從14倍到28倍市盈率：谷歌Gemini 3稱王，大模型戰場重洗牌

防走失，電梯直達安全島

來源：秦朔朋友圈

作者：Irene Zhou

最近幾周，投資者不得不面對人工智能（AI）轉變的無情速度。有業內人士表示，這感覺就像《星際穿越》中時間膨脹的場景：科技投資領域的??時相當于標普500指數中的七年。

除了各界頻繁談論的“循環投資風險”“終端應用能否盈利”等擔憂，最新的一點擾動在于，谷歌的Gemini可能要迎頭趕上OpenAI了，Gemini 3模型發布導致的負面后果是，其他所有廠商的產品周期都會被推遲，但資本支出卻上升，這意味著投資回報變得更不確定。

因此我們也可以看到，谷歌母公司Alphabet股價狂飆突進，即使在近期的AI拋售狂潮中也屹立不倒，上周一舉突破320美元，市值逼近4萬億美元大關；而英偉達以及其生態鏈上的一眾企業都受到沖擊。盡管未來GPU、TPU將共存，但贏家、輸家，以及模型領域出現“贏家通吃”動態的風險上升。

谷歌 Gemini 3“偷襲”Open AI

我們正在經歷AI交易領域的新范式轉變，與該交易的前三年相?，質疑和審查?益增多，?前三年?多數AI基礎設施股票都表現為?塊整體。如果說OpenAI CEO奧特曼（Sam Altman）的揮霍狂潮打開了關于AI存在性問題的潘多拉魔盒，那么最新Gemini 3的發布則給市場帶來了更大的沖擊——AI交易已進入一個根本不同的階段。

具體而言，2025年11月18日，市場期待已久的谷歌Gemini 3 pro-preview終于發布，給市場帶來的不僅是興奮，更是一場殘酷的洗牌。之所以引發科技板塊集體跳水，根本邏輯在于它打破了行業原有的追趕節奏：

1. 技術代差引發的資產貶值：Gemini 3展現出的質變能力，瞬間將競爭對手現有的研發管線推向了“過時”的邊緣。這意味著其他大模型廠商不得不推遲產品發布周期，重新進行技術對齊。

2. 投資回報率（ROI）黑洞：為了填補這一巨大的技術鴻溝，全行業的資本開支將被迫進一步飆升。這種無底洞式的投入讓未來的盈利預期變得極度模糊。

3. “贏家通吃”的恐慌：市場開始意識到，AI領域可能正在從“百花齊放”轉向“寡頭獨大”。如果谷歌一家獨大，其他玩家的生存空間將被極限壓縮。

TMTBreakout提及，Gemini 3雖然優秀，但它的發布缺乏病毒式傳播，早前OpenAI的Sora2的發布就引爆社區，圖像和視頻比純聊天機器人LLM的升級更可能推動病毒式傳播，但NanobananaPro（已發布，為谷歌的圖像生成和編輯模型）及其下一代視頻模型Veo4的發布可能會改變這一局面，因此也更有可能吸引用戶打破習慣，嘗試競爭對手的產品。

未來，模型改進的變化速度可能會越來越多地體現在多模態領域，如圖像生成和視頻創作，于是token的成本優勢將變得更加關鍵。谷歌剛剛證明了自己在這方面的優越性，這種優勢很可能隨著視頻而擴大，因為谷歌擁有整個YouTube數據語料庫可供訓練。

面對競爭格局的轉變，OpenAI是否會繼續追求多模態并加大投入？對此TMTBreakout表示，多模態是“邊際成本”的游戲，?推理是“邊際價值”的游戲。如果OpenAI繼續在多模態消費者功能上與谷歌競爭，它們將陷入一場注定會輸的消耗戰。更不用提谷歌還擁有“一體化”生態系統的優勢——搜索、Gmail、Workspace、Android（未來可能還有iPhone）。競爭格局正日益從“誰擁有最智能的聊天機器人”轉向“誰擁有最集成的一體化工作流程”——目前，谷歌兩者兼備。

這讓OpenAI陷入了“無人區”。它要么在多模態的算力大戰中燒錢，而這場戰爭OpenAI大概率贏不了；要么退守企業利基市場（即聚焦Chatbox模式，即Anthropic的策略）。但即使是這種退守也充滿危險，因為谷歌正利用其“一體化”生態系統，通過Android和Workspace將Gemini融入數十億用戶的日常workflow中。

此外，Gemini 3在后端企業任務??表現出?，有關調查已經顯示出?些市場份額的轉移。

至此，OpenAI“大力出奇跡”的模式越發受到質疑。奧特曼在一次公開場合表示，公司已承諾約1.4萬億美元的基礎設施投入，用于建設約30GW的算力。未來，OpenAI是否有可能將研發重心轉向效率，專注于讓模型更小、更快，而不僅僅是更智能？畢竟中國在這方面已經證明了自己的實力。

OpenAI會否將戰場轉向“誰能在手機上本地運行GPT-5級別的智能”而不是“誰擁有云端最智能的模型？”

在業內人士看來，這些問題的答案將對整個AI基礎設施生態系統產生深遠影響。Gemini 3的發布加速了OpenAI和整個行業需要多快地面對這些問題。

TPU展露優越性

谷歌的進展對英偉達而言也存在影響。在谷歌自己的核心模型訓練上，主力是TPU（Tensor Processing Unit，張量處理單元），TPU是谷歌專門為“跑AI”這一件事而造的專用芯片。而GPU則具有通用性，除了AI還能挖礦、打游戲、做視頻渲染。

