美股投资网获悉，谷歌最新财报揭示了一个值得深思的问题：AI正在给搜索引擎带来更多用户和查询量，但这些流量未必能像传统搜索那样赚钱。

2026年10月28日，谷歌母公司Alphabet公布第三季度财报。谷歌搜索及其他广告业务收入达到633.5亿美元，同比增长12%，但增速已从第一季度的19%、第二季度的17%连续放缓。

更值得关注的是，谷歌首席商务官Philipp Schindler在财报电话会议上承认，AI Mode查询量的快速增长，正在因为其相对较低的变现效率，对搜索收入增速产生影响。

当然，这不是搜索增长放缓的唯一原因。管理层明确表示，汇率是本季度增速放缓的最大因素，部分广告行业的需求变化也带来了影响。

但这份财报，让人不得不重新回顾一段极具戏剧性的科技历史。

早在2017年，谷歌的八位研究人员就发明了Transformer架构，而这项技术后来成为ChatGPT和现代大语言模型的核心基础。

更令人意外的是，谷歌在2020年前后就已经研发出能够进行开放式对话的AI模型，却没有率先将其打造成全球性的消费级产品。

最终，OpenAI在2022年推出ChatGPT，改变了整个科技行业。

谷歌为什么明明掌握着领先技术，却没有抢先完成这场革命？

这背后不仅是一段AI技术发展史，更是一家科技巨头面临的商业困局。

一、2011—2016年：谷歌最早担心的，就是用户不再使用传统搜索

故事要从2011年说起。

2011年10月，苹果随着iPhone 4S推出Siri语音助手。

在今天看来，当年的Siri功能相当有限，但它第一次让普通消费者体验到一种不同的信息获取方式。

过去，用户遇到问题，需要打开Google，输入关键词，然后在搜索结果中寻找答案。

而Siri展示了另一种可能：用户只需要用自然语言提出问题，机器就可以直接回答。

谷歌管理层因此开始担忧，未来如果越来越多的人通过智能助手获取信息，传统搜索引擎的流量入口是否会受到威胁？

2012年，谷歌研究员Jakob Uszkoreit加入了一支专门研究搜索问答系统的团队。

他们的目标，是让谷歌搜索能够直接回答用户的问题，而不必每次都把用户引导到其他网站。

Jakob出身于计算语言学家庭，父亲Hans Uszkoreit是著名的计算语言学家。受到家庭背景和谷歌翻译项目经历的影响，他对机器理解人类语言产生了浓厚兴趣。

当时AI行业的主流技术仍然是循环神经网络（RNN）以及后来的长短期记忆网络（LSTM）。

这些技术虽然取得了进步，但存在明显的问题。

例如，当模型阅读一篇长文章时，需要理解前后文之间的关系。传统模型往往按照顺序逐词处理，面对长距离的语义关联时，效率和表现都会受到限制。

2014年前后，Jakob开始构想一种不同的技术路线：自注意力机制（Self-Attention）。

简单来说，传统神经网络处理语言，就像一个人必须从第一个字读到最后一个字。

而自注意力机制可以让模型同时参考一句话甚至整段文本中的不同位置，判断哪些信息最重要。

这种架构最大的潜力，是能够更好地利用GPU进行大规模并行计算。

Jakob相信，这可能比传统循环神经网络更适合未来的大型AI模型。

但在当时，放弃业界已经广泛采用的循环神经网络，并不是一个容易被接受的想法。

直到2016年，一次偶然的午餐交谈，改变了整个项目的命运。

当时，谷歌研究员Illia Polosukhin正在为搜索问答系统的效率问题苦恼。

他需要开发一种能够在极短时间内理解用户问题、生成答案，而且计算成本足够低的模型。

Jakob向他提出一个建议：为什么不尝试自注意力机制？

随后，Google Brain研究员Ashish Vaswani也加入讨论。

三人开始起草一份新的设计文档。

这个项目有了一个名字：Transformer。

二、2017年：谷歌八位研究员创造改变AI历史的Transformer

2017年初，更多研究人员陆续加入Transformer项目。

最终，八位研究人员共同完成了这项突破性的研究：

Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan Gomez、Łukasz Kaiser和Illia Polosukhin。

