•
OpenAI將要被反殺？Google這一局，埋了整整十年……
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。
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。
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%。
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。
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。
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。
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。
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。
2023 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”。
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）。
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。
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。
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。
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。
05 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)