谷歌用Gemini 3同时革了OpenAI和英伟达两家的命

　　新智元报道

　　编辑：定慧

　　【新智元导读】当所有人都以为AI发展的剧本是「英伟达卖铲子，OpenAI挖金矿」时，谷歌用Gemini 3告诉世界：如果我自己造了一台全自动挖掘机，还需要买谁的铲子，谁能挖得过我？

　　在谷歌最新的Gemini 3和Nano Banana Pro发布前，黄仁勋和奥特曼都一直雄心勃勃，自信非常。

　　英伟达和OpenAI的日子过得可谓是风生水起。

　　Nano Banana Pro生成

　　然而，Gemini 3全家桶的横空出世，瞬间打断了这场双赢的美梦。

　　彭博、财富等外媒则更加直接，他们认为：

　　谷歌，这家曾被认为在AI时代稍显落后、有点沉睡的巨头，正在全面觉醒。

　　在OpenAI的蓝图里，AI的发展会一直遵循着一种简单而傲慢的「暴力美学」：Scaling Law。

　　他们坚信，只要数据更多、算力更强，模型就会无限聪明下去，而他们握着通往AGI的唯一钥匙。

　　就像从GPT-3一直到现在GPT-5、GPT-5.1，然后明年的GPT-6、一直到AGI实现的那一天。

　　而在英伟达的账本里，逻辑则更加粗暴直接：我是这个淘金时代唯一卖铲子的人。（不是非常严格，但基本事实如此）

　　全世界的AI公司，无论谁输谁赢，都得乖乖排队交「GPU税」。

　　然而硅谷的夜，这几天格外漫长。

　　当奥特曼在深夜罕见地发推承认「OpenAI在某些关键维度上确实落后了」时，大洋彼岸的投资者们还没回过神来。

　　紧接着，英伟达股价应声下挫，逼得英伟达官方不得不亲自下场，在X平台上发长文辩护，强调CUDA生态的不可替代性。

　　在祝贺谷歌成功的同时，这个回复也能明显闻到一股酸酸的味道：英伟达有点急了。

　　啊英伟达领先行业整整一代——它是唯一能在所有计算场景中运行各类人工智能模型的平台。

　　相较于专为特定AI框架或功能设计的专用集成电路，英伟达提供更卓越的性能、更强的通用性与可替代性。

　　能让这两位AI时代的「双子星」同时感到寒意的，只有一个名字：Gemini 3。

　　在此之前，AI领域的叙事逻辑清晰且固化：英伟达是「收税」的，OpenAI是「布道」的，而谷歌、Meta、Anthropic等只是追随的。

　　但Gemini 3的发布，不仅是一次模型升级，更是一场「降维打击」。

　　谷歌这波操作，可以说是左手一拳打掉了OpenAI的模型护城河，右脚一脚踢翻了英伟达的算力神坛。

　　Nano Banana Pro生成

　　如果你这几天真的在和Gemini 3对话，在和Nano Banana Pro画图，你一定知道我在说什么。

　　人们开始发现，不用英伟达的芯片，不需要等OpenAI的新模型带领，只用TPU也能训练出最顶级的AI模型。

　　谷歌究竟做了什么？

　　第一拳：打懵OpenAI

　　从「堆参数」到「原生思考」

　　过去两年，OpenAI一直维持着一种「暴力美学」的优势：Scaling Law（大力出奇迹）。

　　只要数据更多、算力更强，模型就更聪明。

　　同时OpenAI也有创新，比如GPT-4o引发的吉卜力热，Sora 2的爆火等。

　　但Gemini 3不仅是「更强大」，它是「更奇怪」，尤其是Nano Banana Pro带来的社交狂欢。

　　以下图片全部由Gemini生成，并且在社区中广泛传播的图片。

　　并且生成提示词都极其简单，甚至比谷歌曾经理解的「自然语言」还要简单。

　　下面请欣赏一下。

　　一句话生成各种战力排行榜

　　一句话生成各种战力排行榜：鬼灭之刃版本

　　一句话生成各种知识绘本和解读

　　一句话生成表情包

　　一句话生成表情包

　　一句话将低分辨率图像精准放大至 4K 画质

　　它用我的真实笔迹正确解答了这个问题。

　　还有太多惊艳的案例。

　　Gemini 3给人的感觉就是他第一次真正实现了原生多模态的终极形态。

　　之前的模型（包括GPT-4o），本质上还是像一个把眼睛、耳朵和嘴巴拼凑起来的怪人，需要不同的神经网络处理图像和文本，然后再缝合。

　　Gemini 3的突破在于，它「天生」就是感官互通的。

　　它理解一段视频，不是把它翻译成文字再理解，而是像人类一样直接理解光影和动态。

　　这不仅带来了极致的低延迟，更让它的「直觉」可怕地敏锐。

　　丹尼尔·卡尼曼（Daniel Kahneman）在他的诺贝尔奖获奖著作《思考，快与慢》（Thinking, Fast and Slow）中，将人类的认知系统分为两种模式：