其中一位尤其值得关注：Noam Shazeer。

他早在2000年就加入谷歌，曾参与谷歌早期广告系统开发，是公司内部经验丰富的工程师。

2017年，他偶然听到其他研究人员讨论自注意力机制，立即对这个项目产生了兴趣。

在加入团队后，Shazeer重新实现了Transformer模型，并推动它突破此前的性能瓶颈。

团队开始进行机器翻译实验。

他们发现，新的架构不仅能够达到甚至超过当时最先进的模型，在训练速度和计算效率方面也具有显著优势。

2017年5月19日，团队赶在人工智能顶级会议NeurIPS的论文提交截止日期前完成研究。

论文标题叫做《Attention Is All You Need》，中文意思是《注意力就是你所需要的一切》。

这个标题来自研究员Llion Jones的灵感，借鉴了披头士经典歌曲《All You Need Is Love》。

2017年6月12日，Transformer论文正式公开。

这成为现代人工智能发展史上最重要的技术里程碑之一。

值得强调的是，谷歌并没有封锁这项技术，而是将研究成果公开，让全球研究人员都能够使用和改进。

同年12月，Transformer论文在NeurIPS大会展示，吸引了大量研究人员的关注。

但是，当时的谷歌高层并没有把Transformer视为需要立即重构整个搜索商业模式的技术。

它更像是谷歌众多先进AI研究成果中的一个。

然而，有一家年轻的人工智能公司看到了不同的机会。

这家公司就是OpenAI。

三、2018—2020年：OpenAI开始用谷歌的技术，走出另一条道路

2018年6月，OpenAI发布第一代GPT。

GPT采用Transformer架构，重点探索通过大规模文本预训练，让AI获得更广泛的语言理解与生成能力。

同年10月，谷歌推出BERT。

BERT同样基于Transformer，在自然语言理解领域取得巨大进展。

2019年，谷歌开始将BERT应用到搜索引擎，改善对复杂搜索问题的理解能力。

表面来看，两家公司都在快速推进Transformer研究。

但它们的商业方向开始出现明显分歧。

谷歌主要考虑如何让AI改善现有产品，而OpenAI开始探索如何让AI成为一种全新的产品。

对谷歌来说，利用AI提升搜索结果质量，可以增加用户满意度，强化原有搜索业务的竞争壁垒。

但对于OpenAI来说，它没有传统搜索广告业务需要维护，可以更加积极地尝试新的交互方式。

2019年2月，OpenAI发布GPT-2。

2020年5月，OpenAI推出拥有1750亿参数的GPT-3。

GPT-3展示了令人惊讶的文本生成能力，也让行业开始意识到，扩大模型规模和训练数据，可能带来显著的能力提升。

但实际上，谷歌在同一时期并没有落后。

甚至在某些研究领域，谷歌仍然走在前列。

2020年1月28日，谷歌公开了一个名为Meena的聊天模型。

这个拥有26亿参数的对话模型，已经能够围绕开放话题进行多轮交流，而不只是按照预先编写的脚本回答问题。

换句话说，早在ChatGPT推出将近三年前，谷歌就已经拥有能够展示开放式聊天能力的AI模型。

但Meena没有被大规模推向普通消费者。

这是整段历史最值得关注的地方。

谷歌并不缺少研究能力，也不缺少技术人才。

真正的问题是：一家已经拥有庞大商业帝国的公司，愿意以多大的速度，把可能改变现有业务的技术推向市场？

四、2021年：谷歌内部的AI产品发布遭遇阻力，核心人才开始离开

2021年5月18日，谷歌在年度开发者大会上正式介绍LaMDA。

LaMDA是一种专门针对开放式对话优化的语言模型。

它能够围绕不同主题持续交流，并根据上下文生成更自然的回答。

这项技术的研发与Noam Shazeer、Daniel De Freitas等研究人员密切相关。

