英伟达成为了全球第一家市值突破4万亿美元的公司，从而打破了苹果保持的纪录——后者是全球第一家市值突破2万亿美元、3万亿美元的公司，以及第一家市值突破1万亿美元的科技公司。今年以来，苹果是美国科技巨头当中表现较差的，主要还是对生成式AI的应用不达预期，被寄予厚望的Apple Intelligence至少至今没有体现出冠军相。

时间过得真快！此时此刻，距离DeepSeek R1推出之后，英伟达一度大跌16%，才只过去了不到半年。从那时起，英伟达的市值累计又增长了约40%。当初市面上广为流传的“DeepSeek戳穿了英伟达泡沫”，“算力将不再是瓶颈”，乃至“CUDA已经被完美绕过”，种种奇谈怪论犹在耳边，现在回忆起来仿佛弱智成年人的一场盛大狂欢。这再次说明科技行业的发展需要遵循客观规律，不以任何人的意志为转移。（当然，DeepSeek是一个非常成功的大模型，其成功的一个立足点就是英伟达的软硬件一体化解决方案。）

英伟达的市值增长显然是业绩推动的：对于AI训练和推理算力的需求在短期内有增无减，即便我们不考虑智能机器人、自动驾驶等新兴领域的长期算力需求，眼前的需求也足以再支撑一段时间的高增长。至于英伟达目前的估值是否合理，那不是本文讨论的话题。在此我更关心的是：谁会成为英伟达之下的“第二名”？哪怕第一名和第二名的差距有十倍，那第二名的日子也会非常滋润。何况第一名和第二名不一定是互相替代的关系，也可以是互补或平行关系。

显然，AMD不太可能是那个“第二名”，尽管从2022年至今，华尔街一直期待它扮演这个角色。AMD的数据中心级GPU不但收入规模远小于英伟达，增速也远远不及，甚至在2025年上半年暂时陷入停滞。而且，这种差距不是出于供给问题——过去几个季度，经常有分析师问苏姿丰“你们的GPU是否存在供给瓶颈”，得到的回答都是“不存在”。许多客户宁可排队等待英伟达显卡，或者配置英伟达的上一代显卡，也不愿采购供给更充足的AMD显卡。AMD相对于英伟达最大的优势是开源生态，因为英伟达至今仅在极小范围内开源了显卡驱动程序。遗憾的是，这一点优势不足以拉近二者的距离。

至于英特尔就更没有希望了。此时此刻，所有英特尔股东和老员工最想做的一件事情大概就是：退回到二十多年前，阻止当时的管理层关闭独立显卡业务；如果做不到，至少要在2010年前后重开，那是为数据中心级显卡业务打下基础的最晚时间节点。时间是不能倒流的，所以英特尔在这个问题上早已出局了。

有人会提到华为、阿里等名字。在此我无意讨论它们的显卡算力与英伟达是否有差距、性价比如何，但我只想指出一点：哪怕它们的产品在各方面均能与英伟达并驾齐驱，由于众所周知的原因，其市场主要将限于中国大陆，而且任何一家恐怕都难以独占国内市场。我们现在要讨论的是谁能当第二名，而仅仅占据半个或者四分之一个中国市场，尚不足以成为全球第二名。

迄今为止，我们的结论是：市面上的通用GPU厂商与英伟达的差距都远远超过了十倍。我知道有人会提到博通以及ASIC的名字，但是ASIC是一个集体概念，我们不能把整个ASIC加起来并声称其超过了英伟达。不过，这个思路是正确的：英伟达真正的挑战者（或曰互补者），只能到in-house silicon当中去找；所谓in-house silicon, 就是科技大厂内部研发的定制芯片，它们构成了市面上所谓的ASIC的主力军。我不是这方面的专家，这个话题轮不到我下结论。但是从诸多迹象看来，我认为谷歌最具潜力。严格地说，谷歌的TPU正在超越传统的ASIC范畴，有成为一种广泛的通用计算产品的潜力。

