[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"content-doc-dcioccfdbc5f":3},{"user":4,"document":8,"mainDocument":27,"columnUrl":29,"subscription":30,"footer":42,"text":80},{"isAuthenticated":5,"isAdmin":5,"displayName":6,"avatarUrl":6,"nid":6,"groupLevel":7},false,"",-10,{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":21,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"useContentVideo":5,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},"dcioccfdbc5f","谷歌TPU正式挑战英伟达！英伟达的AI推理霸权，还能守多久？","\u002Fdoc\u002Fdcioccfdbc5f","col18178739ee","美股资讯","\u002Fcol\u002Fcol18178739ee","\u003Cp>\n\u003C\u002Fp>\u003Cp>\u003Cspan>\u003Cspan>如果\u003C\u002Fspan>AI\u003Cspan>需求继续爆发，英伟达的收入还在增长，利润率却开始往下走，你还愿意给它同样的估值吗？\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>很多人担心英伟达，首先想到的是\u003C\u002Fspan>AI\u003Cspan>泡沫破裂、科技巨头削减开支。但还有另一种可能：客户继续花钱买算力，只是不愿意一直为英伟达支付那么高的溢价。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>谷歌正在给这些客户提供一个选择。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>谷歌的\u003C\u002Fspan>TPU\u003Cspan>已经在部分大模型推理测试中展现出成本优势。更关键的是，谷歌正在让企业沿用熟悉的软件工具，把模型部署到\u003C\u002Fspan>TPU\u003Cspan>上。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>硬件值得买，软件也越来越容易用，客户才有理由真正分出一部分订单。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>一旦这条路走通，英伟达即使没有失去客户，也可能需要拿出更好的价格和服务，才能留住客户的新增预算。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>所以，我们要讨论的，是英伟达还能把多少\u003C\u002Fspan>AI\u003Cspan>需求，变成自己的利润。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>SemiAnalysis\u003Cspan>在\u003C\u002Fspan>11\u003Cspan>月\u003C\u002Fspan>5\u003Cspan>日发布的研究，把这个问题摆到了投资者面前。谷歌这次的进展，究竟只是跑分上的一次领先，还是足以影响英伟达长期估值的变化？\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>推理成本为什么会影响芯片订单？\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>先把两个概念说清楚。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>训练让模型学会能力，推理则是让它实际完成任务。模型上线后，每次调用都要花钱，推理成本越低，公司才越有机会留下更多利润。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因此，客户买算力，最终要看：在保证回答质量、速度和稳定性的前提下，同样一笔钱能完成多少任务。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>尤其是需要多轮推理的\u003C\u002Fspan>AI\u003Cspan>智能体，芯片还得与内存、缓存和调度系统配合。芯片算得再快，如果总在等数据，实际效率也会打折。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>谷歌这次参与竞争的切入点，就是整套推理系统的成本与效率。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>它不需要在所有模型上赢过英伟达。只要能在一部分规模足够大、运行足够频繁的业务上提供更合适的方案，就有机会拿到订单。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>谷歌已经赢了几场，但还没赢下整场比赛\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>先看最抢眼的一组数据。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>运行\u003C\u002Fspan>Qwen3.5 397B\u003Cspan>模型时，同样花一笔钱，谷歌\u003C\u002Fspan>TPU\u003Cspan>的推理产出比英伟达\u003C\u002Fspan>GB300\u003Cspan>多约\u003C\u002Fspan>67%\u003Cspan>。如果这种优势能用到企业自己的业务上，就有了换平台的理由。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>但英伟达也没有全面落后。换到\u003C\u002Fspan>GLM-5.3\u003Cspan>的部分测试，英伟达反而明显领先；运行\u003C\u002Fspan>Kimi K3\u003Cspan>时，英伟达经过几轮软件优化，也拉开了与\u003C\u002Fspan>TPU\u003Cspan>的差距。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>所以，客户没必要一次性换掉所有\u003C\u002Fspan>GPU\u003Cspan>。先把适合\u003C\u002Fspan>TPU\u003Cspan>、确实能省钱的业务分出去，谷歌就能拿到一部分订单，英伟达也就多了一份竞争压力。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这些结果最值得投资者重视的地方，是客户开始有得选了。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>比跑分更重要的，是客户换平台容易了多少\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>英伟达的护城河，一直不只是一块\u003C\u002Fspan>GPU\u003Cspan>。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>开发者熟悉\u003C\u002Fspan>CUDA\u003Cspan>，模型和软件围绕它进行优化，企业也积累了相应的部署、监控和维护经验。