谷歌用Gemini 3同時革了OpenAI和英偉達兩家的命

　　新智元報道

　　編輯：定慧

　　【新智元導讀】當所有人都以為AI發展的劇本是「英偉達賣鏟子，OpenAI挖金礦」時，谷歌用Gemini 3告訴世界：如果我自己造了一臺全自動挖掘機，還需要買誰的鏟子，誰能挖得過我？

　　在谷歌最新的Gemini 3和Nano Banana Pro發布前，黃仁勛和奧特曼都一直雄心勃勃，自信非常。

　　英偉達和OpenAI的日子過得可謂是風生水起。

　　Nano Banana Pro生成

　　然而，Gemini 3全家桶的橫空出世，瞬間打斷了這場雙贏的美夢。

　　彭博、財富等外媒則更加直接，他們認為：

　　谷歌，這家曾被認為在AI時代稍顯落后、有點沉睡的巨頭，正在全面覺醒。

　　在OpenAI的藍圖里，AI的發展會一直遵循著一種簡單而傲慢的「暴力美學」：Scaling Law。

　　他們堅信，只要數據更多、算力更強，模型就會無限聰明下去，而他們握著通往AGI的唯一鑰匙。

　　就像從GPT-3一直到現在GPT-5、GPT-5.1，然后明年的GPT-6、一直到AGI實現的那一天。

　　而在英偉達的賬本里，邏輯則更加粗暴直接：我是這個淘金時代唯一賣鏟子的人。（不是非常嚴格，但基本事實如此）

　　全世界的AI公司，無論誰輸誰贏，都得乖乖排隊交「GPU稅」。

　　然而硅谷的夜，這幾天格外漫長。

　　當奧特曼在深夜罕見地發推承認「OpenAI在某些關鍵維度上確實落后了」時，大洋彼岸的投資者們還沒回過神來。

　　緊接著，英偉達股價應聲下挫，逼得英偉達官方不得不親自下場，在X平臺上發長文辯護，強調CUDA生態的不可替代性。

　　在祝賀谷歌成功的同時，這個回復也能明顯聞到一股酸酸的味道：英偉達有點急了。

　　啊英偉達領先行業整整一代——它是唯一能在所有計算場景中運行各類人工智能模型的平臺。

　　相較于專為特定AI框架或功能設計的專用集成電路，英偉達提供更卓越的性能、更強的通用性與可替代性。

　　能讓這兩位AI時代的「雙子星」同時感到寒意的，只有一個名字：Gemini 3。

　　在此之前，AI領域的敘事邏輯清晰且固化：英偉達是「收稅」的，OpenAI是「布道」的，而谷歌、Meta、Anthropic等只是追隨的。

　　但Gemini 3的發布，不僅是一次模型升級，更是一場「降維打擊」。

　　谷歌這波操作，可以說是左手一拳打掉了OpenAI的模型護城河，右腳一腳踢翻了英偉達的算力神壇。

　　Nano Banana Pro生成

　　如果你這幾天真的在和Gemini 3對話，在和Nano Banana Pro畫圖，你一定知道我在說什么。

　　人們開始發現，不用英偉達的芯片，不需要等OpenAI的新模型帶領，只用TPU也能訓練出最頂級的AI模型。

　　谷歌究竟做了什么？

　　第一拳：打懵OpenAI

　　從「堆參數」到「原生思考」

　　過去兩年，OpenAI一直維持著一種「暴力美學」的優勢：Scaling Law（大力出奇跡）。

　　只要數據更多、算力更強，模型就更聰明。

　　同時OpenAI也有創新，比如GPT-4o引發的吉卜力熱，Sora 2的爆火等。

　　但Gemini 3不僅是「更強大」，它是「更奇怪」，尤其是Nano Banana Pro帶來的社交狂歡。

　　以下圖片全部由Gemini生成，并且在社區中廣泛傳播的圖片。

　　并且生成提示詞都極其簡單，甚至比谷歌曾經理解的「自然語言」還要簡單。

　　下面請欣賞一下。

　　一句話生成各種戰力排行榜

　　一句話生成各種戰力排行榜：鬼滅之刃版本

　　一句話生成各種知識繪本和解讀

　　一句話生成表情包

　　一句話生成表情包

　　一句話將低分辨率圖像精準放大至 4K 畫質

　　它用我的真實筆跡正確解答了這個問題。

　　還有太多驚艷的案例。

　　Gemini 3給人的感覺就是他第一次真正實現了原生多模態的終極形態。

　　之前的模型（包括GPT-4o），本質上還是像一個把眼睛、耳朵和嘴巴拼湊起來的怪人，需要不同的神經網絡處理圖像和文本，然后再縫合。

　　Gemini 3的突破在于，它「天生」就是感官互通的。

　　它理解一段視頻，不是把它翻譯成文字再理解，而是像人類一樣直接理解光影和動態。

　　這不僅帶來了極致的低延遲，更讓它的「直覺」可怕地敏銳。

　　丹尼爾·卡尼曼（Daniel Kahneman）在他的諾貝爾獎獲獎著作《思考，快與慢》（Thinking, Fast and Slow）中，將人類的認知系統分為兩種模式：

