<p>在过去三年中，有一个名字在高性能芯片领域脱颖而出，成为无可争议的领导者：<strong>Nvidia</strong>。其图形处理单元（GPU）为生成性人工智能（AI）的基础提供动力，使大型语言模型（LLM）得以实现，并推动下一代自主系统和机器人应用的进步。</p>
<p>虽然在芯片领域推翻 Nvidia 的想法似乎有些不切实际，但一个被称为 “七大奇迹” 的竞争对手开始挑战其主导地位。那就是 <strong>Alphabet</strong>（GOOG -0.37%）（GOOGL -0.38%）。该公司以 Google 和 YouTube 而闻名，正在通过其人工智能业务悄然积累势头。</p>
<p>在下面的讨论中，我将探讨 Alphabet 如何定位自己以颠覆 Nvidia 在 AI 芯片领域的领导地位，并考虑这家互联网巨头是否很快就能对市场上最大的 AI 繁荣受益者实现 “将死”。</p>
<h2>Alphabet 在云计算中的秘密武器</h2>
<p>在 Alphabet 对抗 Nvidia 的推动中，其定制设计的应用特定集成电路（ASIC），即张量处理单元（TPU），处于核心位置。这些芯片已成为 Google Cloud Platform（GCP）的基石，在由 <strong>Microsoft</strong> Azure 和 <strong>Amazon</strong> Web Services（AWS）主导的竞争激烈的市场中，它们作为差异化因素。</p>
<p>最近几个月，Google Cloud 与 OpenAI 和 <strong>Meta Platforms</strong> 等公司达成了高调的合作。行业报告还表明，TPU 在吸引其他 AI 领导者（包括 Anthropic 和 Safe Superintelligence）方面发挥了决定性作用，进一步巩固了 Alphabet 在 AI 基础设施竞争中的地位。</p>
<p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MzQwMjEvZ2V0dHlpbWFnZXMtMTM0NTY1ODk4Mi0xMC5qcGcmdz03MDA?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" width="700" height="393" original-src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MzQwMjEvZ2V0dHlpbWFnZXMtMTM0NTY1ODk4Mi0xMC5qcGcmdz03MDA"/></p>
<p>图片来源：Getty Images。</p>
<h2>定制硅对 Alphabet 来说是多大的机会？</h2>
<p>通过将研究（DeepMind）和硬件（TPU）置于同一屋檐下，Alphabet 创建了一个垂直整合的生态系统，能够通过 Gemini 和 Google Cloud 平台构建、训练和部署 AI 模型和服务。</p>
<p>在最近的一份研究报告中，D.A. Davidson 的 Gil Luria 估计，如果 Alphabet 真的将 DeepMind 和 TPU 业务分拆，这些资产的综合价值可能接近 9000 亿美元——高于今年早些时候的 7170 亿美元的估计。</p>
<p>虽然这些数字是推测性的，但这意味着 Alphabet 可能坐拥近万亿美元的机会——否则这些机会可能会落入 Nvidia 之手。</p>
<h2>Alphabet 是否即将推翻 Nvidia？</h2>
<p>要评估 Alphabet 是否真的让 Nvidia 处于防守状态，了解 GPU 和 TPU 之间的区别至关重要。</p>
<p>GPU 被设计为高度通用的处理器：它们能够处理并行计算，这使得它们非常适合渲染图形或运行大规模 AI 工作负载。它们的灵活性使其成为迄今为止 AI 开发的基础。</p>
<p>另一方面，TPU 则更加专业化。它们针对神经网络应用进行了优化，特别是深度学习和推理。这种专业化使 TPU 能够为机器学习模型提供高性能。然而，TPU 在更广泛的工作负载中缺乏 GPU 的广泛实用性。</p>
<p>Nvidia 主导地位的另一个关键因素是其 CUDA 软件平台。其 GPU 与 CUDA 的并行编程环境的无缝集成为 Nvidia 提供了强大的竞争优势，创造了一个持久的技术护城河，使得切换到竞争平台的可能性极低。</p>
<p>在这种背景下，Google 的 TPU 确实重塑了竞争格局，为企业提供了某些应用的专业替代方案。然而，TPU 更多的是对 Nvidia 全面服务的补充选项，而不是一个真正的替代品。</p>
<p>换句话说，虽然 Alphabet 在棋盘上放置了一枚引人注目的棋子，但它并没有将 Nvidia 置于将死的位置。</p>

