Google心裡住著蘋果夢，這個夢在GenAI大模型領域變得越來越具象化。

在剛剛結束的Google Cloud Next Google雲端運算大會上，Google全面展現了自己這一蓬勃的野心。

從比肩Nvidia輝達GB200的TPU v7 Ironwood晶片，到誓要超越Anthropic MCP的Agent2Agent A2A協議，還有GenAI部署的執行階段環境Pathways，服務開發者打造AI Agent智能體的ADK、Agentspace。

特別是其AI雲原生開發部署平台Vertex AI，現在提供了包含Veo 2視頻、Imagen 3圖片、Chirp 3音頻、Lyria音樂等各種類型內容生成服務。可以說，Google CloudGoogle雲為開發者和使用者提供了功能體驗最豐富的GenAI大模型開發應用。

從比肩Nvidia輝達GB200的TPU v7 Ironwood晶片，到誓要超越Anthropic MCP的Agent2Agent A2A協議，還有GenAI部署的執行階段環境Pathways，服務開發者打造AI Agent智能體的ADK、Agentspace。

特別是其AI雲原生開發部署平台Vertex AI，現在提供了包含Veo 2視頻、Imagen 3圖片、Chirp 3音頻、Lyria音樂等各種類型內容生成服務。可以說，Google CloudGoogle雲為開發者和使用者提供了功能體驗最豐富的GenAI大模型開發應用。

雖然當下尚不能斷言，這些服務和體驗是否好用，但起碼Google已經搭建起一套完整多模態多模型的AI軟硬體生態，全自研、閉源、當下可用。

儼然一副AI時代的蘋果相貌。

首先來看這次重磅的第七代TPU晶片Ironwood。

• 其單TPU 配備192GB 的HBM內存，帶寬在7.2-7.4TB/s 之間，預計是HBM3E，對比下來Nvidia輝達已上市的B200晶片帶寬為8TB/s 。
• 每個液冷TPU v7 能夠達到4.6Petaflops的密集FP8 運算能力，與B200的20Petaflops有一定距離。
• 但透過Google的Jupiter 資料中心網絡擴展，最多支援40萬個晶片或43 個TPU v7x 叢集，Google在伺服器技術上的積累使其不必過於在乎單晶片的效能數值。
• 更重要的是Google推出了專門的AI執行階段環境Pathways，讓GenAI模型部署更加靈活，進一步提升了自家在服務叢集領域的優勢。
• Ironwood可依工作負載提供256晶片或9216晶片兩個版本叢集，單一叢集算力可達到42.5 Exaflop，Google官方聲稱此效能遠超當下世界最大超級電腦El Capitan，是後者24倍。不過這一數字是在FP8精度下測得，AMD的El Capitan至今並未提供FP8精度資料。 Google官方也承認了此事。所以對比並無意義。

其次要注意到，Google的在GenAI領域的全方位閉源生態。雖然開放原始碼的Gemma也不錯，但Google明顯把所有資源都導向了閉源。

當下AI Agent智能體熱潮湧起，這次大會Google就發布了A2A協議，直接拉來50家主流廠商聯盟跟Anthropic的MCP競爭。

OpenAI開源了Agents SDK，數據包了自己旗下大模型的所有能力。 Google不僅推ADK、Agentspace，還趕緊整合了AutoML、AIPlatform、Kubeflow等AI工具，做大Vertex AI，各種模型能力全投餵進去。

不過以GPT-4o最新的圖片產生能力與Gemini 2.0 Flash同類功能相比，Google雖然雄心勃勃但產品服務打磨並不到位。如此多模型、服務和工具整合到一起，競爭是好事，可略顯倉促。市場仍需要成熟的整合良好的多模態大模型、模型內服務。

Gmail、Chrome、Google的三級火箭互助的模式，讓Google橫掃全球科技市場。在GenAI領域，這項策略再次被快速推進。只不過，與以前為開源搖旗吶喊相比，這一次，Google的閉源步伐越走越遠。

甚至，Google用一己之力將開源變成另一種形式的閉源，集聚公司強勢資源利用開源方式在某一領域形成強勢生態，然後收過路費，這樣的操作套路越來越被開發者非議。

Google開放原始碼的機器學習框架TensorFlow、Jax在全球範圍內取得成功，但現在新的Pathways執行階段環境已經走向閉源，甚至這種閉源直接隔開了Nvidia輝達的CUDA開發工具。

Nvidia輝達在為下一代Physical AI（實體AI）搖旗吶喊，推出開放原始碼的人形機器人通用模型Isaac GR00T N1時，Google DeepMind基於Gemini 2.0的機器人AI 模型Gemini Robotics 和Gemini Robotics-ER，也已經進入市場。

當下，Google只剩下桌上型AI電腦市場沒有涉足，Nvidia輝達的DGX Spark（原名Project DIGITS）和DGX Station以及蘋果Mac Studio，在Google雲服務面前怎麼競爭？這次大會後，也成為一個業內關注的焦點。

實際上，蘋果也在使用Google Cloud的TPU叢集訓練自家的大模型服務，甚至基於成本考量，直接放棄了Nvidia輝達晶片訓練方案！與軟件上的弱點相比，蘋果一門心思投入在​​M系列晶片上，最新配備M3 Ultra 晶片Mac Studio頂配已經到512GB 統一內存了！或許蘋果正是提前使用了Google Cloud的Pathways技術，才與Google站在一起。

這背後另一個關鍵問題，其實是反壟斷。目前，整個市場僅有蘋果模式對全球各地的反壟斷訴訟有良好應對，不至於像微軟Google一樣面臨被拆分的風險，Google因為自身巨大的體量，當下面臨核心的Android操作系統、Chrome瀏覽器業務被強制拆分的風險。

Google最近已經停止了Android操作系統開放原始碼項目AOSP的維護，在未來AI時代走進蘋果模式已經不可避免。 （AI頓悟湧現時）