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

　　Gemini 3第一次让人类感受到，在硅基芯片上实现了「系统2」思维的常态化。

　　OpenAI的o1模型开启了「慢思考」时代，但那更像是一个外挂插件。

　　Gemini 3则将这种逻辑推理能力内化了。

　　它不需要用户提示「请深思熟虑」，它会在后台自动判断：这个问题是该用直觉秒回，还是该调动逻辑电路进行推演。

　　这种「动态计算」能力，让Gemini 3在代码生成、复杂数学和长逻辑链条任务上，第一次对OpenAI构成了代际优势。

　　第二脚：踢翻英伟达

　　摆脱「CUDA依赖」

　　如果说Gemini 3打OpenAI还是AI技术之争，那么让英伟达紧张的，则是生存逻辑变了。

　　过去，所有的AI公司都患上了「英伟达依赖症」。

　　没有H100/GB 200的英伟达芯片，AI模型就训练不出来。

　　英伟达还靠着CUDA生态，建立了牢不可破的软硬件壁垒。

　　但是，这道密不透风的铁幕被谷歌用TPU撕开了一道铁幕。

　　Gemini 3后，谷歌启动激进的TPU@Premises计划，直接要把算力卖进巨头的后院。

　　目标就是虎口夺食，豪言要拿下英伟达10%的营收。

　　Meta已经倒戈。

　　Gemini 3是完全在谷歌自研的最新一代TPU集群上训练出来的。

　　这意味着什么？

　　谷歌不需要给黄仁勋交「苹果税」。

　　当OpenAI每训练一次模型都要烧掉数亿美元给英伟达买卡时，谷歌用自家的芯片，成本可能只有对手的一半，甚至更低。

　　软硬一体的效率恐怖。

　　就像苹果的iOS配合A系列芯片能吊打安卓一样，Gemini 3的模型架构是专门为了TPU设计的，TPU也是为了Gemini优化的。这种契合度，让算力利用率突破了行业天花板。

　　英伟达官方在X上的辩护显得苍白，因为市场听懂了谷歌的潜台词：如果最强的模型不需要英伟达的GPU就能跑出来，那么英伟达高达80%的毛利率还能维持多久？

　　这里不得不重点提谷歌埋藏了十年的伏笔——TPU（张量处理单元）。

　　谷歌十年磨一剑。

　　TPU是如何炼成的

　　在Gemini 3爆火后，谷歌的官方博客迅速跟进了一篇最新TPU的介绍帖子。

　　翻译一下就是：「关于我的强大，你们需要了解三件事」。

　　你要说这没有内涵英伟达的成分，我第一个不相信。注意日期，11月25日。

　　第七代TPU别名Ironwood，铁木。

　　Ironwood是谷歌迄今为止性能最强、能力最出众且能效最高的TPU。

　　专为大规模驱动推理型人工智能模型而设计。

　　Ironwood有三大特性：

　　专为推理时代量身打造

　　随着行业焦点从训练前沿模型转向实现实用、响应迅速的人机交互，Ironwood提供了关键的硬件支撑。

　　这款定制芯片专为高吞吐量、低延迟的AI推理和模型服务而打造，其单芯片在训练与推理工作负载上的性能表现较上一代提升逾四倍，使Ironwood成为谷歌迄今最强大且高能效的定制芯片。

