【无需打开直接搜索;操作使用教程:


1、界面简单，没有任何广告弹出，只有一个编辑框。

软件介绍:
1.99%防封号效果,但 *** 保证不被封号.2.此款软件使用过程中,放在后台,既有效果.3.软件使用中,软件岀现退岀后台,重新点击启动运行.4遇到以下情况:游/戏漏闹洞修补、服务器维护故障、政/府查封/监/管等原因,导致后期软件无法使用的.

收费软件,非诚勿扰 .正版辅助拒绝试用!

本公司谨重许诺!假一赔十!无效赔十倍!十天包换!一个月包退,安装即可.

【央视新闻客户端】

　　本文来自格隆汇专栏：虎嗅 妙投APP，作者：董必政

　　美股的AI正在走向新的分水岭。

　　如果你只盯着指数看，或许觉得依旧歌舞升平，但如果你扒开内里，会发现两股力量正在疯狂博弈：

　　一边是曾经不可一世的“OpenAI链”——英伟达、软银、甲骨文、CoreWeave，连续阴跌；

　　而另一边，代表“谷歌链”的谷歌、博通却在持续走高。

　　值得一提的是，谷歌的股价盘中一度创下每股328.83美元的历史新高。另外，伯克希尔·哈撒韦于2025年第三季度首次建仓谷歌母公司Alphabet，持仓市值约43.4亿美元。

　　在新的“AI交易”逻辑里，谷歌似乎正在取代英伟达，试图加冕为新的AI之王。

　　一、英伟达的护城河，被TPU凿出了缺口

　　在过去三年里，美股最大的信仰就是：“不管谁赢，英伟达必赚。”这套“卖铲子”的逻辑简单粗暴，却坚不可摧。

　　但现在，铲子不再只有一家了。

　　谷歌在2025年11月的一系列动作，特别是Gemini 3 Pro的训练基于第六代、第七代TPU（代号Trillium和Ironwood），实际上是在向市场宣告：训练顶尖大模型，不再非英伟达GPU不可。

　　要理解这一转变，我们需要回到技术的底层逻辑。

　　早期大模型（如BERT、GPT-2）依赖于灵活性，结构尚未标准化，常需自定义层、动态shape、调试迭代。

　　GPU的通用性和成熟工具链（如CUDA、cuDNN、NVIDIANsight） 更适合这种探索阶段。

　　当前主流大模型架构趋于标准化，Llama、Gemini等基本都基于 Transformer架构。

　　而Transformer架构的核心是大规模矩阵乘法+Attention机制，这正是TPU脉动阵列最擅长的计算模式。

　　简而言之，GPU是万能施工队，啥楼都能盖；TPU 是“专为 Transformer 砌墙而生的自动砌砖机”，当砌墙规模大、砖块尺寸统一时，又快又省。

　　谷歌这次发布的Gemini 3 Pro，其训练和推理完全依托于自研的TPU集群。这证明了针对万亿参数级MoE（混合专家模型）和超长上下文（Infinite Context）场景，软硬协同设计的ASIC芯片方案，已经完全跑通。

　　换句话说，大模型可以在Google自研的TPU上训练，可以不再依赖于英伟达的GPU。

　　此前，黄仁勋受邀出席《Bg2 Pod》对话节目曾自信表示，“即使竞争对手的ASIC芯片免费，客户依然会选择英伟达。”

　　黄仁勋观点的核心在于，超大规模数据中心的运营受电力限制，客户的核心目标是将有限的电力最大化转化为营收。

　　由于英伟达系统在“单位能耗产生的Token”方面拥有数量级优势，这意味着选择英伟达方案能在相同电力消耗下产生数倍甚至数十倍的业务收入。因此，放弃巨大营收机会的机会成本远高于芯片本身的采购成本。

　　这个逻辑以前还说得过去，但在2025年11月，被动摇了。

　　据国信证券测算，谷歌的TPU v6e在单位算力资金投入（TOPS/美元）上已经与英伟达的Blackwell接近。

　　此外，就目前公开的数据和评测来看，在“训练标准Transformer / LLM 这类大模型”这一细分场景下，TPU的性能/功耗（Perf/Watt）整体上比同代数据中心 GPU 更有优势，能耗比更突出。

　　下游客户也开始倒戈。

　　谷歌云正式上线的TPU v7 Ironwood实例，已经不再是谷歌自用，而是向行业开放。谷歌与Anthropic达成了百万卡级别的TPU合作协议，全部投产后预计为谷歌云带来百亿美元的年营收增量。