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>换一种芯片，意味着重新确认模型能不能跑、性能是否稳定、出了问题谁来处理。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对于已经上线的业务，这些迁移成本往往比硬件报价更难估算。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>所以，竞争对手即使拿出一块便宜的芯片，客户也未必愿意换。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>谷歌现在的做法，是主动进入开发者已经在使用的软件生态。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>谷歌公开资料显示，\u003C\u002Fspan>TorchTPU\u003Cspan>已经开源，并与\u003C\u002Fspan>PyTorch\u003Cspan>、\u003C\u002Fspan>vLLM\u003Cspan>、\u003C\u002Fspan>SGLang\u003Cspan>、\u003C\u002Fspan>llm-d\u003Cspan>、\u003C\u002Fspan>Ray\u003Cspan>等工具衔接。其中，\u003C\u002Fspan>vLLM\u003Cspan>和\u003C\u002Fspan>SGLang\u003Cspan>负责模型推理服务，\u003C\u002Fspan>llm-d\u003Cspan>帮助分配和调度请求，\u003C\u002Fspan>Ray\u003Cspan>等工具则参与更大规模的分布式运行。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>普通投资者不必记住这些名字，但需要理解它们的作用：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>客户可以保留更多熟悉的开发和部署方式，再根据业务需要选择底层硬件。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>这与要求客户为了使用\u003C\u002Fspan>TPU\u003Cspan>，重新学习一套完全不同的软件体系，商业意义差别很大。只要需要重做的部分减少，客户尝试\u003C\u002Fspan>TPU\u003Cspan>的门槛就会下降。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>接下来，影响可能沿着两条路径传导。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>一部分客户会把合适的业务实际迁过去，改变新增算力的分配。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>另一部分客户即使继续购买英伟达，也会因为拥有可行的替代方案，在采购谈判中获得更多筹码。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>软件适配的进展可能比某一次跑分领先更重要。跑分证明“值得试”，迁移和维护成本下降，才更有机会让客户长期使用。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>Meta\u003Cspan>的参与，为什么比多一张测试图更有分量？\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>谷歌自己用自家芯片，和\u003C\u002Fspan>Meta\u003Cspan>愿意拿来运行实际业务，分量不一样。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>前者可以按自己的需要量身定做，后者则说明，\u003C\u002Fspan>TPU\u003Cspan>也能满足外部客户的部分需求。相关合作方已经确认，这套系统在\u003C\u002Fspan>Meta\u003Cspan>的大规模实际业务中得到验证。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>对投资者来说，这意味着谷歌有机会把内部使用的技术，变成对外赚钱的生意。而且，连与谷歌存在竞争关系的\u003C\u002Fspan>Meta\u003Cspan>，也愿意尝试它的算力。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这会怎样影响谷歌和英伟达的投资逻辑？\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>对谷歌来说，\u003C\u002Fspan>TPU\u003Cspan>的价值不应只按“能向外卖多少芯片”计算。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>它首先可能降低谷歌自身\u003C\u002Fspan>AI\u003Cspan>服务的计算成本。同样的基础设施投入能够支持更多调用，公司就有机会改善单位经济性，或者通过更有竞争力的价格扩大使用量。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>外部客户使用\u003C\u002Fspan>TPU\u003Cspan>，还可能增加对谷歌云的需求。客户需要的通常包括计算、存储、网络和运维服务，\u003C\u002Fspan>TPU\u003Cspan>可以成为谷歌云争取这些业务的一个差异化入口。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>因此，我对谷歌的判断偏积极：\u003C\u002Fspan>TPU\u003Cspan>同时提供了降低内部成本和争取外部客户的机会。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对英伟达，最需要拆开的是两个命题：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>AI\u003Cspan>算力市场继续扩大，是一个命题；\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>英伟达能够长期保持原有份额和高利润率，是另一个命题。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>前者成立，并不能自动证明后者。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>即使英伟达未来收入继续增长，只要客户拥有更多选择，它获得新增订单的条件也可能变化。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>为了维持领先，公司可能需要投入更多软件工程资源、加快产品更新，或者在部分业务上提供更有竞争力的价格。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>收入增长、份额变化和利润率变化，可能同时发生。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>所以，这份材料还不足以让我得出“英伟达的生意要下滑”的结论，却足以让我对“\u003C\u002Fspan>AI\u003Cspan>越火，英伟达就必然越赚钱”保持更严格的审视。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>我怎么看这场竞争？