证券时报记者裴丽瑞 在大洋彼岸，在硅谷，一场以AI算力为基础的“秘密战争”正在悄然兴起。近日，有媒体报道称，谷歌使用自研TPU（张量处理单元）芯片训练的Gemini 3在性能上超越了使用NVIDIA GPU（图形处理单元）训练的OpenAi的Chatgpt 5。随之而来的是，市场传言Meta可能会大规模使用谷歌自研的TPU来替代部分NVIDIA GPU。一则新闻就像投入湖中的鹅卵石，在资本市场上激起涟漪。 11月以来，美国股市两大AI巨头经历了拉锯行情。英伟达下跌12.59%，谷歌则逆势上涨12.85%。 NVIDIA打造的万亿美元帝国随着谷歌TPU的崛起而被破解？在这场巨头博弈中，已经融入全球工业计算行业的中国企业面临哪些机遇和挑战？ry链，脸？带着这些问题，证券时报记者采访了多位深耕科技领域的基金经理和行业资深人士，试图透过技术路线之争的迷雾，寻找资本市场的真实逻辑。定制芯片与通用芯片之战。在外界看来，谷歌TPU和Nvidia GPU之间的争夺似乎是一场“生死攸关”的王座之战。但在专业投资者看来，这看起来是效率和成本的合理回报。 “谷歌TPU是定制芯片，而NvidiaGPU是通用芯片。因此，我们要讨论的是定制芯片和通用芯片之间的战争，而不是谷歌和Nvidia之间的战争。”华宝香港信息科技ETF基金经理曹旭晨向证券时报记者指出。历史总是惊人的相似。曹旭辰认为，不仅是服务器领域，还有传统领域。消费电子、汽车等最终领域经历了定制产品和通用产品之间的竞争。最终的结果是他们在每个赛道上都有不同的份额。例如，在手机市场，既有通用型的高通、联发科，也有定制型的华为、苹果。 “从底层芯片制造技术来看，TPU和GPU没有区别。像TPU这样的定制芯片的主要诉求是降低成本。”华北某公募基金经理进一步从技术架构角度分析了两者的差异。 “通俗地说，谷歌TPU在性能和成本方面比Nvidia GPU好一点，但在开放性和生态兼容性方面不如后者。”该基金经理表示，“在当前大机型不断分化、技术路线图算力加速芯片成为主流的背景下，主流。 3. 性能被认为比 OpenAi 使用 NVIDIA GPU 训练的 Chatgpt 5 更好。对此，曹绪辰给出了冷静的看法：“这并不意味着NVIDIA的芯片不好，如果仅用g-compute/price价格的整体方法来粗略计算，V6的单位计算单元性价比确实弱于NVIDIA的B200/B300，而明年Google V7P的单位计算单元性价比有望与NVIDIA的ruby芯片相媲美。”他认为，这是芯片厂商持续竞争、技术距离比较接近的趋势，而不是新的颠覆性威胁。上海一位科技基金经理将这场比赛形容为“接力赛”。他表示，各大厂商和nvidia自研芯片的迭代正在加速。未来，两者将并行运行。 NVIDIA代表着计算需求的最高品牌力，而自研芯片则来自Google、Amazon、Meta等“她的厂商主要用在特定场景，思维成本低。”曹旭辰预测，定制芯片份额的提升是既定趋势。市场预计，到2029-2030年，全球定制计算芯片和GPU的份额将瓜分在50到50之间。但在2026年之前，英伟达的霸主地位并没有改变。要到2027年左右，随着算力越来越接近，市场可能会再次出现这种情况。陷入激烈的股博弈，GPU还是TPU，背后的算力芯片的竞争，对于被称为“卖水”的硬件供应链来说，却是一个结构性利好。财通基金表示，从需求端来看，虽然不同的芯片架构存在一定的需求差异。光模块、PCB等硬件器件，更注重技术路径的多样性而非需求的根本差异；从供应链角度来看，国内一些领先供应商在PCB、光模块等方面处于全球领先地位，在客户响应速度、产品生产稳定性、供应链成本等方面具有优势。因此，即便是现有的芯片厂商中还会不断涌现出新的玩家，但目前国内核心链企业与全球主要客户的合作基础已经稳固，仍然具有竞争优势。值得注意的是，如果谷歌TPU份额增加，可能会带来光模块和PCB市场的意外增长。上述华北某公募基金经理向证券时报记者透露：“我们有一个计算，对于光模块来说，当Google和nvidia的算力纸面上相当时，TPU光模块的使用量v7是nvidia ruby​​（2die版本）的3.3倍，这意味着如果google tpu部分取代Nvidia的份额，光模块部门将增长更快，占整体资本支出的比例将进一步增加。