　　系統1：快思考 (Fast Thinking)和系統2：慢思考 (Slow Thinking)

　　Gemini 3第一次讓人類感受到，在硅基芯片上實現了「系統2」思維的常態化。

　　OpenAI的o1模型開啟了「慢思考」時代，但那更像是一個外掛插件。

　　Gemini 3則將這種邏輯推理能力內化了。

　　它不需要用戶提示「請深思熟慮」，它會在后臺自動判斷：這個問題是該用直覺秒回，還是該調動邏輯電路進行推演。

　　這種「動態計算」能力，讓Gemini 3在代碼生成、復雜數學和長邏輯鏈條任務上，第一次對OpenAI構成了代際優勢。

　　第二腳：踢翻英偉達

　　擺脫「CUDA依賴」

　　如果說Gemini 3打OpenAI還是AI技術之爭，那么讓英偉達緊張的，則是生存邏輯變了。

　　過去，所有的AI公司都患上了「英偉達依賴癥」。

　　沒有H100/GB 200的英偉達芯片，AI模型就訓練不出來。

　　英偉達還靠著CUDA生態，建立了牢不可破的軟硬件壁壘。

　　但是，這道密不透風的鐵幕被谷歌用TPU撕開了一道鐵幕。

　　Gemini 3后，谷歌啟動激進的TPU@Premises計劃，直接要把算力賣進巨頭的后院。

　　目標就是虎口奪食，豪言要拿下英偉達10%的營收。

　　Meta已經倒戈。

　　Gemini 3是完全在谷歌自研的最新一代TPU集群上訓練出來的。

　　這意味著什么？

　　谷歌不需要給黃仁勛交「蘋果稅」。

　　當OpenAI每訓練一次模型都要燒掉數億美元給英偉達買卡時，谷歌用自家的芯片，成本可能只有對手的一半，甚至更低。

　　軟硬一體的效率恐怖。

　　就像蘋果的iOS配合A系列芯片能吊打安卓一樣，Gemini 3的模型架構是專門為了TPU設計的，TPU也是為了Gemini優化的。這種契合度，讓算力利用率突破了行業天花板。

　　英偉達官方在X上的辯護顯得蒼白，因為市場聽懂了谷歌的潛臺詞：如果最強的模型不需要英偉達的GPU就能跑出來，那么英偉達高達80%的毛利率還能維持多久？

　　這里不得不重點提谷歌埋藏了十年的伏筆——TPU（張量處理單元）。

　　谷歌十年磨一劍。

　　TPU是如何煉成的

　　在Gemini 3爆火后，谷歌的官方博客迅速跟進了一篇最新TPU的介紹帖子。

　　翻譯一下就是：「關于我的強大，你們需要了解三件事」。

　　你要說這沒有內涵英偉達的成分，我第一個不相信。注意日期，11月25日。

　　第七代TPU別名Ironwood，鐵木。

　　Ironwood是谷歌迄今為止性能最強、能力最出眾且能效最高的TPU。

　　專為大規模驅動推理型人工智能模型而設計。

　　Ironwood有三大特性：

　　專為推理時代量身打造

　　隨著行業焦點從訓練前沿模型轉向實現實用、響應迅速的人機交互，Ironwood提供了關鍵的硬件支撐。

　　這款定制芯片專為高吞吐量、低延遲的AI推理和模型服務而打造，其單芯片在訓練與推理工作負載上的性能表現較上一代提升逾四倍，使Ironwood成為谷歌迄今最強大且高能效的定制芯片。