谷歌-C

谷歌-A

1 倍做空谷歌 ETF - Direxion

2 倍做多谷歌 ETF - Direxion

<p>Alphabet 正在挑战 Nvidia 在 AI 芯片领域的主导地位，其定制设计的张量处理单元（TPUs）是 Google Cloud Platform 的核心。与 OpenAI 和 Meta 等公司的近期合作凸显了 Alphabet 在 AI 基础设施中日益增长的影响力。分析师认为，Alphabet 的 DeepMind 和 TPU 业务的估值可能接近 9000 亿美元。尽管 TPUs 在机器学习方面提供了专业化的性能，但它们缺乏 Nvidia GPU 的多功能性以及 Nvidia CUDA 软件所提供的竞争优势。因此，Alphabet 尚未在与 Nvidia 的竞争中取得决定性的优势</p>

<p>For the past three years, one name has stood out as the undisputed leader in high-performance chips: <strong>Nvidia</strong>. Its graphics processing units (GPUs) power the backbone of generative artificial intelligence (AI), enabling large language models (LLMs) and driving advancements in next-generation use cases across autonomous systems and robotics.</p>
<div class="lb-trans"><p>在过去三年中，有一个名字在高性能芯片领域脱颖而出，成为无可争议的领导者：<strong>Nvidia</strong>。其图形处理单元（GPU）为生成性人工智能（AI）的基础提供动力，使大型语言模型（LLM）得以实现，并推动下一代自主系统和机器人应用的进步。</p>
</div><p>While the notion of dethroning Nvidia in the chip realm might seem far-fetched, one &#34;Magnificent Seven&#34; rival is beginning to challenge its dominance. Enter <strong>Alphabet</strong>(GOOG -0.37%)(GOOGL -0.38%). Best known for Google and YouTube, the company is quietly building momentum through its artificial intelligence businesses.</p>
<div class="lb-trans"><p>虽然在芯片领域推翻 Nvidia 的想法似乎有些不切实际，但一个被称为 “七大奇迹” 的竞争对手开始挑战其主导地位。那就是 <strong>Alphabet</strong>（GOOG -0.37%）（GOOGL -0.38%）。该公司以 Google 和 YouTube 而闻名，正在通过其人工智能业务悄然积累势头。</p>
</div><p>In the discussion below, I'll examine how Alphabet is positioning itself to disrupt Nvidia's leadership in AI chips and consider whether the internet giant could soon deliver a &#34;checkmate&#34; to the market's biggest beneficiary of the AI boom.</p>
<div class="lb-trans"><p>在下面的讨论中，我将探讨 Alphabet 如何定位自己以颠覆 Nvidia 在 AI 芯片领域的领导地位，并考虑这家互联网巨头是否很快就能对市场上最大的 AI 繁荣受益者实现 “将死”。</p>
</div><h2>Alphabet's secret weapon in cloud computing</h2>
<div class="lb-trans"><h2>Alphabet 在云计算中的秘密武器</h2>
</div><p>At the center of Alphabet's push against Nvidia are its custom-designed, application-specific integrated circuits (ASICs) known as tensor processing units (TPUs). These chips have become a cornerstone of Google Cloud Platform (GCP) where they serve as a differentiator in an intensely competitive market dominated by <strong>Microsoft</strong> Azure and <strong>Amazon</strong> Web Services (AWS).</p>
<div class="lb-trans"><p>在 Alphabet 对抗 Nvidia 的推动中，其定制设计的应用特定集成电路（ASIC），即张量处理单元（TPU），处于核心位置。这些芯片已成为 Google Cloud Platform（GCP）的基石，在由 <strong>Microsoft</strong> Azure 和 <strong>Amazon</strong> Web Services（AWS）主导的竞争激烈的市场中，它们作为差异化因素。</p>
</div><p>In recent months, Google Cloud has secured high-profile wins with companies such as OpenAI and <strong>Meta Platforms</strong>. Industry reports also suggest that TPUs have played a decisive role in attracting other AI leaders, including Anthropic and Safe Superintelligence, further reinforcing Alphabet's position in the AI infrastructure race.</p>
<div class="lb-trans"><p>最近几个月，Google Cloud 与 OpenAI 和 <strong>Meta Platforms</strong> 等公司达成了高调的合作。行业报告还表明，TPU 在吸引其他 AI 领导者（包括 Anthropic 和 Safe Superintelligence）方面发挥了决定性作用，进一步巩固了 Alphabet 在 AI 基础设施竞争中的地位。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MzQwMjEvZ2V0dHlpbWFnZXMtMTM0NTY1ODk4Mi0xMC5qcGcmdz03MDA" alt="" original-src="https://g.foolcdn.com/image/?url=https%3A%2F%2Fg.foolcdn.com%2Feditorial%2Fimages%2F834021%2Fgettyimages-1345658982-10.jpg&amp;op=resize&amp;w=700"/></p>
<p>Image source: Getty Images.</p>
<div class="lb-trans"><p>图片来源：Getty Images。</p>
</div><h2>How big of an opportunity is custom silicon for Alphabet?</h2>