　　近日，有媒体报道，Meta正与谷歌就2027年在其数据中心使用价值数十亿美元TPU芯片进行谈判，同时计划明年从谷歌云租用芯片，可能为谷歌带来数十亿美元的新增收入。

　　如果Meta和Anthropic都开始转向，英伟达在AI芯片市场那90%的垄断份额，必然会遭到稀释。

　　“只要做大模型，就必须囤英伟达GPU”的铁律，被打破了。从“垄断”变成“可选”，对于一家享受极高溢价的硬件公司来说，这就是最大的利空。

　　二、AI商业化开始闭环

　　除了芯片的“釜底抽薪”，大模型侧谷歌Gemini3也超越了主流的大模型。

　　谷歌在2025年11月19日发布Gemini 3 Pro，其旗舰版本Gemini 3 Pro在LMArena榜单中位列第一。该模型在文本、视觉、WebDev及编码、数学、创意写作等多个领域表现领先，超越Grok-4.1、Claude-4.5与GPT-5。

　　跑分、大模型性能只是一方面。现阶段，资本更看重OpenAI等大模型公司的商业化能力。

　　华尔街目前弥漫着浓重的“AI泡沫论”。

　　不少机构质疑以OpenAI为首的AI公司，到底能不能赚到钱，以及它们所描绘的未来，究竟是海市蜃楼还是真实愿景。

　　多家研究和评论都指出，七朵金花和一众云厂商的AI+数据中心资本开支正冲向每年3000亿美元甚至更高，市场越来越担心“AI 收益兑现速度”跟不上“硬件烧钱速度”。

　　在这个维度上，OpenAI面临着巨大的尴尬。Sam Altman描绘的愿景很宏大，但现实很骨感：OpenAI虽然用户众多，但C端付费意愿较为有限，B端商业化路径始终受制于微软，且自身缺乏足够厚的“流量护城河”。

　　谷歌则可以把Gemini 3.0的能力，嵌进它那无处不在的生态里——搜索、YouTube 广告、Workspace、Gemini Enterprise、Vertex AI，这些都能成为AI变现的载体。

　　这样不仅可以实现商业闭环，还可以缩短“投入—验证—收入”的时间差。

　　其他科技巨头还在“用越来越贵的资本支出，赌一个尚未完全证明的商业模型”，Alphabet借Gemini 3.0把“技术领先+变现路径”这两个故事终于讲圆了。

　　三、终局与投资机会

　　对于投资者而言，这不仅仅是技术路线之争，更是实打实的收益预期调整。

　　妙投认为，短期内，谷歌将迎来经典的“戴维斯双击”。

　　一方面是估值的修复。过去两年，谷歌因为被视为在AI领域“起大早赶晚集”，估值一直由于“落后恐惧”而被压制。如今，Gemini 3重夺王座，TPU证明了硬件独立性，谷歌拿回了AI话语权，资本市场理应给予更高的溢价。

　　另一方面是业绩的兑现。TPU v7带来的外部云客户收入（如Anthropic的订单），以及Gemini全面融入广告和企业服务后的ARPU值（每用户平均收入）提升，将实实在在地体现在利润表中。

　　机构已经闻风而动。申万宏源最近的一份研报中，直接将谷歌2026年的净利润预期从1230亿美元上调至1370亿美元，并给予了34倍PE的目标估值。

　　反观英伟达、甲骨文等“OpenAI链”标的，短期内将面临巨大的估值压力。一旦市场确认“堆算力不一定非英伟达不可”，那么英伟达那种享受无限溢价的好日子就到头了。

　　不过，AI战事，远未结束。

　　从目前的技术演进和商业格局来看，“大模型一战”最终不太可能出现某一家公司彻底消灭对手的局面，而是会演变成OpenAI+微软 vs Alphabet （Google）的双巨头格局。

　　在消费和办公场景，Alphabet借Gemini3深度绑定Search、YouTube、Workspace和Android，微软则用Copilot把OpenAI模型融进Office和Windows，谁的日活和留存更高，谁就赢下这块战场。

　　在企业和开发者生态，Azure+OpenAI一侧和Google Cloud+Gemini另一侧形成类似iOS/Android的二元结构，大多数企业会选其中一主一备，而不是只押一边。

　　不过要注意的是，Google过往在云和企业软件的执行力明显弱于微软——Gemini3技术上领先不假，但能否把这套全栈真正铺进千行百业，还需要两三年的落地验证。