造成AI泡沫的質疑，許多質疑者認為輝達通過資助燒錢的AI初創公司，本質上是將錢從一個口袋轉移到另一個口袋。輝達對此的回應SemiAnalysis認為更合理的解釋是：輝達旨在通過股權投資而非降價來保護其在基礎實驗室的主導地位——降價將拉低毛利率並引發投資者普遍恐慌。下文將通過解析OpenAI與Anthropic的合作模式，展示前沿實驗室如何通過採購（或威脅採購）TPU來降低 GPU 的總體擁有成本（TCO，Total Cost of Ownership）。總擁有成本（TCO）模型、Anthropic和OpenAI雖然OpenAI目前尚未部署TPU，但僅憑「轉向TPU」這一可能，就已在其輝達叢集成本上節省約30%。簡單來說，OpenAI並沒有真的把Google的TPU晶片插進伺服器裡跑任務，而是把「我隨時可能改用TPU」作為一個巨大的談判籌碼，迫使輝達為了留住這個大客戶，變相給予了巨額優惠。GoogleTPU的大規模外部化TPU堆疊長期以來一直與輝達AI硬體相抗衡，但它主要是為了支援Google的內部工作負載。即使在2018年向Google雲平台客戶提供TPU之後，Google仍未將其完全商業化。如今，這種情況正在開始改變。在過去的幾個月裡，Google已經動員了整個堆疊的努力，通過Google雲平台或作為商用供應商銷售完整的TPU系統，開啟了TPU大規模商用的步伐。這一舉措也使這家搜尋巨頭成為一個真正差異化的雲提供商。與此同時，Google的頂級客戶Anthropic也在繼續推動擺脫對輝達單一依賴，兩者在採用TPU上一拍即合。與Anthropic的交易，標誌著TPU規模化商用的一個重要里程碑。那麼，Anthropic和其他客戶為什麼想要Google的TPU？答案很簡單。TPUv7 Ironwood是一個優秀系統內的強大晶片，即使晶片在參數上落後於輝達，Google的系統級工程也使得TPU堆疊在性能和成本效率方面都能與輝達相匹配。這種組合為Anthropic提供了引人注目的性能和TCO，因此贏得了其大規模的訂單。與輝達通過GB200擴展其GPU生態一樣，Google自2017年TPUv2以來，也一直在機架內和跨機架擴展TPU。Google的ICI擴展網路，也與輝達NVLink匹敵的競爭對手。如今，預訓練前沿模型仍然是AI硬體中最困難和資源最密集的挑戰。自2024年5月GPT-4o以來，OpenAI的頂尖研究人員尚未完成廣泛用於新前沿模型的成功全規模預訓練運行，而TPU平台則通過了這一測試。對於Google來說，在最具挑戰性的硬體問題之一中悄悄擠入並建立性能領先地位，確實是一個令人印象深刻的壯舉。微架構仍然很重要：Ironwood接近Blackwell雖然Google一直在推動系統和網路設計的邊界，但從一開始，Google在晶片方面的設計理念相對於輝達就更為保守。歷史上，TPU的峰值理論FLOPs明顯較少，記憶體規格也低於相應的輝達GPU。其中有3個原因。首先，Google對其基礎設施的「RAS」（可靠性、可用性和可服務性）非常重視。Google寧願犧牲絕對性能來換取更高的硬體正常執行階段間。第二個原因，直到2023年，Google的主要AI工作負載是為其核心搜尋和廣告資產提供動力的推薦系統模型。與大模型工作負載相比，RecSys工作負載的算術強度要低得多，這意味著相對於傳輸的每一位資料，需要的FLOPs更少。第三個原因，是TPU主要面向內部，在外部誇大這些規格的壓力要小得多。商用GPU提供商希望為其晶片行銷儘可能好的性能規格，這激勵他們將行銷的FLOPs提高到儘可能高的數字。進入大模型時代之後，GoogleTPU的設計理念發生了明顯轉變。從最近兩代為大模型設計的TPU：TPUv6 Trillium（Ghostlite）和TPUv7 Ironwood（Ghostfish）就可以看出這種變化。TPUv6在FLOPs上已經非常接近H100/H200，但它比H100晚了2年。TPUv7 Ironwood是下一次迭代，Google在FLOPs、記憶體和頻寬方面幾乎完全縮小了與相應輝達旗艦GPU的差距，儘管全面上市比Blackwell晚了1年。理論上的絕對性能是一回事，但重要的是單位總擁有成本（TCO）的實際性能。雖然Google通過Broadcom採購TPU並支付高額利潤，但這明顯低於輝達不僅在他們銷售的GPU上，而且在整個系統（包括CPU、交換機、NIC、系統記憶體、布線和連接器）上賺取的利潤。