谷歌突破3万亿美元，赶超英伟达只是时间问题
谷歌，除了总是被批评是大公司，已经具备了一家真正AI巨头的全部优势。
昨晚，谷歌站上了3万亿美元市值的高台。如果说，当英伟达市值站稳4万亿美元的时候，属于AI推理的时代真正降临了，那么，下一个历史性的关键时刻，就是AI时代领袖地位的交接。能超越英伟达的，最有可能的正是谷歌。
谷歌发明了Transformer架构，也最积极地自研ASIC芯片。算法与算力，AI时代技术全栈中最核心的两个环节，决定了每一个token的成本与价值，谷歌都紧紧抓在手里；它最懂大模型需要从硬件获得什么。仅仅这两项，目前就值至少9000亿美元，差不多是OpenAI的两倍。更别提谷歌还坐拥系统、应用与人才的整个生态，让token经济学在它手里，同时最大化规模效应和网络效应。
推理时代已经降临。如今，资金仍在迅速涌入卖铲子的英伟达，但是，应用市场传来了越来越多的好消息。OpenAI与Anthropic的年化经常性收入（ARR）正在爆发式增长；伴随着智能体摩尔定律的演进，一人独角兽企业也并非全无可能。正如进入预训练时代，数据中心级别GPU与HBM取代了消费级GPU与DDR的市场地位，进入推理时代，市场也正寻找更适合这个时代的硬件。
在推理时代，行业都深陷token经济学的焦虑之中。模型框架、硬件参数、工作负载，是影响推理阶段决定成本、速度与性能的重要因素。但是，无论哪一场竞争，背后真正支配整个生态的，始终是大规模计算所面临的物理极限，包括算力、内存与通信；最具长期价值的投资机会，往往属于那些能够为这些核心瓶颈提供解法的公司。事实上，英伟达最新的Rubin CPX，就是专门为代码生成和视频生成定制的。
就连黄仁勋也改变了吆喝方式，从“买得越多，赚得越多”升级为“免费的更贵”。他在“吓唬”它的客户，选择那些性能只有Blackwell架构的1/4的芯片，将导致潜在收益降低3/4。但是，博通的XPU叙事则讲述了另一个故事，市场正在加速走向AI定制芯片，用最合适的芯片逐步替代最强的芯片。谷歌则是其中的佼佼者。
在上个月的Hot Chips大会上，谷歌披露了第七代TPU Ironwood的更多细节。这是谷歌首款专为大规模AI推理设计的TPU，突破点非常多，几乎覆盖了“性能、扩展、能效、可靠性”所有维度。借助光路交换机（OCS），单个基于Ironwood的超节点（SuperPod）在纵向设计上最多可容纳9216颗芯片，总算力达到42.5 Exaflops，并共享1.77PB可直接寻址的HBM；同时，它还能够横向扩展至数十个超节点。它的每瓦性能是上一代谷歌TPU Trillium的2倍，降低了推理的运营成本，以及被忽略的碳成本。
谷歌正在开放自己的TPU市场。它现在已经是除了英伟达GPU之外的硬通货。全球最顶尖的前沿大模型厂商OpenAI与Anthropic都用上了TPU；OpenAI正在自研AI芯片，但奥特曼挖人，还是更信得过在TPU团队干过的。苹果也用过谷歌TPU训练自家AI，xAI则迷上了TPU的JAX框架。还有传言称，谷歌正在设法接近Fluidstack等新兴AI云服务商，将TPU部署到它们的数据中心里；它们此前属于英伟达阵营。
谷歌的TPU还将持续沿着token经济学指明的方向进化和扩展系统。决定后者成立的两条关键曲线，分别是持续上升的单位token价值，以及持续下降的单位token成本。
谷歌的Gemini 2.5，象征着它走出了创新者窘境；它的Gemini 3将进一步提升每一个生成的token的价值。Gemini不仅是模型，还是谷歌的超级应用，渗透进它旗下7个20亿用户规模的产品平台，这使得它针对模型与芯片的AI基础设施优化，甚至是模型-芯片协同设计，都能进一步通过规模效应降低单位token成本，通过网络效应提高单位token价值，放大token经济学的溢价。没有人比谷歌更懂Transformer需要从硬件获得什么了。