据后来的新闻报道，相关团队曾希望更早地将聊天AI产品推向公众，包括将其应用于Google Assistant等产品。

但谷歌管理层对全面开放持谨慎态度。

原因主要集中在三个方面。

第一个问题，是AI模型的安全性与可靠性。

大型语言模型可能生成错误信息、偏见内容或者不安全的回答。

作为一家每天服务数十亿用户的科技巨头，谷歌需要承担巨大的品牌和声誉风险。

第二个问题，是商业化模式尚不成熟。

传统搜索可以通过关键词和广告竞价系统，识别用户的商业意图。

例如，用户搜索某个品牌的汽车、保险或者贷款产品，谷歌可以在搜索结果中展示相关广告。

但如果用户直接让聊天机器人完成信息查询和比较，广告应该放在哪里？

用户会不会继续点击广告？

AI回答是否能够产生与传统搜索同等价值的广告收入？

这些问题在当时并没有成熟答案。

第三个问题，也是最值得投资者关注的，是新产品可能冲击谷歌原有的搜索广告业务。

谷歌过去几十年最成功的商业模式，就是让用户通过搜索结果寻找信息，同时向广告客户收取费用。

假设未来用户不再需要浏览多个网页，而是通过AI一次性获得完整答案，那么传统搜索广告的展示和点击路径就可能发生变化。

需要说明的是，没有充分证据能够证明谷歌当时仅仅为了保护广告收入而阻止聊天AI发布。安全性、公平性和品牌风险都是有公开报道支持的重要因素。

但从商业角度来看，保护既有搜索业务与推动全新AI交互方式之间，确实存在潜在利益冲突。

2021年10月，Noam Shazeer离开谷歌，与Daniel De Freitas共同创办Character.AI。

两人希望以更快的速度，将对话AI技术变成普通消费者能够直接使用的产品。

谷歌最核心的Transformer研究人员之一，最终选择离开公司，自己开发聊天机器人。

这件事为后来ChatGPT的崛起埋下了伏笔。

五、2022年11月30日：ChatGPT横空出世，谷歌进入紧急状态

2022年4月，谷歌又一次展示了强大的AI研究实力。

公司公布拥有5400亿参数的PaLM大语言模型。

从技术能力来看，谷歌依然处于全球第一梯队。

然而，真正改变行业格局的，不是这一年参数规模最大的研究模型，而是一款普通人可以直接使用的聊天产品。

2022年11月30日，OpenAI正式推出ChatGPT。

它的使用方式非常简单。

用户打开网页，输入问题，AI就可以帮助写文章、解释知识、编写代码，甚至协助完成复杂的工作。

人们不再需要学习如何使用一套复杂的软件功能，而是可以直接用自然语言与计算机交流。

ChatGPT迅速引发全球关注。

几周之后，谷歌开始感受到巨大的竞争压力。

2022年12月，《纽约时报》报道，谷歌管理层针对ChatGPT的威胁发出了内部“Code Red”紧急警报。

CEO Sundar Pichai开始推动公司加快生成式AI产品的研发和发布。

这一幕极具讽刺意味。

让谷歌进入紧急状态的AI产品，使用的核心Transformer架构，正是谷歌自己的研究人员在2017年发明的。

谷歌拥有先进模型、海量数据、强大的计算基础设施，以及全球最大的搜索流量入口。

但最终，率先让全球消费者体验到生成式AI革命的，却是OpenAI。

这正是大型科技公司经常面临的创新者困境。

技术领先，并不必然意味着产品领先。

产品领先，也不必然意味着商业模式领先。

对于已经拥有巨大利润来源的企业来说，改变自己最成功的业务，往往比开发新技术更加困难。

六、2023—2024年：谷歌开始反击，三年前离职的人才又被请了回来

2023年2月6日，谷歌宣布推出Bard聊天机器人。

同年3月21日，Bard开始向美国和英国用户开放测试。

