![图片[1]-谷歌的第二增长曲线:逃离广告陷阱,对标英伟达-AI Express News](https://www.aiexpress.news/wp-content/uploads/2025/12/20251206003949577-1764952789-33052ff0f18ee4d10e5a475dc89426c8.png)
在外界看来,谷歌(Google)正深陷一场与OpenAI和微软的“军备竞赛”。为了保住搜索霸主的地位,谷歌仓促推出了Bard,随后升级为Gemini,试图证明自己在生成式AI领域依然拥有最强的大脑。
然而,在华尔街和硅谷的深层叙事中,谷歌真正的焦虑并非来自模型本身,而是商业模式的崩塌。更重要的是,谷歌正在悄然构建的“第二增长曲线”,或许根本不是做一个更好的聊天机器人,而是成为下一个时代的算力霸主——不做OpenAI,要做英伟达。
在外界看来,谷歌(Google)正深陷一场与OpenAI和微软的“军备竞赛”。为了保住搜索霸主的地位,谷歌仓促推出了Bard,随后升级为Gemini,试图证明自己在生成式AI领域依然拥有最强的大脑。
然而,在华尔街和硅谷的深层叙事中,谷歌真正的焦虑并非来自模型本身,而是商业模式的崩塌。更重要的是,谷歌正在悄然构建的“第二增长曲线”,或许根本不是做一个更好的聊天机器人,而是成为下一个时代的算力霸主——不做OpenAI,要做英伟达。
一、 现金牛的黄昏:当AI“吞噬”广告
长期以来,谷歌本质上是一家伪装成高科技公司的广告公司。
翻开Alphabet的财报,尽管拥有Waymo(自动驾驶)、Android、Pixel手机等众多业务,但其核心营收结构几十年来未曾动摇:超过75%的收入依然来自广告(搜索广告+YouTube广告)。
这个近乎完美的“印钞机”模式,正在被AI从底层瓦解:
- “零点击”危机:传统搜索的商业逻辑是“用户提问 -> 谷歌展示链接 -> 用户点击(含广告)”。而生成式AI(如ChatGPT或谷歌自己的SGE)的逻辑是“直接给出答案”。当用户不再需要点击链接,谷歌展示广告的空间就被极度压缩。
- 成本的指数级爆炸:摩根士丹利曾估算,单次AI搜索的计算成本是传统搜索的10倍以上。
这就构成了克莱顿·克里斯坦森所说的“创新者的窘境”:谷歌大力推行Gemini,实际上是在用高昂的成本,革自己高利润搜索业务的命。
二、 Gemini的尴尬:强大的模型,亏本的买卖
为了应对危机,谷歌不得不发布Gemini。从Gemini 1.0到3.0,谷歌展示了惊人的长上下文处理能力和多模态能力。
但问题在于,大模型本身很难直接赚大钱。
目前,除了OpenAI通过ChatGPT Plus实现了C端订阅的规模化收入外,大多数科技巨头的AI模型都在“赔本赚吆喝”。对于谷歌而言,Gemini目前的角色更像是“防御性武器”——它的存在是为了防止用户流失到ChatGPT或Bing,而不是为了立即产生巨额利润。
训练Gemini Ultra需要数万张芯片,耗电量惊人,且面临着极高的推理成本。如果仅仅依靠售卖API或每月20美元的订阅费,很难覆盖这背后天文数字般的基础设施投入。
谷歌意识到,在“淘金热”中,挖金矿(做模型和应用)充满了不确定性,但卖铲子(卖算力)却是稳赚不赔的生意。
三、 真正的第二曲线:TPU与算力霸权
当全世界都在为英伟达(Nvidia)的H100显卡疯狂时,谷歌其实早在十年前就埋下了一颗伏笔:TPU(张量处理单元)。
这才是谷歌真正的第二增长曲线。
1. 摆脱“英伟达税”
微软和Meta都在疯狂采购英伟达的GPU,导致它们的AI算力成本中有相当一部分被黄仁勋赚走了。这种对单一供应商的依赖,不仅压缩了利润率,还受制于产能。
谷歌是全球唯一一家拥有成熟、大规模、并在生产环境中验证了十年的自研AI芯片架构的科技巨头。从TPU v1到现在的TPU v5p,谷歌实际上构建了一个独立于英伟达之外的算力生态。
2. 也是“卖铲子”的人
谷歌并不像英伟达那样直接把芯片装在盒子里卖给客户,而是将TPU算力通过谷歌云(Google Cloud Platform, GCP) 出租。
这是一个极其聪明的策略:
- 针对初创公司:像Midjourney、Anthropic(Claude的开发商)这样的AI独角兽,都在使用谷歌的TPU集群进行训练。
- 针对大客户:苹果公司最近发布的Apple Intelligence,其底层模型并非在英伟达GPU上训练,而是在谷歌的TPU上训练的。
这一刻,谷歌的角色变了。它不再仅仅是那个“靠广告赚钱的搜索框”,它变成了AI时代的各种大模型的“母体”。
3. Axion:补齐最后一块拼图
2024年,谷歌更是发布了首款基于ARM架构的数据中心CPU——Axion。这意味着谷歌在硬件层面完成了“CPU + AI加速器(TPU)”的完全闭环。
这直接对标了英伟达的“Grace Hopper”超级芯片策略。谷歌正在告诉企业客户:“你不需要去买昂贵的英伟达显卡,来我的云上,用我的TPU和Axion芯片,性能更强,价格更低。”
四、 结论:从流量分发到算力分发
谷歌的未来,不在于Gemini是否比GPT-4聪明一点点,而在于它能否成功转型为一家全栈式的AI计算基础设施公司。
目前的战局逐渐清晰:
- 英伟达:通过售卖硬件,占据了AI算力的半壁江山。
- 微软:通过投资OpenAI,占据了应用层的先机,但底层依赖英伟达。
- 谷歌:左手自研芯片(TPU),右手云计算(GCP)。
谷歌的第二增长曲线,本质上是将内部的算力优势外部化。如果说过去二十年,谷歌通过分发“信息”赚取了广告费;那么未来二十年,谷歌将通过分发“算力”来赚取租金。
当苹果、Anthropic甚至未来的更多巨头都开始依赖TPU来训练模型时,谷歌就不仅仅是那个卖广告的巨人了。它将在AI的淘金热中,成为那个拥有自家矿山、且铲子自产自销的终极赢家。
<












暂无评论内容