　　这是一个庞大的算力网络

　　TPU是AI超级计算机的关键组成部分，这是谷歌集成的超级计算系统，旨在提升计算、网络、存储和软件层面的系统级性能与效率。

　　该系统的核心是将单个TPU组合成名为「计算集群」的互联单元。

　　借助Ironwood，谷歌能够在超级集群中扩展至9,216 颗芯片。

　　这些芯片通过突破性的芯片间互联网络相连，运行速率达9.6Tb/s。

　　专为AI而生，由AI赋能

　　Ironwood是谷歌持续闭环研发的成果——研究人员推动硬件设计，硬件加速研究进程。

　　当竞争对手依赖外部供应商时，谷歌 DeepMind 若需为Gemini等模型实现特定架构突破，会直接与TPU工程师团队协同创新。

　　因此谷歌的模型始终基于最新代际TPU进行训练，相较前代硬件常实现显著提速。

　　研究人员甚至运用名为 AlphaChip 的AI技术设计下一代芯片——通过强化学习已为包括 Ironwood在内的连续三代TPU生成了更优布局方案。

　　除了TPU，谷歌是唯一一家，没有之一，全栈人工智能公司：数据→算法→硬件→云服务器，全都自研。

　　为什么是现在？谷歌的「核聚变」时刻

　　很多人会问，谷歌早干嘛去了？

　　答案是：组织架构的物理反应终于变成了化学反应。

　　两年前的谷歌，虽然有DeepMind和Google Brain两个顶尖大脑，但内部内耗严重，资源分散。

　　现在的谷歌，在合并团队后，终于打通了「任督二脉」。

　　更可怕的是谷歌的数据飞轮：

　　YouTub：提供了全球最高质量的视频数据（训练多模态的黄金）；

　　谷歌Search：提供了最实时的世界知识；

　　Android：：提供了数十亿的端侧落地场景。

　　除了模型、硬件，另一个容易被忽略的就是谷歌的「创始人回归」。

　　这在公司文化上带来更加底层的影响。

　　联合创始人谢尔盖·布林（Sergey Brin）的回归则是这场变革的精神图腾。

　　布林早已重返谷歌山景城总部。

　　作为谷歌的创始人和图腾人物，谢尔盖放弃退休后在私人小岛享受生活。

　　而是脚踏实地的重返硅谷，拯救谷歌。

　　布林的回归不是为了发表愿景演讲，而是为了写代码。

　　据说，他回到谷歌后提交了多年来的第一个CL（Changelist，谷歌内部的代码修改请求），这一行为在工程师内部产生了地震般的效应：

　　如果身价千亿的创始人都在修补配置文件，那么任何产品经理都没有理由以「流程」为借口阻碍发布。

　　布林的存在直接催化了Gemini 3项目的加速，他专注于解决模型在长逻辑链推理上的「长尾问题」，这是之前职业经理人们因追求短期指标而忽视的领域。

　　AI下半场，谁能获胜？

　　Gemini 3的出现，标志着AI战争正式进入下半场。

　　上半场是「淘金热」，谁铲子好（英伟达），谁挖得快（OpenAI），谁就赢。

　　下半场拼什么？

　　芯片、算力、全栈能力、人才，还是架构？

　　OpenAI的缔造者之一，人工教父的辛顿的爱徒，神秘的Ilya，今天刚好首次公开最新采访。

　　他被社区认为一直是最接近AGI的男人。

　　他爆出惊人观点：Scaling时代已终结，我们正走向研究时代。

　　昨天有一篇论文很火，说的是Attention is All You Need（2.0）版本。

　　意思是Transformer已经过时，AI亟需新的架构。

　　有趣的是这篇文章，也是谷歌的!

　　这个观点这对于一直依赖Scaling的OpenAI并不是什么利好。

　　反而对于拥有DeepMind的谷歌来说，这是绝佳的助攻。

　　要知道2016年启蒙世界人民AI认知的AlphaGo、奠定AI时代的Transformer论文、解码生命的AlphaFold、世界模型Genie 3、带来量子霸权的量子计算机。。。

　　拼研究？谷歌多的是研究项目。

　　谷歌Gemini 3这波突破向世界证明了：在未来的AI时代，自研才是终极王道。

　　或许就像当年的苹果，不满足于用别人的芯片造手机，最终造出了M系列芯片一统江湖。

　　回头望去，不得不感慨这一年AI还是发展得太快了。

　　2025年在AI发展史上无疑是具有里程碑意义的一年。

　　英伟达的芯片+Scaling Law为我们创造一个叙事：只要英伟达继续研发芯片，OpenAI继续加大算力，奥特们不是都去印度造电厂了吗，AI就会一直发展。

　　其他人跟着就好。

　　然而，Gemini 3的横空出世，彻底终结了「线性增长」的叙事。

　　它证明了模型架构和定制化硬件的深度协同，可以带来非线性的能力突破。

　　彩蛋：不公布研究成果了

　　最后，让我们把目光投回到多年前，谷歌发布Transformer论文的那天。

　　自从OpenAI开始靠着ChatGPT拿到AI时代话语权后，外媒、甚至包括谷歌自己的工程师和前CEO都在说：谷歌已经落后。

　　这导致多年后一个小小的插曲，那就是DeepMind的老大哈萨比斯，严禁工程师对外发表最新成果的论文。

　　如果结合今天Ilya所说的话，或许明年AI的话语权要从OpenAI回落到谷歌手里了。

　　毕竟没人知道谷歌手里究竟藏了多少东西了。

　　硅谷AI权力游戏，今天才刚刚开始。

　　又一个彩蛋：黄仁勋出招了

　　在谷歌将TPU卖给Meta后，英伟达的股价应声下跌。

　　英伟达除了在X上发帖酸了一下谷歌后，英伟达准备故技重施。

　　根据外媒报道，英伟达准备通过向Meta注入巨额投资来换取其继续使用英伟达芯片的承诺。

　　这招此前英伟达已经在OpenAI身上用过了。

　　极具讽刺意味的是，这场「商战」的资金优势已经逆转：得益于高达73%的利润率，英伟达今年的自由现金流预计将飙升至970亿美元，一举超越谷歌的650亿美元。

　　这意味着，英伟达正在用从科技巨头们身上赚来的钱，反过来「收买」这些客户，从而通过资本手段构建起一道谷歌难以逾越的护城河。

　　参考资料：

　　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/