TPU、ASIC来势汹汹仍难攻破！为何英伟达守得住护城河、Gemini难挤下OpenAI？外媒这样解析

随着各家大厂持续进行资本支出、AI竞争白热化，市场目前盛传两种主流观点，一是TPU和ASIC作为GPU替代方案崛起，使英伟达（NVIDIA）护城河遭到侵蚀；另一个是Google逆袭，通过AI模型Gemini取得市场占有率和主导AI搜索，最终将击败OpenAI。

根据外媒siliconANGLE的看法，上述两种说法都严重夸涨，且不一定如市场所想。理由之一是英伟达将持续精进其GB300和后续Vera Rubin架构，可维持领先出货并不断降低成本，成为迄今最具成本效益的平台。

至于Google则在壮大的同时面临一种“创新者困境”。报道称，由于Google搜索业务与广告营收高度绑定，一旦Google将广告模式转向类似聊天机器人的体验，单次搜索查询的服务成本将暴增至原来的100倍；再者，Google必须将商业模式转向更高度集成的购物体验，必须连接用户与广告主，但即便Gemini近期取得一定成功，Google仍不具备这样的信任基础。相比之下，OpenAI核心在于强调可信资讯，而非推送广告，仍有其优势。

该报道认为，TPU核心问题不在是否为“好芯片”，而是架构能否适配AI下一阶段的发展需求。TPU是因带宽昂贵且稀少而诞生，适合低带宽需求的AI任务，但随着模型规模扩大与工作负载多样化，逐渐在扩展性等方面遇到限制。

目前领先AI训练走向为“高带宽与大规模扩展”而改善的系统架构，并且支撑GPU工厂，这要让大量加速器彼此连接，并长时间维持高效运转。英伟达护城河来自其端到端、为高带宽、大规模扩展与可持续利用率而打造的整体架构，也是迈向AI工厂、大规模生产基础设施时，最关键的决定因素。

此外，不管是TPU等AI芯片都受制于先进封装产能瓶颈，英伟达除了掌握一定产能外，还持续推进GB200、GB300到Rubin的架构，并改善交换技术与整体系统设计，可说更有优势。

该报道认为，在供应受限的环境下，超大规模云计算企业势必采取混合架构策略。以Google为例，它会在适合的地方使用TPU，但难以全面取代GPU。此外，像Google这样的主要超大规模企业，不太可能大规模对外销售自家专有加速器，让其直接竞争对手形成真正的外部市场。

该报道指出，“TPU走向开放市场”更合理的解释是生态系伙伴（例如博通）以及Meta等公司在当前环境下寻求任何优势所带来的压力，而非Google有意成为真正的商用芯片供应商。

该报道认为，Google困境在于如何以不损害其获利引擎的前提下，让主导模式过渡到更完善的模式。虽然Google获利引擎创建在与搜索行为挂钩的广告变现上，但如果互动模式转向ChatGPT式的体验，要更丰富的答案、更长的会话和更耗费计算资源的回应，会使成本结构发生巨大变化。

“Google只会自我颠覆！”该报道认为，Google忽略了最重要的限制因素，即搜索的经济效益对Google来说是独一无二的，从经典搜索转向助手式的互动模式会改变单位经济效益，从而可能破坏盈利引擎。

该报道认为，就平台动能而言，现阶段仍是OpenAI“领先一大截”，因为平台建设、开发者采用、企业用户组合转变以及对稀缺计算资源的掌握，目前都对OpenAI有利。

从目前来看，英伟达的护城河因出货量、经验曲线效应以及多年端到端系统工作，形成稳固护城河；OpenAI则因平台执行力及企业需求而保持领先。在这个竞争格局中，模型品质已成为基本门槛，真正的竞争焦点在于模型周边的软件与服务。

虽然早期“Google可能颠覆OpenAI”的场景确实存在可能性，但数据与平台动态显示，OpenAI先行者优势正逐步转化为更持久的竞争力，尤其随着企业逐渐成为市场重心，加上与英伟达的合作关系变得更加重要。

（首图来源：AI生成）