全棧式AI體系成谷歌扭轉局勢的關鍵王牌。

若僅回顧過去一個月，很難將當下的谷歌與2023年因Bard失誤遭全球科技圈群嘲的那家公司聯(lián)系起來。

上周（11月18日），谷歌發(fā)布新一代大模型Gemini 3，憑借強勁性能超越同類大模型，基于Gemini 3 Pro的Nano Banana Pro延續(xù)了谷歌在AI圖像生成領域的領先地位，也讓OpenAI倍感壓力。

不僅如此，Gemini 3徹底打破了“谷歌掉隊”的說法，自研TPU芯片被視為挑戰(zhàn)英偉達算力霸權的重要力量。有消息稱Meta正評估大規(guī)模采購TPU，直接導致英偉達股價下跌近7%。隨后英偉達在X（原Twitter）發(fā)文回應：

“我們?yōu)楣雀枞〉玫某删透械叫老病麄冊贏I領域實現(xiàn)了重大突破，我們也將繼續(xù)為谷歌云提供產(chǎn)品支持。”

與此同時，Anthropic（Claude）上月剛宣布訂購百萬級谷歌TPU，OpenAI聯(lián)合創(chuàng)始人、前首席科學家Ilya Sutskever新創(chuàng)立的SSI也在年初選擇谷歌TPU作為算力支撐。

事實上，這一切不僅源于從Gemini 2.5到Gemini 3的“模型勝利”，更得益于谷歌的另一種優(yōu)勢——體系化能力的成功。曾經(jīng)被認為“節(jié)奏慢”“架構重”的Gemini、TPU、谷歌云、Android、谷歌搜索組合策略，如今展現(xiàn)出強大的競爭力。

行業(yè)態(tài)度的轉變十分顯著。

今年之前，外界普遍認為谷歌“老態(tài)盡顯”“官僚化嚴重”；如今則一致看好其“節(jié)奏穩(wěn)健”“產(chǎn)品線協(xié)同”“技術底座開始釋放潛力”。甚至有分析師稱谷歌為“覺醒的巨人”，暗示其可能重新定義整個行業(yè)的技術路線。

不過，真正戲劇性的并非當下的贊譽，而是與過去的巨大反差。兩年前，谷歌還因Bard失誤公開道歉，被當作大模型時代失敗的典型案例；如今卻成為行業(yè)追捧的對象。

從被群嘲到受追捧，谷歌究竟如何實現(xiàn)這一轉變？

ChatGPT敲響警鐘，但核心路線未變

2022年底ChatGPT的橫空出世，給作為Transformer架構設計者、當時如日中天的谷歌帶來了強烈沖擊。

基于Transformer架構和擴展法則，GPT-3.5讓全球首次意識到通用大模型的潛力。谷歌內(nèi)部反應比外界預想的更為激烈：搜索團隊緊急成立“Code Red”應急小組，DeepMind與Google Brain反復研討技術路線，管理層連續(xù)數(shù)周加班開會，內(nèi)部郵件中甚至彌漫著焦慮情緒：

“若再不加快步伐，我們將被歷史淘汰。”

在此背景下，Bard倉促上線，問題頻發(fā)，甚至因一條錯誤回答導致谷歌市值蒸發(fā)千億美元，社交媒體和科技圈紛紛質(zhì)疑谷歌“是否還能跟上時代”。當時更關鍵的是行業(yè)判斷：

谷歌失去了發(fā)展節(jié)奏，躺在過往成就上，被OpenAI打了個措手不及。

這便是“谷歌掉隊論”的開端。但真正的轉折點在于，谷歌在最受質(zhì)疑的時期并未改變核心路線。自2016年提出“AI優(yōu)先”戰(zhàn)略后，谷歌持續(xù)投入業(yè)內(nèi)最全面、最系統(tǒng)的“全棧式AI”路線：

作為全球第三大云計算廠商運營全球數(shù)據(jù)中心，自研AI芯片（TPU），自主訓練大模型，還開發(fā)了Nano Banana、NotebookLM等AI應用。

更不用說谷歌擁有全球最大規(guī)模的搜索場景、Google Photos、YouTube等平臺的海量多模態(tài)訓練數(shù)據(jù)。這些看似“不亮眼”“非爆發(fā)式”的長期工程，在ChatGPT的沖擊下并未被放棄。

所謂“掉隊”并非方向錯誤，而是路線周期較長。既然方向正確，就不應更換，而是加大投入。因此，在經(jīng)歷ChatGPT沖擊和Bard失敗后，谷歌也迎來了最劇烈的調(diào)整期。

“谷歌式全棧”：十年布局，一朝見效

首先是曾經(jīng)被認為“不可能”的整合實現(xiàn)了：2023年4月，Google Brain與DeepMind合并為統(tǒng)一團隊，這兩支全球頂尖研究力量被整合在一起，由主導開發(fā)AlphaGo的DeepMind創(chuàng)始人Demis Hassabis（杰米斯·哈薩比）統(tǒng)一指揮路線與節(jié)奏。

對外宣稱是“整合資源”，但業(yè)內(nèi)皆知，這實則打破了谷歌內(nèi)部長期存在的路線分歧與組織壁壘?！癆I優(yōu)先”戰(zhàn)略喊了多年，直到此次重組，才真正實現(xiàn)“力出一孔”。