谷歌最核心的優勢是，它擁有從芯片（TPU）到框架（JAX/TensorFlow）再到模型（Gemini）的全棧閉環。用TPU訓練自家模型，成本比采購英偉達 GPU 低得多，效率也更容易優化。Gemini 3大概率是純TPU訓練出來的。

不過，谷歌也是英偉達的超級大客戶。谷歌也需要確保自家的開源模型（如Gemma系列）在英偉達硬件上跑得順暢，否則開發者就不愛用了。因此，他們內部研發團隊也需要大量GPU進行驗證、微調和跨平臺測試。即使TPU再強，谷歌也不會把雞蛋放在一個籃子里。

可見，巨頭之間的博弈很有趣——如果谷歌不買，英偉達的產能就會全部釋放給微軟和Meta，這會讓對手跑得更快。谷歌維持一定的GPU采購量，某種程度上也是在搶占供應鏈資源。

因此，短期直接影響在于，雖然谷歌用的是TPU，但其競爭對手們沒有TPU。Gemini 3的質變會讓OpenAI（微軟）、Meta、xAI以及亞馬遜感到極度恐慌。為了追趕谷歌的模型能力，這些公司必須不計成本地堆算力，即向英偉達購買現貨。

但是，TPU不再僅僅是谷歌的“自留地”，它已成為市場上唯一能真正替代英偉達GPU進行萬卡級訓練的成熟方案。蘋果在2024年發布的關于Apple Intelligence的技術白皮書中，罕見地披露了其底層大模型（Apple Foundation Model）是在谷歌的云端TPU集群上訓練的；Anthropic也是典型的“不把雞蛋放在一個籃子里”。他們同時使用亞馬遜的Trainium和英偉達的GPU，但Claude3的高水平表現證明了：不全靠英偉達，也能做出世界頂級的模型。這對TPU的聲譽是巨大的提振。

過去英偉達高估值的核心邏輯是：“沒有CUDA生態，就沒有SOTA（最先進）模型”。如今，Gemini 3如果真的遙遙領先，且完全是在TPU集群上訓練出來的，這就向世界證明了：搞頂級AI并不一定需要英偉達的GPU，也不一定需要CUDA生態。這種“示范效應”是致命的。

多位業內人士對筆者提及，未來科技巨頭可能會更多用TPU，但中小型科技企業仍會繼續用GPU。原因很簡單，巨頭算“經濟賬”——算力需求規模龐大，切換TPU節省下來的硬件成本是天文數字，足以覆蓋軟件適配的人力投入；但小廠圖的是“通用性”——算力需求小，顯卡的費用比人力成本貴。英偉達CUDA生態成熟，“代碼下載即用”，買GPU買的是開發效率和不被特定云廠商鎖死的自由。

從14倍到28倍

同樣值得一提的還有谷歌的股價變化。

當OpenAI橫空出世后，谷歌的搜索引擎業務前景一度被看衰，股價曾出現暴跌，然而截至上周收盤，谷歌母公司Alphabet股價沖破320美元，年初至今的漲幅接近70%，市值逼近4萬億美元。

高盛近期感嘆，Alphabet的估值從年內最低的14倍附近一路修復到約28倍，這一估值重估令人印象深刻，而且當前的估值并非限制股價繼續上漲的理由。

未來的潛力在于，如果谷歌開始向外部數據中心銷售TPU，利潤增速則可能提升。

有報道稱，Meta擬于2027年斥資數十億美元在其數據中心使用TPU，并計劃明年從谷歌云租賃TPU。值得注意的是，Meta與谷歌的洽談聚焦于將TPU用于模型訓練，而非支撐其現有推理工作負載。

此前，谷歌已開發TPU命令中心（TPU Command Center）軟件，旨在簡化客戶對TPU的使用流程 —— 客戶可通過Pytorch框架與控制TPU服務器集群的該軟件進行交互。

此外，Anthropic近期與谷歌云達成協議，約定將獲取約100萬片谷歌 TPU，這也是里程碑事件。

這兩大事件標志著谷歌長達12年的TPU技術取得了關鍵進展。摩根士丹利估算，2025年博通（Broadcom）為谷歌生產了約180萬片TPU，其中大部分用于谷歌內部業務。不過，半導體團隊預計，TPU產量將持續擴大，2027年有望達到300萬片。敏感性分析顯示，每對外銷售約50萬片TPU，可能為2027年谷歌云預測營收（高于市場普遍預期）帶來130億美元（約11%）的增量，同時為2027年谷歌EPS帶來 3%（0.37美元）的提升。

對于AI行業而言，在各界因OpenAI的揮霍而擔憂AI泡沫的背景下，谷歌帶來的積極意義更加凸顯——谷歌Gemini 3的亮相不僅是一輪技術升級，更像是為企業級AI注入了一劑“高效與節約并舉”的強心針。

它以更迅捷的推理速度與更靈活的多模態能力，讓復雜流程變得流暢順滑，極大提升了業務運行效率；通過深度優化模型結構與算力利用，它將原本高昂的訓練與部署成本顯著壓低，讓先進AI不再是少數巨頭才能負擔的奢侈品；而在“同樣的算力，做出更好的結果”這一核心指標上，Gemini 3更是以亮眼表現重塑了模型性價比，為企業在資源有限的情況下依然獲得高質量AI產出提供了前所未有的可能。