谷歌vs英偉達：AI的下半場巔峰對決

↑點擊上面圖片 加雪球核心交流群 ↑

風險提示：本文所提到的觀點僅代表個人的意見，所涉及標的不作推薦，據此買賣，風險自負。

作者：悶得而蜜

來源：雪球

歷史回顧

互聯網時代 ， 成就了谷歌 、 facebook ， 思科跌下神壇 。

云計算時代 ， 成就了微軟 、 亞馬遜 ， Intel跌下神壇 。

移動互聯網時代 ， 成就了蘋果 ， 高通跌下神壇 。

IT行業有條鐵律 ：每一美元的硬件 ， 必須產生十美元的軟件和服務收入。

這個產業規律 ， 暗示著 ， 信息產業進入穩定成長期 ， 軟件和服務商的估值遠遠超越硬件廠商 。 如今 ， 人工智能浪潮席卷全球 ， 算力成為新時代的 “ 石油 ” ， 大模型成為基礎設施 。 站在 AI 時代的十字路口 ， 我們再次目睹巨頭格局的劇烈重構 。

英偉達 ， 憑借 GPU 在并行計算上的天然優勢 ， 一躍成為 AI 訓練的 “ 賣鏟人 ” ， 市值一度超越蘋果 、 微軟 ， 登頂全球第一 。 它的成功 ， 看似打破了 “ 一美元硬件難敵十美元軟件 ” 的鐵律 。

而谷歌 ， 作為 AI 領域的長期布道者 —— 從 2014 年收購 DeepMind ， 到 2017 年提出 Transformer 架構 ， 再到持續投入大模型與 AI 原生產品 —— 卻在商業化落地和市場估值上顯得步履謹慎 ， 甚至被質疑 “ 起了個大早 ， 趕了個晚集 ” 。

這不禁讓人發問 ： 在 AI 的下半場 ， 究竟是掌握底層算力的 “ 硬件霸主 ” 繼續高歌猛進 ， 還是擁有數據 、 算法與生態閉環的 “ 軟件巨頭 ” 后來居上 ？ 谷歌與英偉達的對決 ， 或許正是回答這個問題的關鍵線索 。

英偉達算力壟斷的黃金時代

英偉達的崛起并非偶然 。 自 2012 年 AlexNet 使用 GPU 加速深度學習以來 ， 黃仁勛就押注 AI 是計算范式的根本性變革 。 過去三年 ， 這一判斷被驗證到極致 ：

市占率超 95%： 在訓練端 GPU 市場 ， 英偉達幾乎形成事實壟斷 ；

毛利率高達 75%+： 遠超傳統芯片公司 ， 逼近軟件公司水平 ；

CUDA 生態護城河： 百萬開發者 、 數千優化庫 、 數萬企業依賴其軟件棧 ， 遷移成本極高 ；

訂單排到 2026 年： Blackwell 芯片供不應求 ， 客戶包括微軟 、 Meta 、 亞馬遜 、 甲骨文等所有云巨頭 。

更關鍵的是 ， 英偉達不再只是賣芯片 ， 而是通過AI Enterprise 軟件套件 、 NIM 微服務 、 DGX Cloud等 ， 向 “ AI 操作系統 ” 演進 。 它正在把硬件優勢轉化為平臺級控制力 。

谷歌被低估的 AI 全棧能力

如果說英偉達是 AI 時代的 “ 水電煤供應商 ” ， 那么谷歌就是那個最早設計電網 、 制定標準 、 還自己發電用電的人。

技術源頭： Transformer 架構 （ 2017 ） 已成為所有大模型的基礎 ； LaMDA 、 PaLM 、 Gemini 系列模型持續領先 ；

自研芯片： TPU 已迭代至 v5e/v5p/v6/v7 ， 在內部訓練效率上媲美甚至優于 B200 ；

數據閉環： Search 、 YouTube 、 Gmail 、 Android 、 Workspace 每天產生海量真實用戶交互數據 ， 這是任何外部公司無法復制的燃料 ；

產品整合： AI 已深度嵌入 Search （ AI Overviews ） 、 Workspace （ Duet AI ） 、 Android （ on-device LLM ） 、 Cloud （ Vertex AI ） 。