從Google的角度來看，每顆晶片在全規模部署下的TCO比輝達GB200伺服器低 44%。這足以彌補峰值FLOPs和峰值記憶體頻寬約10%的不足。為什麼Anthropic下注TPU？比較理論FLOPs只能說明部分問題。更重要的是有效FLOPs，因為峰值數字在實際工作負載中幾乎從未達到。輝達的優勢源於CUDA護城河和開箱即用的廣泛開源庫，幫助工作負載高效運行，實現高FLOPs和記憶體頻寬。相比較之下，TPU軟體堆疊開箱即用的性能較弱，然而Anthropic擁有強大的工程資源和前Google編譯器專家，他們既瞭解TPU堆疊，也很好地理解自己的模型架構。因此，彌補了這方面的不足。他們可以投資自訂核心以驅動高TPU效率，這使得他們可以達到比採用其他商用GPU更高的MFU（模型FLOPs利用率）和更好的每PFLOP成本性能（$/PFLOP）。另一個巨大轉變傳統上，TPU軟體和硬體團隊一直是面向內部的。這具有優點，例如沒有行銷團隊施加壓力來誇大所述的理論FLOPs。只面向內部的另一個優勢是TPU團隊非常重視內部功能請求和最佳化內部工作負載。缺點是他們不太關心外部客戶或工作負載。TPU生態系統中的外部開發者數量遠低於CUDA生態系統。這是TPU的主要弱點之一，就像所有非輝達加速器一樣。Google此後修改了針對外部客戶的軟體戰略，並已經對其TPU團隊的KPI以及他們如何為AI/ML生態系統做出貢獻做出了重大改變。其中有2個主要變化：在PyTorchTPU「原生」支援上投入大量工程精力；在vLLM/SGLangTPU支援上投入大量工程精力。通過查看Google對各種TPU軟體倉庫的貢獻數量，可以清楚地看到外部化戰略。從3月開始vLLM貢獻顯著增加。從5月開始，建立了「tpu-inference」倉庫，這是官方的vLLMTPU統一後端。Google在軟體戰略方面仍然處理不當的一個地方是，他們的XLA圖編譯器、網路庫和TPU執行階段仍然沒有開源，也沒有很好的文件記錄。這讓從高級使用者到普通使用者的各種使用者感到沮喪，因為他們無法偵錯程式碼出了什麼問題。此外，用於多Pod訓練的MegaScale程式碼庫也不是開放原始碼的。就像PyTorch或Linux開源迅速增加了採用率一樣，為了加速使用者的採用，Google或許應該將其開源，使用者採用率的增加將超過他們公開和免費提供的所有軟體IP。後續如果想要瞭解更深入的技術細節，比如Google獨有的ICI光互連技術到底有那些優勢，可以閱讀原文：https://newsletter.semianalysis.com/p/tpuv7-google-takes-a-swing-at-the(新智元)

三天之內，兩度炸場！ Google再次用「核彈級」更新宣告：AI 還是我的主場。繼Gemini 3 驚艷亮相後，Google趁熱打鐵，正式發布了其圖像生成領域的終極武器Nano Banana Pro。它一發布，就讓無數設計師和開發者驚掉下巴，有人直呼：“這簡直是不給對手留活路！”（本圖由Nano Banana Pro產生）以前玩 AI 生圖，大家都有共識：它能畫出足以亂真的科幻大片，卻寫不對海報上的一句簡單標語。無論畫面多麼驚艷，一旦涉及到具體的“文字渲染”或“邏輯排版”，AI 往往會瞬間“智商掉線”，甩給你一堆鬼畫符般的“外星文字”。這種「只懂藝術，不懂設計」的硬傷，曾是AI 邁向專業化應用最大的攔路虎。但現在，這個瓶頸徹底被Google炸穿了！就在Nano Banana Pro（官方名：Gemini 3 Pro Image）正式發布後，開發者社群的驚嘆聲瞬間引爆社群網路。免疫學家德里亞·烏努圖茲（Derya Unutmaz ）貼出了一張一次性生成的完整醫學插圖，完美描述了CAR-T 細胞治療階段，配文驚呼：“谷歌，你們做了什麼？！”曾在多家科技媒體擔任產品經理的帕克·奧托拉尼（Parker Ortolani）在測試複雜圖表生成後，直接感嘆：“強大到離譜！”工程師迪迪·達斯（Deedy Das）讚揚了Nano Banana Pro 在編輯和品牌修復任務中的表現：“類似Photoshop 的編輯功能，它搞定了一切，是我迄今為止見過的最好的圖像模型。”甚至連表情包創作者也參與其中。@cto_junier 透過一次提示產生了一個完整風格的「LLM 討論桌」表情包，包含Logo、圖表、顯示器等所有元素，並稱Gemini 3 Pro Image 為「新表情包引擎」。