中美AI算力中盤博弈：開放與封閉之爭

近日，谷歌TPU攜Gemini3逆襲之勢大幅拓寬增量前景，Meta考慮斥資數十億美元為其買單，機構將TPU產量預期上調67%至500萬塊。基于“芯片-光交換網絡-大模型-云服務”全鏈閉環，谷歌智算體系重回AI賽道前沿梯隊，標志著美式封閉壟斷路線更進一步。

與此同時，以DeepSeek為代表的開源模型緊追不舍。月初，DeepSeek V3.2及其長思考增強版模型出爐，前者在性能測試中打平ChatGPT，后者直接對標閉源模型頂流Gemini。這也預示著中國開源開放路線漸入佳境，國產智算體系在應用層展現出良好的生態協同潛力。

至此，中美AI產業博弈棋至中盤，“開放協同”與“封閉壟斷”對位格局愈發清晰。尤其在智算生態布局中，兩大陣營或正醞釀著一場體系化能力的巔峰較量。

01 從Gemini3到TPU v7，軟硬一體閉環臻至極境

毋庸置疑，谷歌TPU的突然走紅，很大程度得益于Gemini3的模型能力驗證。作為專為谷歌TensorFlow框架而生的ASIC芯片，TPU憑借軟硬件一體化設計為其全棧閉環完成奠基，同時也在上層應用高位突破時俘獲外部用戶市場，甚至一度被視為英偉達GPU的最強平替。

所謂“軟硬一體化”，即硬件的設計完全服務于上層的軟件和算法需求。如Gemini 3訓練和推理過程高度適配TPU集群，而這種定制化專用模式也在功耗能效方面展現出極高價值——TPU v5e的功耗僅為NVIDIA H100的20%-30%，TPU v7每瓦性能較前代產品翻倍增長。

目前，谷歌通過“芯片+模型+框架+云服務”的垂直整合，形成了一個封閉且高效的循環。一方面極大地提升了自身AI研發和應用開發效率，另一方面也在NV主流體系下裂土而治，奪得又一智算賽道主導權，Meta對TPU的采購意向則將這一體系熱度推向了高點。

業內有觀點指出，從蘋果到谷歌，美式的垂直封閉玩法幾乎臻至極境，表現出科技巨頭為鞏固和擴張利益版圖，在產業鏈層面泛在的壟斷欲望。但從生態發展角度來看，封閉模式缺乏長期主義精神，極易導致產業長下游喪失創新活性，并形成單一主體高度集權的格局。

另外，從TPU的應用場景來看，軟硬一體閉環儼然是專屬于巨頭的游戲。某分析人士稱，谷歌的集群化設計和“軟件黑盒”，需要用戶重新配置一整套異構基礎設施。如果沒有萬億參數模型訓練需求，根本填不滿TPU的脈動陣列，省下的電費可能都抵消不了遷移成本。

同時，由于TPU技術路線極為封閉，與主流開發環境無法兼容，用戶還需要一支專業的工程團隊駕馭其XLA編譯器，重構底層代碼。也就是說，只有像谷歌、Meta這種級別的企業才有資格轉向TPU路線，也只有算力規模達到一定程度才能發揮出定制化產物的能效優勢。

不可否認，谷歌等頭部企業通過垂直整合自建閉環，在局部賽道快速實現單點突破，同時也造就了美國科技巨頭林立的蔚然氣象。但在中美AI博弈背景下，美式封閉壟斷路線憑借先發優勢提前完成了賽道卡位，被動的追隨式趕超已很難滿足中國智算產業的發展需要。

“小院高墻”之外，如何充分發揮舉國體制優勢，團結一切力量拆墻修路，成為拉近中美AI體系差距的關鍵。

02 多元異構生態協同，開放路徑通往下一賽點

相較于美式寡頭壟斷模式，中國智算產業正基于多元異構體系層層解耦，重塑開放式生態系統。從頂層設計到產業落地，“開源開放+協同創新”已然成為國產軟硬件全棧共識。

在政策層面，《算力基礎設施高質量發展行動計劃》提出構建布局合理、泛在連接、靈活高效的算力互聯網，增強異構算力與網絡的融合能力，實現多元異構算力跨域調度編排。并且，相關部門多次強調，鼓勵各方主體創新探索智能計算中心建設運營模式和多方協同合作機制。

延伸到AI應用層，《關于深入實施“人工智能+”行動的意見》同樣要求深化人工智能領域高水平開放，推動技術開源可及......不難看出，國家在人工智能和智算領域給出了截然不同的中國方案——不在封閉路線中盲目追趕封閉，要在開放格局下謀求錯位趕超。

事實上，頂層設計完全基于產業現實需要。在美方科技封鎖下，中國智算產業主要面臨兩大挑戰：單卡算力性能瓶頸、算力成本高。除了在芯片、模型、基礎軟件等核心技術領域持續攻堅外，當前更有效的途徑是發展更大規模、更多元高效的智算集群，突破AI算力瓶頸。

業內調研結果顯示，國內宣布擁有千卡規模的算力集群不少于100個，但其中大部分是異構芯片。可以想象，假如不同硬件系統相互封閉，標準接口不統一，軟件棧互不兼容，將導致難以實現智算資源的有效整合利用，更無法滿足大規模參數模型的應用需求。

根據行業主流觀點，國產AI算力存在多元化、碎片化特征，同時又具備相當的規模化優勢。當務之急并不是各自埋頭推進單一技術路線，更首要的是盡快打通“技術墻”、“生態墻”，實現產業鏈開放跨層協作，真正釋放總體算力生態潛能，從單點突破邁向集成創新。

具體來看，所謂開放路線旨在基于開放的計算架構推動產業生態協同創新。比如通過制定統一的接口規范，聯動芯片、計算系統、大模型等產業鏈上下游企業共同參與生態建設，減少重復性研發和適配投入，共享技術攻關和協同創新效益。

同時，隨著開放架構中的協作標準趨于統一，可以進一步打造出商品化的軟硬件技術，用以代替定制化、專有化的系統，進而降低計算產品應用成本，實現覆蓋產業全棧的算力普惠。

顯然，在中國式開放體系下，國產AI算力正打破谷歌TPU的泛化普及困境，將智算生態系統與各方開發者用戶廣泛鏈接，最終形成體系化協同戰力，更靈活高效賦能人工智能+落地。屆時，中美AI博弈也將走出單卡競爭和單一模型比拼，全面迎來生態體系能力的終極對壘。

文章封面首圖及配圖，版權歸版權所有人所有。若版權者認為其作品不宜供大家瀏覽或不應無償使用，請及時聯系我們，本平臺將立即更正。