<div class="lb-trans"><h2>定制硅对 Alphabet 来说是多大的机会？</h2>
</div><p>By housing both research (DeepMind) and hardware (TPUs) under one roof, Alphabet has created a vertically integrated ecosystem capable of building, training, and deploying AI models and services through the Gemini and Google Cloud platforms.</p>
<div class="lb-trans"><p>通过将研究（DeepMind）和硬件（TPU）置于同一屋檐下，Alphabet 创建了一个垂直整合的生态系统，能够通过 Gemini 和 Google Cloud 平台构建、训练和部署 AI 模型和服务。</p>
</div><p>In a recent research note, Gil Luria of D.A. Davidson estimated that if Alphabet were ever to spin off the DeepMind and TPU businesses, the combined value of these assets could approach $900 billion -- up from an estimate of $717 billion earlier this year.</p>
<div class="lb-trans"><p>在最近的一份研究报告中，D.A. Davidson 的 Gil Luria 估计，如果 Alphabet 真的将 DeepMind 和 TPU 业务分拆，这些资产的综合价值可能接近 9000 亿美元——高于今年早些时候的 7170 亿美元的估计。</p>
</div><p>While these figures are speculative, it implies that Alphabet may be sitting on a near trillion-dollar opportunity -- one that might otherwise have gone to Nvidia.</p>
<div class="lb-trans"><p>虽然这些数字是推测性的，但这意味着 Alphabet 可能坐拥近万亿美元的机会——否则这些机会可能会落入 Nvidia 之手。</p>
</div><h2>Is Alphabet about to dethrone Nvidia?</h2>
<div class="lb-trans"><h2>Alphabet 是否即将推翻 Nvidia？</h2>
</div><p>To assess whether Alphabet truly has Nvidia on the defensive, it's important to understand the difference between GPUs and TPUs.</p>
<div class="lb-trans"><p>要评估 Alphabet 是否真的让 Nvidia 处于防守状态，了解 GPU 和 TPU 之间的区别至关重要。</p>
</div><p>GPUs are designed as highly versatile processors: They can handle parallel computations, which makes them ideal for rendering graphics or running large-scale AI workloads. Their flexibility is what has made them the backbone of AI development to date.</p>
<div class="lb-trans"><p>GPU 被设计为高度通用的处理器：它们能够处理并行计算，这使得它们非常适合渲染图形或运行大规模 AI 工作负载。它们的灵活性使其成为迄今为止 AI 开发的基础。</p>
</div><p>On the other hand, TPUs are far more specialized. They are optimized for neural networking applications, particularly deep learning and inference. This specialization allows TPUs to deliver high performance for machine learning models. Critically, though, they lack the broad utility of GPUs across more diverse workloads.</p>
<div class="lb-trans"><p>另一方面，TPU 则更加专业化。它们针对神经网络应用进行了优化，特别是深度学习和推理。这种专业化使 TPU 能够为机器学习模型提供高性能。然而，TPU 在更广泛的工作负载中缺乏 GPU 的广泛实用性。</p>
</div><p>Another critical factor behind Nvidia's dominance is its CUDA software platform. The seamless integration of its GPUs with CUDA's parallel programming environment has given Nvidia a powerful competitive edge, creating a durable technological moat that makes switching to competing platforms highly unlikely.</p>
<div class="lb-trans"><p>Nvidia 主导地位的另一个关键因素是其 CUDA 软件平台。其 GPU 与 CUDA 的并行编程环境的无缝集成为 Nvidia 提供了强大的竞争优势，创造了一个持久的技术护城河，使得切换到竞争平台的可能性极低。</p>
</div><p>Against that backdrop, Google's TPUs have certainly reshaped the competitive landscape, offering businesses a specialized alternative for certain applications. However, TPUs represent more of a complementary option to Nvidia's comprehensive services rather than a true substitute.</p>
<div class="lb-trans"><p>在这种背景下，Google 的 TPU 确实重塑了竞争格局，为企业提供了某些应用的专业替代方案。然而，TPU 更多的是对 Nvidia 全面服务的补充选项，而不是一个真正的替代品。</p>
</div><p>In other words, while Alphabet has placed an intriguing piece on the chess board, it has not maneuvered Nvidia into a checkmate position.</p>
<div class="lb-trans"><p>换句话说，虽然 Alphabet 在棋盘上放置了一枚引人注目的棋子，但它并没有将 Nvidia 置于将死的位置。</p>
</div>

Did Alphabet Just Say "Checkmate" to Nvidia?

- Nvidia 在高性能芯片领域持续领先，尤其在生成式人工智能中。  
- Alphabet 通过定制的 TPUs 在云计算中逐渐挑战 Nvidia 的主导地位。  
- TPUs 为特定应用提供高性能，但仍无法完全替代 Nvidia 的全面服务。  

谷歌-A 是否刚刚对英伟达说 “将军” 了？