Nikunj Kothari 則一鍵將一篇完整的文章轉換成了風格化的黑板講座板書，稱結果「令人無言（讚歎）」。不過在一聲讚譽中，也不乏冷靜的「潑冷水」。 AI 研究員Lisan al Gaib 對該模型進行了一個重邏輯的數獨問題測試，結果模型「幻覺」出了一個無效的謎題和一個毫無意義的解法，他指出該模型「遺憾地還不是AGI」。這提醒我們，雖然視覺推理取得了巨大飛躍，但在規則絕對受限的系統中，邏輯幻覺仍是當前技術難以根除的頑疾。那麼，撇開對AGI 的極致苛求，回歸到內容生產的現實維度，Nano Banana Pro 究竟強在那裡？答案不在於它“畫得更漂亮”，而在於在容忍度相對較高的創意領域，它擁有了前所未有的“深度思考”和“影棚級控制力”。它不再是機械的“看圖說話”，而是真正做到了 “理解邏輯，生成結構”。這次升級，核心衝突點直指專業領域：它將圖像生成從一個“創意玩具”，徹底變成了具有高精度、高保真、高一致性的“企業級內容生產引擎”。下面，我們將深入探討這款模型的細節，看看它如何用推理內核和物理控制重塑視覺內容生態。深度推理從“像素堆砌”到「邏輯建模」的跨越Nano Banana Pro 的底層技術，是它與過去所有模型的本質差異。它整合了Gemini 3 Pro 獨有的「深度思考」（Deep Thinking）推理能力，將邏輯一致性直接應用於視覺物理和內容結構。1. 結構化多模態推理Nano Banana Pro 不再單純地「模仿」風格，而是能理解並產生具有明確結構、意圖和事實基礎的視覺內容。資訊圖表生成： 這是其最受讚譽的功能。使用者可以提供複雜的段落提示詞，一次產生完整的、零拼字錯誤的教育圖表、醫學插圖或商業流程圖。它能夠根據語言提示，準確地建立連貫的排版、佈局和主體連續性，這是傳統模型無法實現的。設計師特拉維斯·戴維斯（Travis Davids）展示了一個一次性生成的、佈局和排版完美的餐廳菜單：“生成長文本的問題正式解決了。”即時知識： 借助Google搜尋的龐大知識庫，Nano Banana Pro 可以產生基於即時資訊的視覺化內容。例如，根據當前的天氣數據，產生一張波普藝術風格的天氣資訊圖表；或根據最新的食譜步驟，生成分步可視化的烹飪指南。多元素融合與一致性： 模型的合成引擎得到了顯著擴展，支援將多達14個不同的輸入影像（包括多個角色、產品、背景紋理）混合成一個連貫的場景。更重要的是，它能在複雜的群像鏡頭或序列敘事中，保持最多5個獨立主體的一致性和相似性，徹底解決了AI 生成角色「漂移」或「變臉」的歷史痛點。2. 高保真文本渲染的極限突破文字處理能力不再是“附加功能”，而是Nano Banana Pro 的核心賣點。準確與清晰度： 此模型被評價為在影像中直接渲染正確、清晰可讀多語言文字的業界翹楚。無論是海報中的短標語，還是複雜的圖表說明，其文字錯誤率都顯著低於競爭對手。多語言與在地化： 模型能夠支援語意在地化和圖中文字翻譯。例如，在一個飲料罐的廣告概念中，它可以將所有英文文本準確翻譯並渲染成韓文，同時完美保留罐體原有的光照、曲率和表面紋理，這項任務在傳統流程中需要昂貴的手動後製處理。風格化與表現力： 使用者可以要求模型創建具有多樣紋理、字體和書法風格的文本，例如用粗體、堆疊的字體創建復古絲網印刷效果，或將短語融入伐木場景，用木頭組成文字，將文本創意提升到新的高度。影棚級控制將攝影和設計語言融入AI 工作流程Nano Banana Pro 的另一個亮點是，它將過去只有專業攝影師和設計師才能掌握的“物理控制”，轉化為簡潔的提示詞。1. 專業的視覺參數操控模型允許使用者對影像的底層物理屬性進行精細控制，模擬專業攝影和後製。光照與氣氛： 使用者可以精確操縱光照方向、強度和類型。例如，可以輕鬆地將白天的場景渲染為夜晚，或引入刺眼的定向光，在人物面部投射出深邃陰影，只照亮眼睛和顴骨，實現特定的戲劇效果。景深與焦點： 模型能夠控制景深虛化（Bokeh Effect）。使用者可以指定焦點，例如將焦點從人像轉移到前景的花朵上，突出構圖的細節，實現專業級的畫面分層。色彩與角度：支援應用複雜的色彩分級（Color Grading）和調整相機角度，讓使用者輕鬆將想要的視覺外觀應用到模型中，確保品牌在每個觸點上保持無縫和一致。2. 高級編輯與解析度支持非破壞性局部編輯： 引入的「選擇、最佳化、變換」能力，允許創作者修改影像的特定部分（如改變領帶顏色、移除背景物體），而無需重新產生整個影像，極大提高了工作效率，更接近傳統的編輯軟體。