基金经理表示，谷歌新一代TPU可能会采用台光更先进的M9（HVLP（HVLP4+Q Glass）覆铜板材料，这将直接拉动高端PCB的价格和利润率。但在乐观预期中，也不乏机构投资者保持谨慎心态。曹绪辰发表了独特的风险观点：如果TPU模式成功，可能意味着算力行业逻辑将从“持续通胀”转向“持续通胀”。 “相对偏差。”“我认为如果总量还可以，如果TPU胜出，计算产业链能够支撑的话，曹旭辰分析道，“一个好的增长行业是伴随着体量三重向上修正的。”与此同时，市场上也有声音认为，如果谷歌TPU能够以更低的成本提供强大的算力，就能促进AI应用的爆发，从而将市场的焦点从硬件基础设施转向应用软件和服务。对此，受访基金经理表现出“长期优化、短期谨慎”的趋势。 “人工智能投资的下半场是应用，但这并不意味着下半场已经到来。”华北某公募基金经理直言，当前应用能否爆发的关键在于大模型是否足够智能，而不仅仅是廉价的算力。尽管算力不足，但他认为现阶段是又一个算力为王的阶段。曹旭辰进一步表示，技术赛道的爆发往往是从一款热门产品开始的，比如算力元年就带来的ChATGPT呃。然而，当前人工智能应用的主要问题是没有热点产品。虽然大模型正在摧毁一些传统软件应用的市场，但我们必须承认，当前人工智能应用的主要问题是仍然没有热点产品。 “从中长期来看，TPU的成本降低效应肯定会让大型模型公司和AI应用公司受益，因为它降低了公司转型的门槛。但从投资的角度来看，AI应用能否拥有AI算力的灵活性，尤其是AI应用软件方面，仍然存在一个问号。”曹旭辰说道。中欧基金基金经理冯鲁丹认为，人工智能不仅仅是TMT（科技、媒体、通信）行业的事。作为一种通用生产力工具，它正在重塑传统产业。现阶段他更关注以下几个方向：第一，人形机器人和高端制造（体现智能），其中AI的大脑提供机械体理解复杂指令的能力；二是智能驾驶，大型车型推动L3/L4级别突破；第三，AI+医学研发，其中AI在蛋白质结构预测和分子筛选方面的应用将显着缩短新游戏的开发时间哦，应用实现是证明AI泡沫理论的关键。值得一提的是，随着英伟达股价的上涨，华尔街关于AI是否存在泡沫的争论逐渐深入人心。许多投资者甚至将当前的人工智能热潮与2000年的互联网泡沫进行比较。从财通基金的角度来看，这两波浪潮有相似之处：都源于技术突破，都引发资本愤怒，初始收益无法覆盖投资。但本质特别是，这一次是“不同的”。 “从技术落地来看，这种AI轮转文本模式已经先行推广，编程等场景已经开始产生收入，云厂商营收的增长以及对未来三年行业增长的高度预期，我们认为目前产业链企业估值总体水平还在相对合理范围内，没有出现普遍过热的迹象。”财通基金表示。对于估值担忧，华北某公募基金经理用数据进行了详细对比：“2000年互联网泡沫顶峰时，龙头企业市盈率高达150倍，严重透支未来。当前周期龙头企业2025年市盈率不足40倍，有强劲财报支撑。不过，他也提醒，国内一些AI独角兽企业的市盈率还不到40倍。”估值虚高、缺乏落地场景，投资者需要警惕FOMO（害怕错过）情绪驱动的盲目投资。他建议重点关注PE（市盈率）和ROI（投资回报率）两个指标来评估投资回收周期。冯鲁丹也表示，AI板块确实在第一期积累了明显的涨幅，体现了市场对这个赛道的高度共识。不过，其股价上涨是由业绩实现支撑的，而非纯粹的概念炒作。结合未来较高的成长性，从动态估值的角度来看，行业整体并没有出现明显的泡沫。 “目前投资机会与风险并存。曹旭辰认为，互联网与AI革命最大的区别在于门槛。“互联网行业的参与门槛较低，但AI行业的参与门槛却很高。”他判断云厂商大概率会在2026年顺利完成首轮融资扩大算力，泡沫风险也将相对得到控制。真正的区别可能会出现在2027年的第二轮融资中。“如果市场有泡沫，核心是产业落地的速度能否赶上股价的高位。”曹旭辰表示，“如果2026-2027年人工智能能够出现爆发性应用，那么现在的人工智能不仅会出现泡沫，而且可能会被低估。” 特别声明：以上内容（如有则包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供IM存储服务。 注：以上内容（包括图片和视频，如有）由网易号用户上传和发布，网易号是一个社交媒体平台，仅提供信息性离子存储服务。