2023年12月6日，谷歌正式推出Gemini模型系列。

2024年2月，谷歌将Bard更名为Gemini，进一步统一旗下的生成式AI产品。

与此同时，谷歌开始尝试将生成式AI深度整合进搜索业务。

2024年5月，谷歌宣布在美国大规模推出AI Overviews，让用户能够直接在搜索结果顶部看到AI生成的回答摘要。

这意味着谷歌开始主动改变传统搜索的用户体验。

而就在这一年，还发生了一件颇具戏剧性的事情。

2024年8月2日，Noam Shazeer重返谷歌。

谷歌与Character.AI达成非独家技术授权协议，并将Noam Shazeer、Daniel De Freitas等研究人员重新引入谷歌。

根据媒体报道，这笔交易涉及约27亿美元。

回头看，2021年，两位研究人员因为希望加快聊天AI产品开发和商业化而选择离开谷歌。

三年后，谷歌又通过一笔价值数十亿美元的交易，将他们重新引入自己的AI研发体系。

这充分反映出大型科技企业在AI竞争中的一个现实：当行业格局发生改变，最优秀的技术人才以及产品研发速度，都会变得异常重要。

当然，谷歌从来没有停止研发先进AI技术。

它真正落后的阶段，是把先进对话模型快速转化为大众消费级产品的速度。

七、2025—2026年：谷歌终于开始改变搜索，但广告变现的问题出现了

2025年3月，谷歌推出AI Mode实验版。

与传统搜索不同，AI Mode允许用户提出更复杂的问题，并进行连续追问。

2025年5月20日，谷歌宣布开始向美国用户全面推出AI Mode。

这代表谷歌搜索正式走向更深层次的AI化。

从技术和产品角度来看，这种变化可能带来新的增长空间。

过去，用户需要通过多次关键词搜索，才能完成一项复杂任务。

例如，一位消费者准备购买汽车，可能先搜索车型，再搜索价格、保险费用、贷款利率、维修成本，最后再寻找附近经销商。

而在AI Mode中，用户可以通过一段连续对话完成上述研究。

AI能够理解更复杂的消费需求，也可能创造更多新的商业查询场景。

问题在于，这些新增查询能否转化为广告收入？

2026年10月28日，谷歌最新财报给出了一个值得警惕的答案。

根据Alphabet第三季度财报，Google Search & Other收入达到633.5亿美元，同比增长12%。

从2026年前三个季度来看，搜索收入同比增速呈现持续放缓：

第一季度，同比增长19%。

第二季度，同比增长17%。

第三季度，同比增长12%。

这并不意味着谷歌搜索业务已经进入衰退。

相反，谷歌管理层表示，搜索查询量的同比增速达到了过去五年来最高水平。

AI正在帮助谷歌吸引更多搜索需求。

但是，搜索量快速增长，并没有同步转化为同等幅度的收入增长。

在财报电话会议上，首席商务官Philipp Schindler明确指出，AI Mode查询量增长较快，但其变现效率仍然较低，对搜索收入增速产生了影响。

管理层同时解释，汇率变化是第三季度搜索收入增速放缓的最大原因，零售、媒体和娱乐广告需求变化也是重要因素。

所以，我们不能简单地把搜索收入增速下滑全部归因于AI。

但AI Mode变现效率偏低，已经是谷歌管理层公开承认的现实问题。

这一点对于投资者而言非常重要。

因为谷歌正在面对两种增长逻辑之间的矛盾。

一种是流量增长。

AI可以让用户提出更多问题，延长使用时间，提高产品黏性。

另一种是收入增长。

谷歌必须找到一种方式，让AI回答中的广告、商业推荐以及其他变现模式，产生足够高的收入。

假设未来AI搜索查询量增长30%，但每次查询的平均广告收入下降20%，那么查询量增加带来的收入增长就会被相当一部分抵消。

更何况，生成式AI还需要消耗额外的计算资源。

