華爾街最近又嗅到了血腥味。

摩根士丹利（Morgan Stanley）扔出的一份報告，像一塊巨石砸進(jìn)了本就波濤洶涌的AI芯片池塘。

報告里的數(shù)字令人咋舌：預(yù)測到2027年或2028年，谷歌將生產(chǎn)并部署高達(dá)1200萬片TPU（張量處理單元）。這個數(shù)字幾乎是此前市場預(yù)期的兩倍。

大摩的分析師Brian Nowak甚至算了一筆賬：每增加50萬片TPU的部署，谷歌就能通過垂直整合節(jié)省并創(chuàng)造約130億美元的收入。

乍看之下，這不僅是一份財報預(yù)測，更像是一份“討伐檄文”。

如果谷歌這家全球最大的AI算力買家之一，真的在幾年內(nèi)搞出上千萬片自研芯片來替代外部采購，那么英偉達(dá)（Nvidia）的訂單簿上將出現(xiàn)一個巨大的黑洞。

這聽起來像是那個經(jīng)典的“教會徒弟，餓死師父”的故事——科技巨頭們在用英偉達(dá)的卡訓(xùn)練出了大模型后，轉(zhuǎn)身就要用自研芯片把英偉達(dá)踢出局。

然而，當(dāng)這個棘手的問題被拋給黃仁勛時，這位永遠(yuǎn)穿著皮衣的CEO表現(xiàn)出了一種近乎哲學(xué)層面的淡定。

他的回應(yīng)并非避重就輕，而是直擊了兩種截然不同的商業(yè)邏輯的核心：“我們跟ASIC（專用集成電路）斗了很久了。”

這句話背后，不僅是英偉達(dá)與谷歌的博弈，更是“通用平臺”與“垂直帝國”兩種生存哲學(xué)的終極對決。

01

專才的極限與通才的野心

要理解這場戰(zhàn)爭，首先得明白TPU和GPU在基因上的不同。

谷歌的TPU，本質(zhì)上是一種ASIC。用通俗的話說，它是一個極致的“偏科生”。它是為了特定的數(shù)學(xué)運算（矩陣乘法）而生的，為了谷歌的TensorFlow框架量身定做。

在處理特定的AI推理任務(wù)，或者是谷歌自家搜索算法的優(yōu)化上，TPU的能效比（Performance per Watt）確實可能優(yōu)于通用的GPU。

這就好比你為了切生魚片，專門打造了一把極致鋒利的柳刃刀，在切魚這件事上，它無敵。

谷歌的策略非常清晰：既然我有全世界最龐大的搜索流量、有YouTube、有Gemini，那我為什么不打造一個完全封閉的環(huán)？

從頂層的應(yīng)用，到中間的框架，再到底層的芯片，全部自己造。這種“自給自足”的垂直整合，確實能幫谷歌省下巨額的“英偉達(dá)稅”。

但黃仁勛的邏輯是：世界不僅需要切生魚片，世界需要的是一把瑞士軍刀，甚至是一個能自動變形成任何工具的納米工廠。

英偉達(dá)的GPU，以及它背后的CUDA架構(gòu)，是“通才”。它不僅能跑Transformer模型，它還能做蛋白質(zhì)折疊，能做天氣模擬，能搞工業(yè)數(shù)字孿生，能渲染3D游戲。

這就是黃仁勛口中“ASIC進(jìn)不去”的市場。大摩的報告雖然嚇人，但它忽略了一個動態(tài)的維度：AI算法本身是不確定的。

過去兩年，我們見證了從RNN到CNN再到Transformer的劇變。如果我們把時間線拉長，誰敢保證2028年的主流AI架構(gòu)還是現(xiàn)在的Transformer？

ASIC的致命弱點在于“固化”。一旦你把算法燒進(jìn)芯片里，如果明天OpenAI或者DeepMind搞出了一個新的數(shù)學(xué)范式，這幾百萬片ASIC可能瞬間淪為昂貴的廢硅。

