<p>谷歌最新的人工智能模型，Gemini 3.0，标志着人工智能竞争格局中的一个关键时刻，不仅意味着模型能力的飞跃，还意味着支撑其运行的基础设施的深刻变化。根据 CNBC 的 Deirdre Bosa 的报道，这一公告强调了谷歌在定制硅片方面的战略优势，特别是其张量处理单元（TPU），以及其重塑长期由 Nvidia 主导的 AI 芯片市场动态的潜力。这一发展不仅仅是一个新模型的推出；它揭示了谷歌利用其深厚技术基础实现无与伦比的性能和成本效率的深思熟虑的举措，使其成为一个强大的垂直整合参与者。</p>
<p>CNBC 商业新闻 TechCheck 主播 Deirdre Bosa 在《交易所》节目中谈到了 Alphabet 在 Gemini 3.0 发布后股价创下新高的情况，强调了谷歌定制 AI 芯片的作用。她报告的核心集中在 Gemini 3.0 如何迅速攀升至第三方 AI 排名上，指出该模型是 “完全在 TPU 上训练的，而不是 Nvidia 的 GPU”，这是一个显著的转变，也是 “在这个层面上的首次”。这一战略选择突显了谷歌对其专有硬件的信心，以及其从硅片设计到模型部署的整体集成方法的承诺。</p>
<p>多年来，TPU 在很大程度上被视为一种内部资产，是一种强大但专业化的工具，主要在谷歌庞大的生态系统内使用。Bosa 简洁地捕捉了这种看法，指出 TPU“被视为一种强大但小众的工具，只有谷歌才能真正使用”。然而，Gemini 3.0 在这一架构上成功训练，展示了超越其以前 “小众” 地位的成熟和可扩展性。该模型在 TPU 上实现前沿性能的能力验证了谷歌在定制硅片上的长期投资，证明这些芯片现在能够 “在全球范围内训练和服务一个真正的前沿系统”。这对推理成本的影响是巨大的，这是部署大型语言模型的关键因素，使谷歌对这些费用有更大的控制权，并可能实现更具攻击性的定价或更广泛的模型可及性。</p>
<p>关于 TPU 的叙述进一步得到了其在谷歌直接运营之外日益扩展的采用的支持。虽然 Gemini 3.0 在 TPU 上的内部训练是一个意图的声明，但市场对谷歌定制芯片日益增长的兴趣更具说明性。值得注意的是，Anthropic，一家知名的 AI 模型构建者，也是 OpenAI 的直接竞争对手，已经在扩大其 TPU 的使用，承诺进行一项价值数十亿美元的云交易。根据报道，这项承诺在未来几年内价值 “数百亿美元”，涉及 “多达一百万” 个 TPU，清晰地表明了外部前沿 AI 开发者对其能力和成本效益的认可。</p>
<p>这种外部验证不仅限于 Anthropic。其他主要科技公司，包括苹果、OpenAI 和 Meta，也据报道 “在某种程度上使用或测试 TPU 基础设施”。这种广泛的采用，即使是在那些可能依赖于 Nvidia 主导的 GPU 的公司中，也表明对 TPU 在特定 AI 工作负载中的效率和性能特征的日益认可。这表明 AI 芯片供应链可能会多样化，从近乎垄断转向一个更具竞争力的格局，其中定制硅片扮演着越来越重要的角色。</p>
<h3>相关阅读</h3>
<ul>
<li>Gemini 3：谷歌向通用 AI 集成的雄心壮志</li>
<li>苹果的下一个增长依赖于 AI 与硬件的融合，后库克时代</li>
<li>AI 三巨头：微软、Anthropic 和 Nvidia 开创合作新纪元</li>
</ul>
<p>谷歌 TPU 的崛起以及 Gemini 3.0 在这一集成堆栈上的成功部署，对 Nvidia 在 AI 硬件市场长期主导地位构成了直接挑战。虽然 Bosa 迅速澄清这一发展并不意味着 “GPU 需求突然放缓或 Nvidia 被取代”，但它确实 “暗示 Nvidia 在长期内可能会变得稍微不那么主导”。谷歌能够专门为其 AI 模型设计、制造和优化自己的芯片，创造了明显的竞争优势，使其能够实现更紧密的集成，并可能在其自身服务中实现更优的性能与成本比。</p>
<p>这种集成战略，通常被称为 “全栈” 方法，真正使谷歌在这一不断发展的 AI 竞赛中脱颖而出。Bosa 强调，谷歌 “在这场竞赛的下一阶段中处于非常有利的位置，拥有一个完全集成的堆栈——模型、芯片、生态系统——这是其竞争对手所没有的”。这种垂直整合为谷歌提供了对其 AI 开发管道的无与伦比的控制权，从基础硬件到最先进的模型。它允许快速迭代、微调和优化，这是外部硬件提供商无法匹敌的。联合创始人谢尔盖·布林的重新参与以及诺姆·沙泽尔等关键人物的回归，都是谷歌早期 AI 努力的重要人物，强调了公司在充分利用这一深厚技术基础方面的 renewed focus 和 alignment。这种技术深度与现实执行的战略对齐，正是市场现在在 Alphabet 的估值中所反映的。</p>