更重要的是 ， 谷歌的商業模式天然適配 AI 變現 ：

廣告仍是現金牛： 2024 年 Q3 廣告收入 65 億美元/天 ， 為 AI 投入提供無限彈藥 ；

AI 不是成本 ， 而是效率工具： 用 Gemini 優化搜索結果 、 自動生成廣告文案 、 提升客服效率 —— 每一項都能直接節省數十億美元運營成本 ；

云業務拐點已現： Google Cloud 首次實現全年盈利 ， AI 服務成增長引擎 。

市場低估谷歌 ， 是因為它沒有像英偉達那樣 “ 性感 ” 的單季度 200% 增長 。 但谷歌的 AI 戰略是內生 、 穩健 、 可規模化的 —— 它不需要靠賣芯片吃飯 ， 而是讓 AI 成為整個生態的 “ 操作系統 ” 。

下半場賣鏟子開金礦

AI 上半場的主題是基礎設施軍備競賽—— 誰有更多 GPU ， 誰就能訓練更大模型 。 英偉達因此受益最大 。 但下半場的主題正在轉向 ：誰能用 AI 創造真實價值 ？ 誰能把模型變成產品 、 服務和利潤 ？這里有幾個關鍵轉折信號 ：

模型同質化加劇： 閉源與開源模型性能差距縮小 ， 單純堆參數不再有效 ；

推理成本成為瓶頸： 訓練只需一次 ， 推理每天億次 —— 能效比 、 邊緣部署 、 定制芯片更重要 ；

用戶要結果 ， 不要技術： 企業關心 “ AI 能否提升客服轉化率 ” ， 而非 “ 用了多少 B200 ” 。

在這個新階段，谷歌的優勢開始凸顯：

它擁有從芯片 （ TPU ） → 框架 （ JAX/TensorFlow ） → 模型 （ Gemini ） → 應用 （ Search/Workspace ） → 用戶 （ 20 億+ ）的完整閉環 ；

它不需要說服客戶 “ 為什么需要 AI ” ， 因為 AI 已經在每天服務數十億人 ；

它的護城河不是 CUDA ， 而是用戶習慣 + 數據飛輪 + 產品集成度。

反觀英偉達 ， 若不能從 “ 硬件供應商 ” 進化為 “ AI 平臺運營商 ” ， 其高估值將面臨巨大壓力 。 畢竟 ， 歷史上從未有一家純硬件公司能長期維持 30 倍以上的 PS （ 市銷率 ） 。

結論不是零和博弈而是范式遷移

谷歌與英偉達并非簡單的 “ 你死我活 ” 。 事實上 ， 它們代表了 AI 價值鏈的兩個關鍵環節 ：基礎設施層 vs 應用層。

但在 AI 的下半場 ， 界限正在模糊 ：

英偉達在做軟件 （ AI Enterprise ） ；

谷歌在做芯片 （ TPU ） ；

微軟既買英偉達芯片 ， 又自研 Maia ， 還集成 OpenAI ；

亞馬遜一邊采購 H100 ， 一邊推廣 Trainium 。

真正的勝負手 ， 不在于誰賣更多芯片 ， 而在于誰能構建 “ 軟硬一體 、 端云協同 、 數據驅動 ” 的飛輪。

從這個角度看 ， 谷歌的長期確定性可能更高 —— 因為它早已把 AI 編織進自己的基因 。 而英偉達的輝煌 ， 仍取決于 AI 資本開支的持續性和生態壁壘的不可逾越性 。

投資者不妨這樣思考：

如果你相信 AI 仍將經歷一輪瘋狂的基礎設施投資潮 ， 英偉達仍是首選 ；

如果你相信 AI 正在進入 “ 價值兌現期 ” ， 那么谷歌這樣擁有場景 、 數據和變現能力的公司 ， 才真正站在復利的起點 。

歷史告訴我們 ：最終贏得時代的 ， 從來不是最鋒利的鏟子 ， 而是挖到金礦并建起城市的人。

雪球三分法是雪球基于“長期投資+資產配置”推出的基金配置理念，通過資產分散、市場分散、時機分散這三大分散進行基金長期投資，從而實現投資收益來源多元化和風險分散化。點擊下方圖片立即領取課程