OpenAI正在使用谷歌TPU提供算力支持，这是前几天非常热门的新闻。Meta也与谷歌展开了合作，尽管它也有自己的TPU。我们知道，算力产品的竞争从来就不止局限于硬件层面，如果只看硬件，市面上貌似超过了英伟达旗舰产品的硬件非常多，就连英伟达自己的低线产品往往也能超过旗舰产品——这就是某些半吊子分析师和博主常犯的错误。在可见的未来，没有人能“击败”英伟达；但是，如果你想对英伟达实现部分替代和补充，还是做得到的，而那一定是以“生态系统”的方式，而非单纯堆砌硬件的方式做到。

而谷歌的优势就在于一体化生态。事实上，TensorFlow社区的发布时间，比初代TPU还要早半年。2023年以前，TensorFlow一度是最流行的深度学习框架，远远超过Meta旗下的PyTorch；但是2023年以后形势逆转了，PyTorch后来居上。当时，许多大模型从业者对我感叹，谷歌的整个深度学习帝国有倾覆之势：TPU的使用范围有限，TensorFlow的社区维护和易用性远远落在PyTorch之后，而大模型本身（当时还不叫Gemini, 叫Bard）也被OpenAI乃至Claude拉出了好几个身位。有一位朋友告诉我，这些竞争都是彼此相关的——Bard竞争不过OpenAI，TensorFlow竞争不过PyTorch, Bard (Gemini)竞争不过GPT。他认为一个关键指针是OpenAI的选择：只要OpenAI不选择TPU，就证明TPU的技术路线有问题。

现在形势出现了转折，OpenAI竟然真的在一定程度上使用了TPU！尽管我相信，它的绝大部分算力还是基于英伟达平台。差不多同一时间，Gemini也在大幅拉近与GPT的差距，真正进入了第一梯队。2024年上半年还风雨飘摇、乏善可陈的谷歌生成式AI体系，经过这一年多的调整，稳住了每一条战线并有了很大进步。这一方面应该归功于谷歌在深度学习领域的深厚积累，另一方面要归功于现任管理层（以及重出江湖的创始人）的及时调整。至于哪一个因素更重要，在外部的我们不得而知。

在稳住战线并确保技术路线正确之后，谷歌的体量和资源优势可能将成为胜负手。就像在第二次世界大战当中，只要渡过了前期措手不及的参战期，苏联和美国的体量就被证明是难以击败的。不要误会，我不是说英伟达的体量不够大；我的真实意思是，谷歌具备的财务资源、基础研发能力和生态系统的“三位一体”，将是它在整个生成式AI长跑当中取胜的关键。这场长跑既包括算力，也包括云服务和开发环境，还包括大模型本身。

接下来，我们可能会目睹一个“正循环”：Gemini的性能持续增强（甚至有一天成为最强的大模型），促使第三方客户更有动力使用TPU（因为在Gemini上面得到了验证），这两者加起来又会促使TensorFlow社区迎来复兴。其实上面三条做到一条就很了不起了，若三条都能做到，对谷歌来说简直是梦幻般的成就。现在还只走了一小步，但是至少在算力这个方向上，谷歌已经明显有可能超过AMD的高度，甚至可能已经超过。

谷歌最近一年多的大转折，再次证明了一点：从互联网时代成长起来的科技巨头，普遍带有很强的韧性。它们可能因为一时的决策失误、执行力低下或经济环境问题而蒙受惨重损失，乃至被资本市场宣判“死缓”；可是只要悬崖勒马，它们往往能在几个季度内赶上来。过去四年，我们已经先后看到奈飞、Meta和谷歌上演这一幕“先抑后扬”的大反转了。一家科技巨头若真的要衰落，那必须像雅虎那样，连续犯下多个难以饶恕的错误、错过多个风口才行。

我再强调一次：我们现在讨论的不是“谁能替代英伟达”，这样的公司很可能还没被创办出来；而是“谁能成为英伟达之后的第二名”，因为AMD与它的差距实在太大，大到难以相提并论。如果谷歌能凭借TPU成为英伟达之后的“AI算力第二名”，那么哪怕对于它这个体量的公司而言，也是一笔弥足珍贵的增量。目前的不确定性因素还太多，我们只能说它具备这样的潜质，什么时候兑现还不好说。