谷歌-C

谷歌-A

1 倍做空谷歌 ETF - Direxion

2 倍做多谷歌 ETF - Direxion

<p>谷歌的 Gemini 3.0 与 TPU 的战略复兴</p>

<p>Google’s latest AI model, Gemini 3.0, marks a pivotal moment in the competitive landscape of artificial intelligence, signaling not just a leap in model capability but a profound shift in the underlying infrastructure that powers it. The announcement, as reported by CNBC’s Deirdre Bosa, underscores Google’s strategic advantage in custom silicon, specifically its Tensor Processing Units (TPUs), and its potential to reshape the dynamics of the AI chip market, long dominated by Nvidia. This development is not merely about a new model; it reveals Google’s calculated move to leverage its deep technical stack for unparalleled performance and cost efficiency, positioning itself as a formidable, vertically integrated player.</p>
<div class="lb-trans"><p>谷歌最新的人工智能模型，Gemini 3.0，标志着人工智能竞争格局中的一个关键时刻，不仅意味着模型能力的飞跃，还意味着支撑其运行的基础设施的深刻变化。根据 CNBC 的 Deirdre Bosa 的报道，这一公告强调了谷歌在定制硅片方面的战略优势，特别是其张量处理单元（TPU），以及其重塑长期由 Nvidia 主导的 AI 芯片市场动态的潜力。这一发展不仅仅是一个新模型的推出；它揭示了谷歌利用其深厚技术基础实现无与伦比的性能和成本效率的深思熟虑的举措，使其成为一个强大的垂直整合参与者。</p>
</div><p>Deirdre Bosa, CNBC Business News TechCheck Anchor, spoke on “The Exchange” about Alphabet’s recent stock highs following the Gemini 3.0 release, emphasizing the role of Google’s custom AI chips. The core of her report centered on how Gemini 3.0, which has swiftly ascended third-party AI rankings, was “trained entirely on TPUs and not Nvidia’s GPUs,” a significant departure and “a first at this level.” This strategic choice highlights Google’s conviction in its proprietary hardware and its commitment to an integrated approach that spans from silicon design to model deployment.</p>
<div class="lb-trans"><p>CNBC 商业新闻 TechCheck 主播 Deirdre Bosa 在《交易所》节目中谈到了 Alphabet 在 Gemini 3.0 发布后股价创下新高的情况，强调了谷歌定制 AI 芯片的作用。她报告的核心集中在 Gemini 3.0 如何迅速攀升至第三方 AI 排名上，指出该模型是 “完全在 TPU 上训练的，而不是 Nvidia 的 GPU”，这是一个显著的转变，也是 “在这个层面上的首次”。这一战略选择突显了谷歌对其专有硬件的信心，以及其从硅片设计到模型部署的整体集成方法的承诺。</p>
</div><p>For years, TPUs were largely considered an internal asset, a powerful but specialized tool primarily utilized within Google’s vast ecosystem. Bosa succinctly captured this perception, noting that TPUs “have been seen as a powerful but niche tool that only Google could really use.” However, the successful training of Gemini 3.0 on this architecture demonstrates a maturation and scalability that transcends its former “niche” status. This model’s ability to achieve frontier performance on TPUs validates Google’s long-term investment in custom silicon, proving these chips are now capable of “training and serving a true frontier system at global scale.” The implications for inference costs, a critical factor in deploying large language models, are substantial, giving Google greater control over these expenses and potentially enabling more aggressive pricing or wider model accessibility.</p>