與此同時，谷歌過去十年搭建的技術底座開始顯現(xiàn)價值。TPU原本是為谷歌自身服務的芯片，最初用于搜索和廣告的推理加速，隨后逐步支撐內(nèi)部模型訓練。大模型時代到來后，這一優(yōu)勢成為行業(yè)變量，也是谷歌與其他大模型廠商的核心差異之一。

特別是ChatGPT出現(xiàn)后，TPU v5、v6、v7（Ironwood）的迭代節(jié)奏明顯加快、規(guī)模擴大。從Anthropic開始，谷歌也將自研芯片推向外部商用，從本地訓練、云部署到專線算力、TPU@Premises等方案，逐步提升谷歌云的競爭力。

而從Bard到Gemini的升級，本質(zhì)上也是一次“架構統(tǒng)一工程”：從運行在Pixel和Chrome上的Gemini Nano，到側重吞吐與延遲的Gemini Flash，再到性能最強的Gemini Pro，背后共享同一套架構、訓練方法和評測體系。

這套統(tǒng)一體系讓Gemini 2.5在推理和多模態(tài)能力上重返第一梯隊，也讓Gemini 3在視覺、語音、文本和代碼理解上實現(xiàn)全面進化。谷歌過去被詬病的“慢”，實則是為統(tǒng)一路線鋪路，并非缺乏方向。

體系成型后，最終需落地到產(chǎn)品上才能體現(xiàn)價值。Bard失敗后，谷歌意識到模型的核心價值及盲目AI化的問題，選擇了差異化優(yōu)先級路線。

最激進的突破在搜索領域：不僅支持AI預覽，還正式上線AI模式。Pixel手機是谷歌AI化改造的另一重點，云端與設備端不同尺寸、不同設計目標的Gemini模型，在影像、翻譯、信息處理及語音助手體驗上帶來質(zhì)的提升，Magic Cue智能信息提示更是手機AI化的關鍵方向之一。

與現(xiàn)有產(chǎn)品的AI化改造不同，NotebookLM和Nano Banana作為原生AI應用代表，探索了谷歌在AI時代的新路徑：一個重構學習與知識管理，一個將視覺生成推向更輕量、快速、自由的方向。

可以說，過去十年谷歌將芯片、模型、云基礎設施、搜索規(guī)模、移動端生態(tài)、視頻圖像數(shù)據(jù)整合成一套體系。這套體系看似笨重緩慢，但當模型能力、算力底座與產(chǎn)品矩陣在同一路線上協(xié)同時，便形成了難以復制的整體優(yōu)勢。

百度、阿里能否復制谷歌式“反轉”？

若將國內(nèi)近兩年的大模型競爭放在同一維度，豆包的領先已不是“速度優(yōu)勢”，而是徹底拉開與追趕者的差距。

QuestMobile數(shù)據(jù)顯示，今年第三季度豆包App月活達1.59億，超越DeepSeek，遙遙領先其他AI應用；火山引擎公有云大模型調(diào)用量份額逼近一半，日均token調(diào)用量突破30萬億。

規(guī)模效應帶來的滾雪球效應，讓豆包在用戶側、應用生態(tài)和模型調(diào)用上形成“越用越強”的正循環(huán)。

但從更高維度看，豆包的領先并不意味著競爭已塵埃落定。谷歌的案例表明，決定勝負的從來不是單次爆發(fā)，而是體系化能力。阿里近兩年在模型、算力、開源和應用層的布局，使其成為國內(nèi)最有可能實現(xiàn)“谷歌式反轉”的玩家。

千問App的爆發(fā)只是表層信號。真正支撐它的是阿里過去兩年在全球開源社區(qū)建立的Qwen模型影響力，以及大規(guī)模基礎設施投入帶來的底層優(yōu)勢。

從Qwen2.5到Qwen3-Max的路線，將模型推理、多模態(tài)和代碼能力提升至國際一線水平；Qwen在Hugging Face、GitHub的累計下載量位居全球前列，多次登上全球開源榜。

阿里今年明確以千問取代通義，將底層能力壓縮為C端入口，讓技術體系首次具備向大眾規(guī)模化輸出的可能。

某種程度上，千問當前狀態(tài)類似谷歌此前階段——模型強勁、生態(tài)深厚、入口初成，真正的考驗才剛剛開始。

百度雖在產(chǎn)品節(jié)奏，尤其是C端產(chǎn)品上稍慢，但技術底座依然扎實。文心5.0原生全模態(tài)架構、萬億參數(shù)規(guī)模與昆侖芯的深度綁定，使其在技術完整性上保持獨特地位；AI云、城市級業(yè)務、自動駕駛體系則讓其在To B/To G領域擁有難以復制的縱深。

不過，體系化投入不會自動轉化為C端用戶規(guī)模，中間仍需突破諸多環(huán)節(jié)。

對比國內(nèi)三家企業(yè)，更能理解谷歌的啟示意義：豆包證明“規(guī)模本身就是能力”，是最直接的增長飛輪；阿里證明開源、全棧和生態(tài)深耕可在關鍵時刻形成反轉勢能；百度則證明技術底座的完整性永不過時，只是需等待足夠大的應用窗口將體系推向臺前。

國內(nèi)競爭遠未結束，真正決定未來的或許不是誰跑得最快，而是誰能將模型、算力與應用整合成完整路徑。

本文來自微信公眾號“智能Pro”，作者：冬日果醬，36氪經(jīng)授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com