\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>美股投资网的判断是：谷歌\u003C\u002Fspan>TPU\u003Cspan>已经值得被当作推理市场的实际竞争者研究，英伟达的领先地位也仍然有充分基础。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>我更看好谷歌借\u003C\u002Fspan>TPU\u003Cspan>改善自身成本、增强云业务竞争力的方向；\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对英伟达，我会继续承认其系统和生态优势，同时降低对长期定价权的确定性预期。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>接下来，最能影响我判断的，是这场竞争能否从测试结果继续走向稳定的商业使用。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>市场扩大之后，各家公司还能留下多少利润。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cspan>未来的高利润，需要靠产品、软件和客户体验继续争取，不能仅凭\u003C\u002Fspan>AI\u003Cspan>需求增长来保证。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>$GOOGL $NVDA #\u003Cspan>美股\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003C\u002Fp>","https:\u002F\u002Fwww.tradesmax.com\u002Fimages\u002Fa_Stock\u002FG\u002FGOOG\u002FGOOG.jpg","2026-11-06T13:14:57","2026.11.06","2026\u002F11\u002F06",55415,[22],"GOOG","Article",0,"免费","success",{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":28,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"useContentVideo":5,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},[22],"\u002Fcol\u002Fstocknews",{"visible":5,"marketingHtml":31,"services":32,"recentDocuments":41},"\u003Cfigure class=\"image\">\u003Ca href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\" rel=\"noopener noreferrer\">\u003Cimg src=\"\u002Fimg\u002Fstockwewebfiles\u002Fweb-202408-stk\u002F1586109431mceclip0.jpg\">\u003C\u002Fa>\u003C\u002Ffigure>\u003Cdiv class=\"text-center\">\u003Ch2 class=\"card-title mx-auto\">\u003Cbr>\u003Ca rel=\"noopener noreferrer\" href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\">案例介绍：英伟达深度研究报告\u003C\u002Fa>\u003C\u002Fh2>\u003C\u002Fdiv>",[33,37],{"productId":34,"serviceName":35,"priceText":36},"prod_PPxdDdK87QaiLv","月付","$12.95美元",{"productId":38,"serviceName":39,"priceText":40},"prod_PPxeMs3bix1da5","年付","$149.00美元",[],{"links":43,"images":71,"summaryHtml":76,"aboutTitle":77,"aboutHtml":78,"copyrightHtml":79},[44,47,50,53,56,59,62,65,68],{"label":45,"url":46},"深度报告","\u002Fcol\u002FdepthReport",{"label":48,"url":49},"VIP会员","\u002Fvip",{"label":51,"url":52},"期权推荐","\u002FOption",{"label":54,"url":55},"低价暴涨股","\u002FPenny",{"label":57,"url":58},"AI智能体","\u002FAiAgent",{"label":60,"url":61},"常见问题","https:\u002F\u002Fstockwe.com\u002FFAQ",{"label":63,"url":64},"美股课程","\u002Fcol\u002Fvideos",{"label":66,"url":67},"免责声明","\u002Fdisclaimer",{"label":69,"url":70},"联系我们","\u002FContactUs",[72,73,74,75],"\u002Fimages\u002Ffooter\u002Ffooter-1-wechat.gif?v=20260930c","\u002Fimages\u002Ffooter\u002Ffooter-2-telegram.png?v=20260930c","\u002Fimages\u002Ffooter\u002Ffooter-3-whatsapp.png?v=20260930c","\u002Fimages\u002Ffooter\u002Ffooter-4-line.png?v=20260930c","邮箱: buy@TradesMax.com 美国电话 626-378-3637","公司介绍","\u003Cp class=\"MsoNormal\">美股大数据 \u003Ca href=\"https:\u002F\u002Fstockwe.com\" rel=\"noopener\">StockWe.com\u003C\u002Fa> 是一个美国领先的金融和美股信息大数据提供商，紧盯华尔街金融市场和行情，2008年成立于美国硅谷，创始人是前纽约证券交易所资深分析师Ken，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化交易模型，每天处理海量股票数据：挖掘潜力大牛股，捕捉期权异动大单，实时主力资金流向、机构持仓变化、川普突发新闻，美股买卖信号第一时间发到您手机APP。\u003C\u002Fp>","专业美股投资者都在这里",{"loading":81,"search":82,"searchPlaceholder":82,"hotContent":83,"draft":84,"noData":85,"searchNoData":86,"courseContent":87,"more":88,"buyNow":89,"subscribeNow":90,"encoding":91,"paidContent":92},"Loading...","搜索","热门内容","草稿","目前没有任何内容公布","当前检索内容没有数据","课程内容","更多","立即购买后观看","- 立即订阅 -","视频编码中...","付费内容"]