<div class="lb-trans"><p>多年来，TPU 在很大程度上被视为一种内部资产，是一种强大但专业化的工具，主要在谷歌庞大的生态系统内使用。Bosa 简洁地捕捉了这种看法，指出 TPU“被视为一种强大但小众的工具，只有谷歌才能真正使用”。然而，Gemini 3.0 在这一架构上成功训练，展示了超越其以前 “小众” 地位的成熟和可扩展性。该模型在 TPU 上实现前沿性能的能力验证了谷歌在定制硅片上的长期投资，证明这些芯片现在能够 “在全球范围内训练和服务一个真正的前沿系统”。这对推理成本的影响是巨大的，这是部署大型语言模型的关键因素，使谷歌对这些费用有更大的控制权，并可能实现更具攻击性的定价或更广泛的模型可及性。</p>
</div><p>The narrative around TPUs is further bolstered by their expanding adoption beyond Google’s direct operations. While Gemini 3.0’s internal training on TPUs is a statement of intent, the broader market’s increasing interest in Google’s custom chips is even more telling. Notably, Anthropic, a prominent AI model builder and a direct competitor to OpenAI, is already expanding its use of TPUs, committing to a multi-billion dollar cloud deal. This commitment, reportedly worth “tens of billions of dollars” over the next few years for “as much as a million” TPUs, signifies a clear endorsement of their capabilities and cost-effectiveness from an external, leading-edge AI developer.</p>
<div class="lb-trans"><p>关于 TPU 的叙述进一步得到了其在谷歌直接运营之外日益扩展的采用的支持。虽然 Gemini 3.0 在 TPU 上的内部训练是一个意图的声明，但市场对谷歌定制芯片日益增长的兴趣更具说明性。值得注意的是，Anthropic，一家知名的 AI 模型构建者，也是 OpenAI 的直接竞争对手，已经在扩大其 TPU 的使用，承诺进行一项价值数十亿美元的云交易。根据报道，这项承诺在未来几年内价值 “数百亿美元”，涉及 “多达一百万” 个 TPU，清晰地表明了外部前沿 AI 开发者对其能力和成本效益的认可。</p>
</div><p>This external validation extends beyond Anthropic. Other major tech players, including Apple, OpenAI, and Meta, are also reportedly “using or testing TPU infrastructure in some capacity.” This widespread adoption, even among companies that might otherwise rely on Nvidia’s dominant GPUs, suggests a growing recognition of TPUs’ efficiency and performance characteristics for specific AI workloads. It indicates a potential diversification in the AI chip supply chain, moving beyond a near-monopoly to a more competitive landscape where custom silicon plays an increasingly vital role.</p>
<div class="lb-trans"><p>这种外部验证不仅限于 Anthropic。其他主要科技公司，包括苹果、OpenAI 和 Meta，也据报道 “在某种程度上使用或测试 TPU 基础设施”。这种广泛的采用，即使是在那些可能依赖于 Nvidia 主导的 GPU 的公司中，也表明对 TPU 在特定 AI 工作负载中的效率和性能特征的日益认可。这表明 AI 芯片供应链可能会多样化，从近乎垄断转向一个更具竞争力的格局，其中定制硅片扮演着越来越重要的角色。</p>
</div><h3>Related Reading</h3>
<div class="lb-trans"><h3>相关阅读</h3>
</div><ul>
<li>Gemini 3: Google's Ambitious Leap Towards Universal AI Integration</li>
<li>Apple's Next Growth Hinges on AI-Hardware Fusion, Post-Cook Era</li>
<li>The AI Triumvirate: Microsoft, Anthropic, and Nvidia Forge a New Era of Collaboration</li>
