<p>在過去三年中，有一個名字在高性能芯片領域脱穎而出，成為無可爭議的領導者：<strong>Nvidia</strong>。其圖形處理單元（GPU）為生成性人工智能（AI）的基礎提供動力，使大型語言模型（LLM）得以實現，並推動下一代自主系統和機器人應用的進步。</p>
<p>雖然在芯片領域推翻 Nvidia 的想法似乎有些不切實際，但一個被稱為 “七大奇蹟” 的競爭對手開始挑戰其主導地位。那就是 <strong>Alphabet</strong>（GOOG -0.37%）（GOOGL -0.38%）。該公司以 Google 和 YouTube 而聞名，正在通過其人工智能業務悄然積累勢頭。</p>
<p>在下面的討論中，我將探討 Alphabet 如何定位自己以顛覆 Nvidia 在 AI 芯片領域的領導地位，並考慮這家互聯網巨頭是否很快就能對市場上最大的 AI 繁榮受益者實現 “將死”。</p>
<h2>Alphabet 在雲計算中的秘密武器</h2>
<p>在 Alphabet 對抗 Nvidia 的推動中，其定製設計的應用特定集成電路（ASIC），即張量處理單元（TPU），處於核心位置。這些芯片已成為 Google Cloud Platform（GCP）的基石，在由 <strong>Microsoft</strong> Azure 和 <strong>Amazon</strong> Web Services（AWS）主導的競爭激烈的市場中，它們作為差異化因素。</p>
<p>最近幾個月，Google Cloud 與 OpenAI 和 <strong>Meta Platforms</strong> 等公司達成了高調的合作。行業報告還表明，TPU 在吸引其他 AI 領導者（包括 Anthropic 和 Safe Superintelligence）方面發揮了決定性作用，進一步鞏固了 Alphabet 在 AI 基礎設施競爭中的地位。</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>圖片來源：Getty Images。</p>
<h2>定製硅對 Alphabet 來説是多大的機會？</h2>
<p>通過將研究（DeepMind）和硬件（TPU）置於同一屋檐下，Alphabet 創建了一個垂直整合的生態系統，能夠通過 Gemini 和 Google Cloud 平台構建、訓練和部署 AI 模型和服務。</p>
<p>在最近的一份研究報告中，D.A. Davidson 的 Gil Luria 估計，如果 Alphabet 真的將 DeepMind 和 TPU 業務分拆，這些資產的綜合價值可能接近 9000 億美元——高於今年早些時候的 7170 億美元的估計。</p>
<p>雖然這些數字是推測性的，但這意味着 Alphabet 可能坐擁近萬億美元的機會——否則這些機會可能會落入 Nvidia 之手。</p>
<h2>Alphabet 是否即將推翻 Nvidia？</h2>
<p>要評估 Alphabet 是否真的讓 Nvidia 處於防守狀態，瞭解 GPU 和 TPU 之間的區別至關重要。</p>
<p>GPU 被設計為高度通用的處理器：它們能夠處理並行計算，這使得它們非常適合渲染圖形或運行大規模 AI 工作負載。它們的靈活性使其成為迄今為止 AI 開發的基礎。</p>
<p>另一方面，TPU 則更加專業化。它們針對神經網絡應用進行了優化，特別是深度學習和推理。這種專業化使 TPU 能夠為機器學習模型提供高性能。然而，TPU 在更廣泛的工作負載中缺乏 GPU 的廣泛實用性。</p>
<p>Nvidia 主導地位的另一個關鍵因素是其 CUDA 軟件平台。其 GPU 與 CUDA 的並行編程環境的無縫集成為 Nvidia 提供了強大的競爭優勢，創造了一個持久的技術護城河，使得切換到競爭平台的可能性極低。</p>
<p>在這種背景下，Google 的 TPU 確實重塑了競爭格局，為企業提供了某些應用的專業替代方案。然而，TPU 更多的是對 Nvidia 全面服務的補充選項，而不是一個真正的替代品。</p>
<p>換句話説，雖然 Alphabet 在棋盤上放置了一枚引人注目的棋子，但它並沒有將 Nvidia 置於將死的位置。</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 正在挑戰 Nvidia 在 AI 芯片領域的主導地位，其定製設計的張量處理單元（TPUs）是 Google Cloud Platform 的核心。與 OpenAI 和 Meta 等公司的近期合作凸顯了 Alphabet 在 AI 基礎設施中日益增長的影響力。分析師認為，Alphabet 的 DeepMind 和 TPU 業務的估值可能接近 9000 億美元。儘管 TPUs 在機器學習方面提供了專業化的性能，但它們缺乏 Nvidia GPU 的多功能性以及 Nvidia CUDA 軟件所提供的競爭優勢。因此，Alphabet 尚未在與 Nvidia 的競爭中取得決定性的優勢</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>在過去三年中，有一個名字在高性能芯片領域脱穎而出，成為無可爭議的領導者：<strong>Nvidia</strong>。其圖形處理單元（GPU）為生成性人工智能（AI）的基礎提供動力，使大型語言模型（LLM）得以實現，並推動下一代自主系統和機器人應用的進步。</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>雖然在芯片領域推翻 Nvidia 的想法似乎有些不切實際，但一個被稱為 “七大奇蹟” 的競爭對手開始挑戰其主導地位。那就是 <strong>Alphabet</strong>（GOOG -0.37%）（GOOGL -0.38%）。該公司以 Google 和 YouTube 而聞名，正在通過其人工智能業務悄然積累勢頭。</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>在下面的討論中，我將探討 Alphabet 如何定位自己以顛覆 Nvidia 在 AI 芯片領域的領導地位，並考慮這家互聯網巨頭是否很快就能對市場上最大的 AI 繁榮受益者實現 “將死”。</p>
