Gemini 3 Pro崛起
撰文：KP（FOMO 研究院板主） 過去3 年，華爾街看Google（美股代號GOOG、GOOGL）的眼神充滿了懷疑。從ChatGPT 橫空出世時內部的「紅色代碼（高層緊急動員）」，到AI 搜尋引擎Bard 發布時的股價暴跌，這家搜尋巨頭似乎成了舊時代的恐龍，被困在「創新者的窘境」裡動彈不得。 但隨著Gemini 3 Pro 的發布，風向變了。如果你只把Gemini 3 Pro 看作是另一個「比ChatGPT 更聰明一點」的聊天機器人，那可能會錯過這場賽局真正的重點。Gemini 3 Pro 的重要性，不在於它的跑分（註），而在於證明了Google 的「全棧式賭注」終於跑通。（註：衡量AI 模型或硬體性能，如速度、準確度、效率後所得出的分數。）
人人都來生產TPU就好？ 一場沉沒成本的豪賭 要理解這場戰爭，我們必須深入探討一個議題—TPU 到底能不能取代GPU ？ 市場上流傳著一種說法：「專用晶片只能做推理（Inference）， 而訓練（Training） 仍必須用GPU。」這句話在技術上是錯的，但在商業上卻是對的，這其中的微妙差異，正是看懂AI 晶片格局的關鍵。 Gemini 3 的誕生證明了TPU 技術上絕對有能力訓練頂級模型。TPU 的設計哲學是「脈動陣列（Systolic Array）」，數據像血液一樣在晶片內部單向流動，極少需要反覆讀寫記憶體，在處理矩陣運算時，它比GPU 更快、更省電。 可是為什麼除了Google，幾乎沒有其他公司敢用專用晶片來訓練模型？答案在於：這是一場「沉沒成本」的豪賭。 GPU 通用、靈活，無論明天的AI 算法流行Transformer（一種神經網絡架構） 還Mamba（一種用於序列建模任務的深度學習架構），它都能透過軟體更新來適應，是應對未來的保險；而專用晶片是為了特定的數學運算而「硬化」在矽片上的，如果你為了今天的算法投入幾十億造了晶片，明天算法改變了，這批晶片就會瞬間變成昂貴且無用的「矽磚」。 Google 之所以能成為唯一的例外，是因為它擁有「系統整合者」的特權，即同時設計算法和晶片，並讓兩者同步演進，這種左手畫圖、右手造芯的能力，才是TPU 真正的護城河，這也是為什麼TPU 很難完全取代GPU 統治大眾市場的原因，除了Google，目前沒人能承擔那種風險。 那麼，Google 和輝達現在的商業關係究竟是什麼？輝達執行長黃仁勳深知，雖然現在GPU 供不應求， 但Google、Meta、亞馬遜（Amazon）、微軟（Microsoft）這些超級大客戶都在自研晶片，試圖擺脫他。因此，輝達正在從單純的「賣晶片」，轉型為賣「數據中心平台」，希望用CUDA 生態系和NVLink 互連技術，將客戶鎖死在自己的圍牆內。 而Google 則在玩一場更複雜的遊戲，我將其稱為「特洛伊木馬」與「軍火商」的雙重變奏： 雲端的特洛伊木馬：Google 深知，雖然TPU效率無敵， 但全球AI 開發者早已被輝達的CUDA生態系綁架。客戶的代碼是為GPU寫的，如果Google Cloud 不提供GPU，這些客戶就會直接流向亞馬遜的AWS 和微軟的Azure。 因此，Google 依然大量採購GPU，這既是為了生存，也是一個誘餌—先用輝達的晶片滿足市場現狀，把客戶「騙」進Google Cloud的大門，等人進來後，再拿出帳單告訴他們：「看，如果你把模型遷移到我們的TPU 上，性能不變，成本打6 折。」簡而言之，Google買GPU 是為了兼容現在，造TPU 是為了定義未來。 轉型軍火商：更具戰略意義的是，近期傳出Meta 考慮採購TPU 的消息，這象徵著Google正在打破封閉，從雲端房東轉型為晶片軍火商。Google 的目標已經變了，只要能削弱輝達的壟斷，它不介意把自己的武器賣給任何人。 
閱讀完整內容 