高解析度輸出： 模型支援高達2K 和4K 的輸出分辨率，確保了創作成果可用於從社交媒體到高要求的印刷等任何平台。多種寬高比的支援也確保了影像能適應各種目標平台。生態整合從開發者到企業級的全端部署Nano Banana Pro 的發布策略，明確了其作為GoogleAI 生態系統核心基礎設施的定位。1. 開發者和企業訪問API 與雲端服務： 模型已開始在全球的Gemini API 和Google AI Studio 中推出，供開發者存取。企業可以立即透過Vertex AI 進行規模化創作，並將很快登陸Gemini Enterprise。Antigravity 整合： 在Google內部的智慧體IDE Antigravity 中，Gemini 3 Pro Image 被用於在介面元素被編碼之前，就產生動態的UI 原型和視覺素材，大大簡化了「從設計到程式碼」的流程。商業應用程式升級： Google Ads 中的影像產生功能已升級至Nano Banana Pro，直接將尖端的創作和編輯能力交給全球廣告主。同時，Google Slides 和Vids 的Workspace 客戶也能使用它來產生簡報視覺素材和故事板。2. 用戶訪問與定價分層Gemini 應用： 消費者和學生可在Gemini 應用中，透過選擇「思考」模型進行「創建圖像」。免費層： 用戶將獲得有限的免費配額，之後恢復使用原始的Nano Banana 模型。付費層： Google AI Plus、Pro 和Ultra 訂閱用戶獲得更高的配額。定價策略： Nano Banana Pro 的定價採用分級制，定位高端市場（例如標準圖像約0.134 美元，遠高於競品約 0.04 美元的基準）。但Google強調其價值在於：4K 高解析度、企業級治理（付費層圖像不用於訓練Google系統）以及其作為邏輯推理模型的稀缺性。這筆溢價，是為了「專業保真度和資料安全」而支付。3. 來源追溯與信任構建強制 SynthID： Nano Banana Pro 產生的每張影像都強制嵌入了Google不可感知的 SynthID 數位浮水印，確保其AI 來源可追溯，這在醫療、教育等高風險領域是營運要求。移除可見浮水印： 為滿足專業工作對「乾淨」視覺畫布的需求，Google AI Ultra 訂閱用戶和Google AI Studio 開發者工具內生成圖像上的可見「Gemini 火花」浮水印將被移除。使用者驗證工具：Google將一個強大的驗證工具直接交到使用者手中，現在可以將圖像上傳到Gemini 應用，直接詢問它是否由Google AI 生成，這得益於 SynthID 技術。Nano Banana Pro 的問世，標誌著AI 圖像生成正式從「新奇的藝術工具」轉向「可靠的商業基礎設施」。它不僅在視覺品質上達到了前所未有的高度，更重要的是，它帶來了邏輯、結構和一致性，讓AI 視覺內容真正做到了「所想即所得，所見即所用」(網易科技)

英國競爭與市場管理局(CMA)近日正式認定Alphabet旗下谷歌在搜索服務領域具有"戰略市場地位"(SMS)，這是英國新數字市場競爭制度實施以來的首個此類認定。該決定意味着谷歌在英國市場的搜索與廣告業務將面臨更嚴格的反壟斷審查。CMA經過爲期九個月的調查後確認，谷歌在英國搜索市場佔據超過90%的份額，具有"顯著且根深蒂固的市場力量"。監管機構特別關注搜索結果的公平性、廣告成本以及AI生成搜索回應等問題。值得注意的是，雖然谷歌的Gemini AI助手未被納入此次認定範圍，但其他AI功能如AI概覽和AI模式則包含在內。CMA數字市場執行董事表示，這一認定並非對不當行爲的指控，但將爲後續監管幹預提供依據。監管機構計劃在今年晚些時候就可能的干預措施啓動公衆諮詢，可能包括要求谷歌提供更公平的搜索排名機制，以及給予內容出版商更大控制權等措施。谷歌方面回應稱，希望英國避免"高昂的限制性措施"和"過度繁瑣的監管"，認爲過度干預可能抑制創新與增長。該公司強調，當前提出的多項干預方案可能會延緩新產品推出進度。此次監管行動是歐洲對科技巨頭加強監管的最新舉措。此前，歐盟已對谷歌處以高額罰款，並要求其停止在廣告業務中的自我優待行爲。隨着數字市場競爭日益激烈，各國監管機構正加大對科技企業市場行爲的審查力度。