Gemini与它赋能的应用，正在让它的AI工厂疯狂地生产token。从5月的480万亿tokens，骤增至6月的980万亿，这一波是Veo 3带来的，还没算上Nano Banana“融化”的TPU。
谷歌已经凭借后来居上的Gemini，守住了AI技术对搜索与浏览器的颠覆。去年，搜索为谷歌带去了近2000亿美元的广告收入，OpenAI与Perplexity觊觎着这个庞大的市场。这场搜索的“诸神之战”，还为谷歌带去了意外的收获。针对谷歌的反垄断案终于裁决，谷歌无需剥离Chrome浏览器和安卓操作系统这两大重要业务；去年，同一位法官，还认为谷歌是“有罪”的。
尽管竞争“改变了本案的进程”，但谷歌利用AI对搜索业务的再造，包括AI Overviews搜索、AI Mode搜索、Google Lens搜索以及Circle搜索，都在创造更高的用户黏性。AI Overviews搜索的月活用户更是突破了20亿，并且将继续在更多国家落地。
在搜索中获得完整的AI体验，最终将提升每个token的价值。按照谷歌高管的说法，商业信息本身也是用户有特定意图时寻找的最相关信息，从第一性原理看，没理由AI在这方面做不好。而如果问题是服务成本，那凭借基础设施，谷歌也有信心比几乎任何对手都做得更好；而且，更大的瓶颈可能是延迟，而不是单位查询成本，这正是软硬件协同可以生效的地方。谷歌的TPU，肯定比英伟达的GPU更懂广告。
谷歌Gemini的活跃用户，仍然低于OpenAI的ChatGPT。前者月活超4.5亿，后者周活就达到了7亿。但是，最近几个月，Gemini的下载量开始激增。从5月至8月，谷歌旗下大模型应用Gemini的下载量，几乎都在ChatGPT之上。
大模型App全球月度下载
今日，Gemini更是登顶了美国等多个国家或地区的AppStore免费榜。多亏了Nano Banana，与数月前OpenAI的GPT-4o引发“吉卜力”风格漫画病毒式传播相似，它在两周内就累计完成超2亿次图像编辑，带动超1000万新用户尝试Gemini应用。与其说它的关键创新，在于生成酷炫图片，还不如说是在于更低门槛的编辑能力，同时保持原始照片的风格和一致。这是攻陷了大众市场的杀手级功能。
图像生成技术并非新生事物，MidJourney和Stable Diffusion的诞生，比ChatGPT还早，也吸引了大量的技术的早期接受者。但它们迟迟未能“出圈”。真正将这项技术转化为大众产品的，是GPT-4o与Nano Banana，证明了低成本、可视化的应用，将继续引领更大规模的消费技术市场；ChatGPT与Gemini也让这些功能变得更为可及。
在图像生成上的故事，也会在视频生成领域重演。在这个夏天结束的时候，每一位YouTube Shorts的创作者，以及Google Photos的用户，都可以采用Veo 3视频生成功能。谷歌还特地为此新增了竖屏视频格式支持。如果说，面向规模市场的消费者，在哪里生成就在哪里留存尤为关键，那么，谷歌至少比OpenAI更有优势，让创作者不仅只是支付了token成本，还能将token价值沉淀在自己的平台上。
更大规模的token经济，尚未真正成型。谷歌还储备了世界模型Genie、具身智能模型Gemini Robotics，混合现实操作系统Android XR，并复活了自己的智能眼镜项目。它还布局智能体之间相互通信的A2A协议，想做AI智能体网络的中心。
而且，谷歌还有一个庞大的物理AI生态，自动驾驶、电脑手机、可穿戴、智能家居，应有尽有。