</div><h2>Alphabet's secret weapon in cloud computing</h2>
<div class="lb-trans"><h2>Alphabet 在雲計算中的秘密武器</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 對抗 Nvidia 的推動中，其定製設計的應用特定集成電路（ASIC），即張量處理單元（TPU），處於核心位置。這些芯片已成為 Google Cloud Platform（GCP）的基石，在由 <strong>Microsoft</strong> Azure 和 <strong>Amazon</strong> Web Services（AWS）主導的競爭激烈的市場中，它們作為差異化因素。</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>最近幾個月，Google Cloud 與 OpenAI 和 <strong>Meta Platforms</strong> 等公司達成了高調的合作。行業報告還表明，TPU 在吸引其他 AI 領導者（包括 Anthropic 和 Safe Superintelligence）方面發揮了決定性作用，進一步鞏固了 Alphabet 在 AI 基礎設施競爭中的地位。</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>圖片來源：Getty Images。</p>
</div><h2>How big of an opportunity is custom silicon for Alphabet?</h2>
<div class="lb-trans"><h2>定製硅對 Alphabet 來説是多大的機會？</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>通過將研究（DeepMind）和硬件（TPU）置於同一屋檐下，Alphabet 創建了一個垂直整合的生態系統，能夠通過 Gemini 和 Google Cloud 平台構建、訓練和部署 AI 模型和服務。</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>在最近的一份研究報告中，D.A. Davidson 的 Gil Luria 估計，如果 Alphabet 真的將 DeepMind 和 TPU 業務分拆，這些資產的綜合價值可能接近 9000 億美元——高於今年早些時候的 7170 億美元的估計。</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>雖然這些數字是推測性的，但這意味着 Alphabet 可能坐擁近萬億美元的機會——否則這些機會可能會落入 Nvidia 之手。</p>
</div><h2>Is Alphabet about to dethrone Nvidia?</h2>
<div class="lb-trans"><h2>Alphabet 是否即將推翻 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>要評估 Alphabet 是否真的讓 Nvidia 處於防守狀態，瞭解 GPU 和 TPU 之間的區別至關重要。</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 被設計為高度通用的處理器：它們能夠處理並行計算，這使得它們非常適合渲染圖形或運行大規模 AI 工作負載。它們的靈活性使其成為迄今為止 AI 開發的基礎。</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 則更加專業化。它們針對神經網絡應用進行了優化，特別是深度學習和推理。這種專業化使 TPU 能夠為機器學習模型提供高性能。然而，TPU 在更廣泛的工作負載中缺乏 GPU 的廣泛實用性。</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 主導地位的另一個關鍵因素是其 CUDA 軟件平台。其 GPU 與 CUDA 的並行編程環境的無縫集成為 Nvidia 提供了強大的競爭優勢，創造了一個持久的技術護城河，使得切換到競爭平台的可能性極低。</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>在這種背景下，Google 的 TPU 確實重塑了競爭格局，為企業提供了某些應用的專業替代方案。然而，TPU 更多的是對 Nvidia 全面服務的補充選項，而不是一個真正的替代品。</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>換句話説，雖然 Alphabet 在棋盤上放置了一枚引人注目的棋子，但它並沒有將 Nvidia 置於將死的位置。</p>
</div>

Did Alphabet Just Say "Checkmate" to Nvidia?

- Nvidia 在高性能芯片領域持續領先，尤其在生成式人工智能中。  
- Alphabet 通過定製的 TPUs 在雲計算中逐漸挑戰 Nvidia 的主導地位。  
- TPUs 為特定應用提供高性能，但仍無法完全替代 Nvidia 的全面服務。  

谷歌-A 是否剛剛對英偉達説 “將軍” 了？