全球科技巨頭谷歌正面臨來自歐美監管機構的多重壓力。據知情人士透露，歐盟委員會計劃在未來數月內對谷歌開出第二筆反壟斷罰單，這與其3月被指控在搜索結果中偏袒自家垂直搜索服務有關。此前歐盟已因廣告技術壟斷問題對谷歌處以29.5億歐元罰款。與此同時，谷歌已向美國最高法院提交緊急申請，請求暫停下級法院要求其改革應用商店政策的裁決。該裁決源於Epic Games提起的反壟斷訴訟，要求谷歌在10月22日前開放安卓生態系統，允許開發者使用第三方支付系統和應用商店。谷歌在申請文件中強調，若裁決立即生效，將對安卓生態系統造成"不可挽回的損害"。分析人士指出，這兩起事件反映出全球監管機構對科技巨頭的監管持續收緊。谷歌競爭事務高級總監Oliver Bethell表示，公司正在尋求平衡各方利益的解決方案，但強調不應讓少數訴求損害廣大用戶和企業的利益。目前歐盟委員會仍在審議相關決定，而美國最高法院尚未就是否受理谷歌上訴作出裁決。

谷歌的「AI概覽（AI Overview）」工具已成為其防禦AI競爭的關鍵，該工具在傳統搜尋結果上方提供由Gemini模型產生的答案。代理商數據顯示，GoogleAI概覽工具推出以來的一年中，搜尋廣告曝光量增加了49%。AI威脅未至，Google搜尋業務再創收入新高。儘管市場擔憂AI新創公司會衝擊Google搜尋引擎的主導地位，但最新財報顯示，這家科技巨頭的防禦策略正在發揮作用。谷歌母公司Alphabet第二季搜尋營收達到創紀錄的542億美元，年增12%，超出分析師預期的529億美元。周三，Alphabet執行長Sundar Pichai表示，該公司的「AI概覽（AI Overview）」工具的月活用戶已超過20億，較上季的15億大幅成長。據悉，這項AI工具能讓用戶在傳統搜尋結果上方看到Gemini模型產生的答案，直接對標OpenAI等競爭對手的聊天機器人服務。Pichai表示：“我們看到人工智慧正在推動人們搜尋和獲取資訊的方式的擴展。”“AI功能正促使用戶進行更多搜索，因為他們了解到搜索可以滿足他們的更多需求。”搜尋引擎優化公司BrightEdge的獨立分析顯示，AI概覽工具推出以來的一年中，搜尋廣告曝光量增加了49%。潛在挑戰考驗韌性Evercore ISI分析師本月在研報中指出，市場調查顯示，儘管4月因關稅和宏觀經濟不確定性導致廣告市場出現波動，但第二季廣告預算年比仍實現成長。相對健康的廣告市場環境為Google搜尋收入的強勁表現提供了支撐。儘管目前表現強勁，Google搜尋引擎的韌性仍面臨未來考驗。根據媒體報導，雖然AI概覽提升了用戶看到的連結數量，但行業數據顯示用戶實際點擊能產生收入的連結次數有所下降——當AI概覽直接提供所需資訊時，用戶就不需要點擊連結了。另一個未知因素是Perplexity等新創公司推出的AI驅動網路瀏覽器，以及據報導OpenAI也在開發類似產品，這些可能改變人們獲取資訊的方式，並對GoogleChrome瀏覽器構成挑戰。谷歌正在採取防禦措施為因應這些威脅，Pichai宣布將2025年資本支出從先前計畫的750億美元提高到850億美元。谷歌財務長Anat Ashkenazi也表示，公司明年的支出將進一步增加。此外，Google計劃透過修改Chrome瀏覽器、將Gemini整合到更多產品中，以及開發如Android手機「圈選搜尋」等競爭對手難以複製的AI功能來維持優勢。歷史上，谷歌在威脅出現時採取防禦行動。20年前當搜尋轉向行動裝置時，Google收購Android開發作業系統；隨著iPhone普及，Google每年支付蘋果數十億美元，使其搜尋成為Safari預設選項；近三年前AI熱潮啟動時，微軟的Bing推動引發擔憂，Google加大AI計算投資，最終微軟未顯著蠶食份額。(Ai&晶片那點事而)

伴隨ChatGPT收入的不斷飆升與活躍用戶的不斷提升，越來越多的搜尋是在ChatGPT的聊天框中完成的，市場對於ChatGPT對於谷歌搜尋廣告衝擊的擔憂也在不斷升溫。所以，Google本季的財報被認為是一場搜尋的保衛戰！市場擔憂會議紀要給的直接資料/表態ChatGPT 會分流搜尋流量“AI Overviews 現已覆蓋200+ 國家，月活20 億+；相關查詢量 提升10 %。”——Sundar PichaiAI 摘要會壓縮廣告位、降低變現“AI Overviews 的單次展示收益與傳統SERP 大體相當。”——Philipp Schindler大模型問答會弱化「十藍鏈」需求“AI Mode（端到端AI 搜尋體驗）在美印已擁有 1 億MAU，反饋以'複雜長問句更順手'為主。”