　　這是一個龐大的算力網絡

　　TPU是AI超級計算機的關鍵組成部分，這是谷歌集成的超級計算系統，旨在提升計算、網絡、存儲和軟件層面的系統級性能與效率。

　　該系統的核心是將單個TPU組合成名為「計算集群」的互聯單元。

　　借助Ironwood，谷歌能夠在超級集群中擴展至9,216 顆芯片。

　　這些芯片通過突破性的芯片間互聯網絡相連，運行速率達9.6Tb/s。

　　專為AI而生，由AI賦能

　　Ironwood是谷歌持續閉環研發的成果——研究人員推動硬件設計，硬件加速研究進程。

　　當競爭對手依賴外部供應商時，谷歌 DeepMind 若需為Gemini等模型實現特定架構突破，會直接與TPU工程師團隊協同創新。

　　因此谷歌的模型始終基于最新代際TPU進行訓練，相較前代硬件常實現顯著提速。

　　研究人員甚至運用名為 AlphaChip 的AI技術設計下一代芯片——通過強化學習已為包括 Ironwood在內的連續三代TPU生成了更優布局方案。

　　除了TPU，谷歌是唯一一家，沒有之一，全棧人工智能公司：數據→算法→硬件→云服務器，全都自研。

　　為什么是現在？谷歌的「核聚變」時刻

　　很多人會問，谷歌早干嘛去了？

　　答案是：組織架構的物理反應終于變成了化學反應。

　　兩年前的谷歌，雖然有DeepMind和Google Brain兩個頂尖大腦，但內部內耗嚴重，資源分散。

　　現在的谷歌，在合并團隊后，終于打通了「任督二脈」。

　　更可怕的是谷歌的數據飛輪：

　　YouTub：提供了全球最高質量的視頻數據（訓練多模態的黃金）；

　　谷歌Search：提供了最實時的世界知識；

　　Android：：提供了數十億的端側落地場景。

　　除了模型、硬件，另一個容易被忽略的就是谷歌的「創始人回歸」。

　　這在公司文化上帶來更加底層的影響。

　　聯合創始人謝爾蓋·布林（Sergey Brin）的回歸則是這場變革的精神圖騰。

　　布林早已重返谷歌山景城總部。

　　作為谷歌的創始人和圖騰人物，謝爾蓋放棄退休后在私人小島享受生活。

　　而是腳踏實地的重返硅谷，拯救谷歌。

　　布林的回歸不是為了發表愿景演講，而是為了寫代碼。

　　據說，他回到谷歌后提交了多年來的第一個CL（Changelist，谷歌內部的代碼修改請求），這一行為在工程師內部產生了地震般的效應：

　　如果身價千億的創始人都在修補配置文件，那么任何產品經理都沒有理由以「流程」為借口阻礙發布。

　　布林的存在直接催化了Gemini 3項目的加速，他專注于解決模型在長邏輯鏈推理上的「長尾問題」，這是之前職業經理人們因追求短期指標而忽視的領域。

　　AI下半場，誰能獲勝？

　　Gemini 3的出現，標志著AI戰爭正式進入下半場。

　　上半場是「淘金熱」，誰鏟子好（英偉達），誰挖得快（OpenAI），誰就贏。

　　下半場拼什么？

　　芯片、算力、全棧能力、人才，還是架構？

　　OpenAI的締造者之一，人工教父的辛頓的愛徒，神秘的Ilya，今天剛好首次公開最新采訪。

　　他被社區認為一直是最接近AGI的男人。

　　他爆出驚人觀點：Scaling時代已終結，我們正走向研究時代。

　　昨天有一篇論文很火，說的是Attention is All You Need（2.0）版本。

　　意思是Transformer已經過時，AI亟需新的架構。

　　有趣的是這篇文章，也是谷歌的!

　　這個觀點這對于一直依賴Scaling的OpenAI并不是什么利好。

　　反而對于擁有DeepMind的谷歌來說，這是絕佳的助攻。

　　要知道2016年啟蒙世界人民AI認知的AlphaGo、奠定AI時代的Transformer論文、解碼生命的AlphaFold、世界模型Genie 3、帶來量子霸權的量子計算機。。。

　　拼研究？谷歌多的是研究項目。

　　谷歌Gemini 3這波突破向世界證明了：在未來的AI時代，自研才是終極王道。

　　或許就像當年的蘋果，不滿足于用別人的芯片造手機，最終造出了M系列芯片一統江湖。

　　回頭望去，不得不感慨這一年AI還是發展得太快了。

　　2025年在AI發展史上無疑是具有里程碑意義的一年。

　　英偉達的芯片+Scaling Law為我們創造一個敘事：只要英偉達繼續研發芯片，OpenAI繼續加大算力，奧特們不是都去印度造電廠了嗎，AI就會一直發展。

　　其他人跟著就好。

　　然而，Gemini 3的橫空出世，徹底終結了「線性增長」的敘事。

　　它證明了模型架構和定制化硬件的深度協同，可以帶來非線性的能力突破。

　　彩蛋：不公布研究成果了

　　最后，讓我們把目光投回到多年前，谷歌發布Transformer論文的那天。

　　自從OpenAI開始靠著ChatGPT拿到AI時代話語權后，外媒、甚至包括谷歌自己的工程師和前CEO都在說：谷歌已經落后。

　　這導致多年后一個小小的插曲，那就是DeepMind的老大哈薩比斯，嚴禁工程師對外發表最新成果的論文。

　　如果結合今天Ilya所說的話，或許明年AI的話語權要從OpenAI回落到谷歌手里了。

　　畢竟沒人知道谷歌手里究竟藏了多少東西了。

　　硅谷AI權力游戲，今天才剛剛開始。

　　又一個彩蛋：黃仁勛出招了

　　在谷歌將TPU賣給Meta后，英偉達的股價應聲下跌。

　　英偉達除了在X上發帖酸了一下谷歌后，英偉達準備故技重施。

　　根據外媒報道，英偉達準備通過向Meta注入巨額投資來換取其繼續使用英偉達芯片的承諾。

　　這招此前英偉達已經在OpenAI身上用過了。

　　極具諷刺意味的是，這場「商戰」的資金優勢已經逆轉：得益于高達73%的利潤率，英偉達今年的自由現金流預計將飆升至970億美元，一舉超越谷歌的650億美元。

　　這意味著，英偉達正在用從科技巨頭們身上賺來的錢，反過來「收買」這些客戶，從而通過資本手段構建起一道谷歌難以逾越的護城河。

　　參考資料：

　　https://fortune.com/2025/11/25/google-sleeping-giant-dark-horse-ai-race-gemini/

　　https://blog.google/products/google-cloud/ironwood-google-tpu-things-to-know/