</ul>
<div class="lb-trans"><ul>
<li>Gemini 3：谷歌向通用 AI 集成的雄心壮志</li>
<li>苹果的下一个增长依赖于 AI 与硬件的融合，后库克时代</li>
<li>AI 三巨头：微软、Anthropic 和 Nvidia 开创合作新纪元</li>
</ul>
</div><p>The rise of Google’s TPUs and the successful deployment of Gemini 3.0 on this integrated stack present a direct challenge to Nvidia’s long-held dominance in the AI hardware market. While Bosa was quick to clarify that this development doesn’t imply “GPU demand suddenly slows or Nvidia gets displaced,” it certainly “does suggest that Nvidia could get a little less dominant in the longer run.” Google’s ability to design, manufacture, and optimize its own chips specifically for its AI models creates a distinct competitive advantage, enabling tighter integration and potentially superior performance-to-cost ratios for its own services.</p>
<div class="lb-trans"><p>谷歌 TPU 的崛起以及 Gemini 3.0 在这一集成堆栈上的成功部署，对 Nvidia 在 AI 硬件市场长期主导地位构成了直接挑战。虽然 Bosa 迅速澄清这一发展并不意味着 “GPU 需求突然放缓或 Nvidia 被取代”，但它确实 “暗示 Nvidia 在长期内可能会变得稍微不那么主导”。谷歌能够专门为其 AI 模型设计、制造和优化自己的芯片，创造了明显的竞争优势，使其能够实现更紧密的集成，并可能在其自身服务中实现更优的性能与成本比。</p>
</div><p>This integrated strategy, often referred to as a “full-stack” approach, is what truly sets Google apart in this evolving AI race. Bosa emphasized that Google is “positioned very well for this next leg of the race with a fully integrated stack — model, chips, ecosystem — that its competitors don’t have.” This vertical integration provides Google with an unparalleled degree of control over its AI development pipeline, from the foundational hardware to the most advanced models. It allows for rapid iteration, fine-tuning, and optimization that external hardware providers cannot match. The re-engagement of co-founder Sergey Brin and the return of key figures like Noam Shazeer, both instrumental in Google’s early AI endeavors, underscore a renewed focus and alignment within the company to fully capitalize on this deep technical foundation. This strategic alignment of technical depth with real-world execution is what the market is now reflecting in Alphabet’s valuation.</p>
<div class="lb-trans"><p>这种集成战略，通常被称为 “全栈” 方法，真正使谷歌在这一不断发展的 AI 竞赛中脱颖而出。Bosa 强调，谷歌 “在这场竞赛的下一阶段中处于非常有利的位置，拥有一个完全集成的堆栈——模型、芯片、生态系统——这是其竞争对手所没有的”。这种垂直整合为谷歌提供了对其 AI 开发管道的无与伦比的控制权，从基础硬件到最先进的模型。它允许快速迭代、微调和优化，这是外部硬件提供商无法匹敌的。联合创始人谢尔盖·布林的重新参与以及诺姆·沙泽尔等关键人物的回归，都是谷歌早期 AI 努力的重要人物，强调了公司在充分利用这一深厚技术基础方面的 renewed focus 和 alignment。这种技术深度与现实执行的战略对齐，正是市场现在在 Alphabet 的估值中所反映的。</p>
</div>

Google’s Gemini 3.0 and the Strategic Resurgence of TPUs

- Google 最新的 AI 模型 Gemini 3.0 标志着人工智能竞争格局的重大变化。  
- 该模型完全基于 Google 的自定义 TPU 训练，显示出其在 AI 芯片市场的潜力。  
- 其他科技公司也开始采用 TPU，表明市场对其效率和性能的认可。  

谷歌的 Gemini 3.0 与 TPU 的战略性复兴