而GPU是可編程的。CUDA之所以強大，是因為它允許開發(fā)者在硬件之上通過軟件定義功能。

當(dāng)算法變了，你只需要更新驅(qū)動和代碼，而不是更換芯片。在AI這個一日千里的賽道上，靈活性（Flexibility）本身就是一種巨大的算力。

02

軍火庫與御用作坊

如果我們將視線從芯片本身移開，看看商業(yè)模式，兩者的分野更為明顯。

谷歌的TPU，某種意義上是谷歌帝國的“御用作坊”。這1200萬片TPU，絕大多數(shù)只會流向谷歌自己的數(shù)據(jù)中心，服務(wù)于谷歌的搜索、廣告和云服務(wù)。

即使谷歌通過Google Cloud向外出租TPU算力，那也像是一個帶著圍墻的花園——你必須使用谷歌的軟件棧，必須適應(yīng)谷歌的規(guī)則。

這是一種典型的封閉生態(tài)打法，就像當(dāng)年的IBM主機，或者是蘋果的iOS硬件閉環(huán)。它強大，但它有邊界。

反觀英偉達(dá)，它經(jīng)營的是一個開放的“全球軍火庫”。

從亞馬遜AWS到微軟Azure，從特斯拉的自動駕駛訓(xùn)練中心到生物制藥公司的實驗室，甚至是一個大學(xué)生宿舍里的游戲本，英偉達(dá)無處不在。黃仁勛不僅僅是在賣顯卡，他是在維護(hù)一個事實上的行業(yè)標(biāo)準(zhǔn)。

這就涉及到了網(wǎng)絡(luò)效應(yīng)。目前的AI開發(fā)者，從在校學(xué)習(xí)開始，接觸的就是CUDA。所有的開源庫、所有的論文復(fù)現(xiàn)、所有的優(yōu)化工具，默認(rèn)都是基于英偉達(dá)架構(gòu)的。這種“軟實力”構(gòu)成的護(hù)城河，比硬件參數(shù)更難跨越。

正如那個生動的比喻：英偉達(dá)賣的不是芯片，而是進(jìn)入AI時代的“船票”。

這張船票，谷歌想自己畫一張，它有這個資本。但對于世界上剩下的99%的企業(yè)——那些沒有能力自研芯片的云廠商、車企、創(chuàng)業(yè)公司來說，他們唯一的選擇就是去黃仁勛那里買票。

只要這個“長尾市場”足夠大，只要創(chuàng)新的源頭不僅僅局限于谷歌一家公司，英偉達(dá)的地位就很難被撼動。

03

歷史的鏡像

封閉與開放的輪回

大摩預(yù)測的1200萬片TPU，確實能讓谷歌在自家的成本控制上取得巨大勝利。但這能代表谷歌“干掉”了英偉達(dá)嗎？

這讓我們想起了智能手機初期的戰(zhàn)爭。谷歌（雖然這里角色反轉(zhuǎn)了）當(dāng)年用開放的Android對抗封閉的iOS，最終兩者共存，但占據(jù)了不同的生態(tài)位。

在AI芯片領(lǐng)域，未來很可能也是一種雙軌制的格局：

超巨頭的垂直整合：像谷歌、亞馬遜、微軟這樣的萬億級巨頭，因為規(guī)模效應(yīng)實在太大，它們一定會加大自研ASIC的力度，用來處理那些負(fù)載最穩(wěn)定、規(guī)模最大的推理任務(wù)（比如每天數(shù)十億次的搜索請求）。這確實會切走英偉達(dá)的一部分蛋糕。

英偉達(dá)的通用霸權(quán)：但對于訓(xùn)練（Training）、對于前沿探索、對于科學(xué)計算、以及對于所有非科技巨頭的廣闊市場，英偉達(dá)依然是唯一解。

而且，我們不能忽視“摩爾定律”的殘酷性。芯片行業(yè)是吞金獸，需要持續(xù)的、天文數(shù)字般的研發(fā)投入來維持工藝迭代。

英偉達(dá)將其所有的收入都砸回到了GPU架構(gòu)的迭代上，這是一種全人類分?jǐn)偝杀镜哪Ｊ健６雀璧腡PU研發(fā)成本，只能由谷歌一家公司承擔(dān)。

長期來看，通用芯片在性能迭代的速度上，往往會跑贏專用芯片，除非專用芯片的應(yīng)用場景極度單一且萬年不變。