年輕用戶會直接去ChatGPT會議提到Lens、Circle to Search 與AI Overviews 年輕人使用成長最快變現路徑不清晰紀要披露Search & Other 收入+12 % YoY（連續雙位數），且AI 功能“顯著貢獻增長”若生成式答案真造成分流，查詢量應下降；實際上卻逆勢增加，說明新AI 結果反而刺激使用者更多搜尋？為何？意思是Google的AI搜尋上線以後，萬物皆可搜索，例如我拍一張照片就搜尋一下，搜尋的頻率還是在不斷提升？谷歌表示透過視覺/多模態交互，Google 在行動端保持入口主導；對Gen‑Z 具有黏性。這裡具體展開一下。多模態 AI 搜尋（文字 + 圖片 + 視訊 + 語音）把“能不能搜”變成“隨手就搜”，搜尋的“觸發門檻”被顯著降低，結果就是單位用戶的查詢頻率在抬升。視覺入口已成“第二鍵盤”，“任意UI” 都可變成搜尋框，生成式答案並未“終點式”截流，搜尋從“找答案”到“做規劃”。「拍照就搜」會使頻率持續抬升？①碎片場景密度極高，實際觀察中，日常生活可被「拍照+追問」取代文字輸入的場景遠多於傳統鍵盤輸入場景。②回饋即時→ 形成條件反射，Lens、Circle 搜尋只需0‑1 手勢，不必切割應用，使用者形成「隨手拍‑隨手搜尋」的即時回饋習慣。③生成式答案激發二次探索，AI Overviews 先給出綜合摘要，附連結再引導深挖，一次查詢常拆成多條後續查詢 － 這正是查詢數+10 %的來源。④年輕用戶貢獻查詢彈性最大，Gen Z 對視覺互動天然友好；紀要點名“年輕人增長最快”，意味著未來增速來自增量世代，而非存量遷移。而從商業變現來看，Google 已將廣告訓練到新版SERP，CTR 與CPC 未受稀釋。查詢基數擴大× 單次收益穩定⇒ 收入仍可正成長。 Google 把模型深度整合到搜尋流程，而非讓使用者跳平台。使用者轉移路徑縮短，留存在Google 生態內。本季資料顯示：單次展示收益≈傳統頁，說明變現穩定性與多模態計算成本暫時受控；一旦成本或變現失衡，應會在下一季度的Search 毛利率或Cloud 折舊壓力中率先體現。AI 搜尋把「看見/想到」即「可搜尋」－查詢頻率的確進入「上升通道」。谷歌用多模態入口+ AI Overviews 證明：生成式並非終點，而是擴大機。最終反映到財報層面，實際財務結果已證明AI 搜尋並未拖累、反而提升營收基數。至少從本季的財報數據看起來，Google的保衛戰第一階段是成功的，目前階段仍未受到衝擊：流量未被奪走而是擴大AI Overviews 帶來查詢量淨增加+10 %，說明生成式體驗→更多follow‑up 搜尋。1.變現能力平滑過渡新AI SERP 的單位商業收益≈傳統；管理階層明言「廣告客戶產生的價值並未下滑」。2.產品“吸收”而非“替代”Google 把大模型功能深嵌在原有搜尋入口（AI Mode、Lens、Circle to Search），使用者無需離開生態。3.年輕族群驗證多模態搜尋成長最快的是Gen‑Z 族群－恰好是ChatGPT 使用率較高的族群，顯示兩者共存中Google 佔據日常入口。4.財務側實證Search & Other 仍維持雙位數成長，說明市場擔憂並未在真實數據上反映出來。“查詢基數擴大× 單次收益穩定= 收入仍能雙增”Queries ↑ 10 %（AI Overviews 驅動），Ads/Query略降（版面縮減），但CTR & CPC ≈ 持平（Schindler 明確表示單展示收益相當）。因此從淨效應的角度來看，搜尋的模擬收入約為 (1.10 × 1.00 × 1.00 × 1.00) = +10 % 收入彈性－與財報中+12 % 搜尋收入基本吻合。所以，看起來，Google本次財報以「更高的查詢量+ 相當的單位變現+ 持續雙位數營收成長速度」三重事實，顯著削弱了ChatGPT 對Google 搜尋流量與商業模式替代的擔憂。 Google 以整合式AI 功能把潛在外溢流量牢牢鎖回自身平台，同時保持廣告獲利能力，為市場提供了強有力的信心佐證，AI深度融合以後，搜尋也在從「跳平台」到「內生」的模式轉變：UI 層：AI Overviews 直接嵌入SERP 頂部；AI Mode 保留傳統結果可「退回」。連結層：Gemini 呼叫Search 作為工具，保障事實溯源；生成內容附帶原文鏈接，促成二次點擊。心理層：使用者提出更長、更複雜問題而非離開Google 去ChatGPT，「認知成本」最低。