因此，投资者真正需要关注的，不只是用户增长和模型能力，而是AI搜索最终能够创造多少收入、产生多少利润。

八、谷歌真正的风险，不是技术落后，而是能否守住广告帝国的利润率

回顾这段历史，我们会发现一个非常有意思的现象。

2017年，谷歌发明Transformer。

2018年，谷歌推出BERT。

2020年，谷歌已经能够展示开放式对话模型Meena。

2021年，谷歌推出LaMDA。

2022年，谷歌公布5400亿参数的PaLM。

无论从技术研发、人才储备还是计算基础设施来看，谷歌一直都是全球AI领域最有实力的公司之一。

但最终，OpenAI率先推出ChatGPT，并让全球消费者认识到生成式AI的巨大潜力。

造成这一结果的原因是复杂的，包括产品战略、安全标准、组织决策以及商业化风险。

但从投资角度来看，最值得研究的，仍然是谷歌原有的商业模式。

谷歌过去二十多年的成功，很大程度上建立在搜索广告之上。

企业愿意为能够带来实际消费转化的搜索关键词支付广告费用，谷歌因此建立了规模庞大、盈利能力极强的广告业务。

AI搜索却改变了用户获取信息的方式。

过去，用户通过搜索结果寻找答案。

现在，AI可以直接整合信息，甚至帮助用户完成决策。

未来，随着AI Agent逐渐具备购物、订票、比较金融产品和执行交易的能力，用户可能不再需要像过去那样频繁访问传统搜索结果页面。

这意味着，谷歌不仅要继续与其他搜索引擎竞争，还要面对AI助手和智能代理对信息入口的争夺。

当然，AI搜索不一定会摧毁谷歌的广告业务。

如果谷歌能够更准确地理解用户意图，在AI对话中提供高价值的商业推荐，并建立有效的广告竞价机制，那么AI搜索甚至可能创造出新的广告收入空间。

谷歌也正在不断扩大AI Overviews和AI Mode中的广告投放，并探索多轮对话广告等新的商业模式。

但在这些模式被充分验证之前，市场仍然需要关注几个重要指标：AI查询量的增长速度、每次查询的广告变现能力、AI服务的推理成本，以及搜索业务最终能够维持的利润率。

尤其是在谷歌持续扩大AI基础设施资本开支的背景下，这些指标将直接影响未来几年的投资回报。

九、结语：谷歌最难的挑战，是亲手改变自己最赚钱的生意

九年前，谷歌的八位研究人员发明了Transformer。

他们可能没有想到，这项最初用于改进机器翻译的技术，最终会推动整个人工智能行业发生巨变。

他们更不会想到，几年之后，使用这项技术的ChatGPT，会成为谷歌搜索商业模式最值得警惕的挑战之一。

2022年，谷歌面对ChatGPT的崛起，必须决定是否加速推动生成式AI产品。

2026年，谷歌已经全面拥抱AI搜索，却又面临新的问题：如何把快速增长的AI使用量，转化为与传统搜索同样强劲的商业回报。

过去，谷歌最成功的地方，是通过技术创新建立了庞大的搜索广告帝国。

如今，谷歌必须用新一轮技术创新，主动改变这个已经取得巨大成功的商业体系。

这才是谷歌真正的创新者困境。

它不缺少技术，不缺少人才，也不缺少资金。

真正困难的是，当一种新技术可能改变原有的利润来源时，企业是否有能力主动重构自己的商业模式，而不是等待竞争对手来完成这场变革。

从长期投资角度来看，决定谷歌未来估值的，可能不仅仅是Gemini能否在模型能力上击败ChatGPT。

更重要的是：

如果未来越来越多用户不再点击传统搜索结果，而是直接让AI给出答案，谷歌还能不能像过去一样赚钱？

2026年第三季度的财报表明，这个问题已经不再只是一个理论上的担忧。

它正在成为投资者必须面对的现实商业问题。

而谷歌最终能否在AI时代继续维持搜索广告业务的增长和盈利能力，将是未来几年决定Alphabet长期投资价值的关键变量之一。

美股投资网分析团队

本文为行业研究与商业模式分析，不构成具体投资建议。