谷歌与英伟达的AI竞赛：卖铲子与造工厂的路径分野

事件概述

在2026年3月的GTC大会与4月的Google Cloud Next大会上，英伟达CEO黄仁勋与谷歌CEO桑达尔·皮查伊分别提出了关于AI算力供给与消耗的宏大叙事。两者虽同处AI浪潮中心，却采取了截然不同的商业逻辑：英伟达致力于成为“生产资料”（GPU）的垄断供应商，而谷歌则选择自建“AI工厂”，打通从底层芯片到上层应用的全栈体系。

核心信息

1. 商业模式分野：卖铲子 vs 造工厂

• 英伟达（卖铲子）：专注于通用算力芯片销售。其数据中心业务2025年收入超1150亿美元，毛利率75%，在全球AI加速器市场占据约80%份额。CUDA生态汇聚超600万开发者，构成了强大的软件壁垒。
• 谷歌（造工厂）：采用“自研TPU + Gemini模型 + 云服务”的全栈模式。云业务年收入近600亿美元，AI需求驱动增长50%。谷歌不仅是算力使用者，更是产能输出者，本质是搭建完整生产体系后对外输出服务。

2. TPU战略转向：训练与推理分家

谷歌在Cloud Next上发布了第八代TPU，首次将训练与推理任务拆分为独立芯片，以应对Agent时代的需求变化：

• TPU 8t (Sunfish)：专用于训练，采用台积电2nm工艺，单超级Pod峰值算力达121 EFLOPS（FP4精度），较上一代提升2.8倍，旨在缩短前沿模型开发周期。
• TPU 8i (Zebrafish)：专用于推理，由联发科设计，性价比提升80%，操作延迟降低最高5倍，针对高并发、低延迟的Agent调用场景优化。
• 战略动机：随着每分钟Token消耗量从100亿跃升至160亿，推理端的效率直接决定成本结构。单一芯片兼顾两端已无法满足需求，集群优化比单芯片性能更为关键。

3. 头部客户倒戈与经济优势

TPU正从内部工具走向外部市场，并成功撬动英伟达的核心客户群：

• 重大签约：Anthropic签署多年期协议，计划使用多达100万颗Ironwood TPU，价值数百亿美元；Meta考虑于2027年部署TPU。
• 成本碾压：Ironwood TPU的总拥有成本（TCO）比英伟达B200低30%-41%。当推理成本被压至对手一半以下时，经济驱动力开始松动CUDA的软件生态壁垒。

4. 规模效应与需求侧统治力

谷歌自身已成为全球最大的Token消费者，日均处理量达万亿级（含搜索、广告、YouTube推荐等），远超单一模型公司（千亿级/天）。

• 成本驱动创新：作为最大用户，谷歌每降低一分钱的推理成本都能直接转化为利润，这种内生动力使其对TPU性价比的优化远超外部客户。
• 对抗逻辑：英伟达定义产能（供给侧），谷歌吞下产能（需求侧）。长期来看，巨大的需求规模将反过来塑造供给标准。

5. 竞争终局展望

• 短期格局：英伟达凭借CUDA生态和80%市占率仍占绝对优势，预计2027年全球算力需求至少1万亿美元。
• 长期趋势：谷歌通过Agent平台（如苹果Siri、GE智能体等）证明系统级解决方案的价值。竞争维度已从“是否有算力”转向“算力如何被高效利用”。
• 结论：这并非零和博弈，而是两种模式的共存。英伟达是石油行业的“钻头商”，谷歌则是“炼化零售一体化巨头”。谷歌证明了替代路径的可行性，打破了英伟达作为“唯一选择”的垄断地位。