谷歌本季財報用「流量↑ + 單次收益= 穩」的硬數據，配合「AI 功能內生化」的產品路線，給出了目前最直觀的反證：生成式搜尋並未侵蝕Google 的流量和貨幣化，反而構成增量。拋開搜索，谷歌本季業績最驚豔的還是谷歌cloud，雲作為AI的基礎燃料，增速大幅度beat。高速成長：營收+32 %、Backlog +38 %，AI 工作負載帶動。獲利拐點：營業利益率20.7 %，較去年同期翻倍，壓過折舊壓力。差異障礙：自研TPU、Anywhere Cache、Gemini 價階，以及Agentspace 平台，皆鎖定「FLOPs × Token」最純利潤源。風險可控：產能與折舊仍為短期不確定性，但訂單能見度+ 產品溢價提供緩衝。AI 工作負載爆發，Gemini 企業用戶85,000+，使用量YoY ×35，大模型推理成為GCP 日活中的主流負載。大額合約加速，大於2.5 億美金合約數翻倍；H1 簽下的≥10 億合約與2024 全年持平，超大客戶鎖定長期算力→ Backlog 加速。新增客戶強勁，新GCP 客戶QoQ +28 %，託管AI 平台（Vertex、Agentspace）帶動。產品混合優勢明顯，Anywhere Cache 將推理延遲‑70 %；Rapid Storage 延遲至同業1/5，降成本、增性能→ 吸引成本敏感型AI 新創。整體來看，Google Cloud 已從「追趕者」進入「高增速、利潤躍遷」階段，疊加AI 全端差異化，在下一輪企業AI 資本開支周期中具備超額收益潛力。ChatGPT 的活躍度確實在飆升，但從最新可量化指標來看，它仍未撼動Google Search 的基本盤，也暫未改變搜尋市場的經濟。真正需要監控的是：當AI 佔屏比例繼續上升時，Google 是否能保持「單位收益不稀釋」這條曲線——這將決定「被取代」疑慮是否會在未來捲土重來。(貝葉斯之美)

分析師對GoogleQ2財報預期樂觀，認為營收或超900億美元。搜尋業務韌性強勁，AI概覽功能推動查詢量成長。儘管GPU供應緊張，雲端業務仍有成長潛力，花旗預計Google不會上調今年750億美元的資本支出指引。隨著財報季的到來，市場對Google人工智慧前景的樂觀情緒，推動其股價出現久違的持續性反彈。在一輪為期九天的連漲中，Google累計上漲9%，自今年2月以來首次重返年度正增長區間。市場普遍預計，GoogleQ2營收將接近800億美元，年增12%；每股淨收益預估為2.18美元，年增15%。花旗和Evercore對Google的預期更樂觀，預計營收將甚至超過900億美元，每股盈餘也將高於市場共識。積極預測主要基於谷歌搜尋業務的持續韌性，尤其是在商業用途方面。分析師普遍看好Google的長期價值，Evercore設定205美元的目標價，認為當前股價被低估，具備吸引力。還有分析人士表示，考慮到谷歌在技術上的進步，其股票目前「看起來像是撿便宜貨」。CooksonPeirce財富管理公司首席投資長Luke O'Neill表示：“如果谷歌能夠實現預期的增長，那麼這隻股票看起來極具吸引力。”01財報預期強勁Q2營收可望破900億市場對谷歌即將公佈的第二季財報十分樂觀。分析師的普遍預期是，Google第二季營收將接近800億美元，年增12%；每股淨收益預估為2.18美元，年增15%。花旗則認為，市場預期可能偏保守。預計Google第二季總營收將達到937億美元，年增10.6%。其中，，YouTube廣告收入年增10.0%至95.29億美元。花旗預計Google營業利潤為314億美元，營業利益率33.5%；GAAP每股收益為2.17美元，略高於2.16美元的市場共識。 預計資本支出為189億美元，並認為Google不太可能大幅上調其750億美元的全年資本支出指引。Evercore的預測數據顯示出全面的樂觀：預計Google第二季將實現營收950億美元，比市場普遍預期的高出10%。營業利益預估為315億美元，較市場預期高出4%，對應33.2%的營業利益率，較去年同期擴張85個基點。每股收益2.21美元，比市場預期高出3.7%。這種穩健的成長勢頭預計將得以延續。市場預測顯示，谷歌的年銷售額預計在2028年之前都保持類似的擴張速度。這一前景鞏固了投資者對其核心業務韌性的看法。02搜尋業務：AI衝擊下的韌性表現除了強勁的財報，投資人看好谷歌的另一個關鍵因素在於其在人工智慧領域的進展和相對低廉的估值。儘管市場一直擔心來自OpenAI等競爭對手的AI聊天機器人可能威脅Google在搜尋領域的統治地位，但投資者的信心已增強。谷歌的網路搜尋業務是其基石，貢獻了公司一半以上的總收入。花旗預計，Google搜尋收入預計將年增8.8%至527.54億美元。目前AI概覽功能(AI Overviews)已在美國和印度市場推動查詢量成長超過10%，月活用戶超過15億。研究報告還發現，谷歌搜尋在所有年齡層用戶中依然是絕對的核心。數據顯示，85%的受訪者將Google作為其核心搜尋引擎，並且有72%的用戶將Google作為線上搜尋的首選平台。在41-55歲用戶群中，88%將Google視為核心搜尋引擎，而在14-24歲年輕用戶中這一比例降至83%，反映出新興搜尋平台的崛起對年輕用戶群的影響。 ChatGPT是目前最受歡迎的AI代理，55%的受訪者最常使用它，在14-24歲的年輕人中比例更是高達63%。相較之下，Meta AI和GoogleGemini並列第二，使用率均為17%。從商業價值角度來看，Google在購物、旅遊等核心商業用途的使用率持續成長。約84%的受訪者表示，相較於一年前，他們在這些核心用例上對Google的使用頻率保持不變或增加。特別是在14-40歲用戶群體中，40%的用戶更頻繁地使用谷歌進行購物搜索，34%更多用於旅遊搜索。Evercore 的調查也顯示，在商業意圖查詢方面，谷歌在所有七個追蹤的商業用例中份額均保持穩定或創新高。更重要的是，68%的用戶認為Google的Gemini/AI Overviews比傳統搜尋“更有效”，滿意度也顯著提升。03雲端業務GPU供應緊張，分析師看好：或成大盤互聯網股首選在雲端業務方面，Evercore預測GoogleQ2營收為131億美元，年增26.8%，季增8%。然而，報告特別強調了管理層的一個警告：GPU供應緊張可能在新產能於2025年底投產前給季度業績帶來波動。花旗預計，Google雲端第二季營收年增27%，基礎建設容量建設進展將是關鍵觀察指標。公司需要繼續擴大基礎設施投資以滿足不斷增長的AI服務需求，但預計不會上調今年750億美元的資本支出指導。YouTube串流業務方面，Evercore表示，YouTube在美國電視串流觀看時長中的份額在6月份達到創紀錄的12.8%，高於2024年6月的9.9%，大幅領先Netflix、Disney、Prime Video和Roku等其他主要串流媒體服務。 YouTube CEO Neal Mohan在最近的投資者會議上透露，YouTube Shorts現在不再對貨幣化產生稀釋效應。這兩個因素加上比較基數的放緩，為YouTube從第二季開始實現營收成長加速創造了潛力。花旗預期，YouTube第二季營收年增10%，但考慮到去年同期基數較低8個百分點，實際成長可能更為保守。 YouTube新推出的GenAI功能包括AI搜尋結果輪播和對話式AI工具，可望進一步提升用戶參與度。廣告業務方面，Evercore分析師的廣告管道研究顯示，整體預算較去年同期溫和上漲，但仍低於初始計畫。 4月因關稅政策頭條新聞和復活節提前而出現波動，5月交易量趨於穩定。資金正向那些感覺能夠抵禦宏觀衝擊的管道轉移——體育、連網電視(CTV)和零售媒體網絡，而一般娛樂展示廣告的CPM下降了兩位數百分比，汽車和消費電子等對關稅敏感的垂直行業仍然疲軟。Evercore分析師設定205美元目標價。認為目前Google股價191美元對應2026年預期本益比17.6倍，處於2020年以來14.2倍-30.8倍區間內的合理水準。分析師維持"跑贏大盤"評級，認為Google是大盤互聯網股中基於深度價值分析的首選多頭標的。The Futurum Group執行長Daniel Newman表示：“這隻股票看起來像是撿便宜貨，尤其是考慮到其技術的進步。”04反壟斷裁決迫近不確定性籠罩與樂觀的業績預期形成鮮明對比的是懸而未決的法律風險。在此次反壟斷訴訟中，美國司法部已提議多項嚴厲的補救措施，包括強制谷歌出售其Chrome網絡瀏覽器，並禁止其支付費用以使谷歌搜索成為默認搜索引擎。谷歌方面則辯稱，政府的要求過於極端，不僅損害消費者利益，也將削弱美國的技術領先地位。 The Futurum Group執行長Daniel Newman認為，這種不確定性正在拖累股價。「在人們擔心人工智慧顛覆之後，反壟斷風險接踵而至，這造成了拖累。」他說：“裁決結果可能是深度懲罰性的，只要我們不知道最終結果如何，這種不確定性的陰影就會持續很長一段時間。”(硬ai)