近期，AI芯片领域风云突变，谷歌与英伟达之间的"暗战"逐渐浮出水面。一场关于技术主导权、市场份额与未来生态的博弈，正在重塑全球AI基础设施的格 局，而投资和或可把握其中布局机会。 一、英伟达罕见"安抚"市场：股价暴跌后的危机公关 报告指出，这一闭环正在转化为实打实的财务回报：TPU部署大幅降低推理成本，搜索市场份额企稳回升至90%以上，充沛的广告现金流为高强度的资本开 支提供了充足弹药。 从市场表现看，Alphabet的股价表现已经充分反映了市场的转向。在过去一年中，Alphabet的回报率高达近82%，甚至超过了英伟达的27%的涨幅。在同样 经历波动的科技股中，Alphabet表现出更强的韧性。 美东时间11月25日午盘，英伟达在社交媒体平台X发布一则声明，语气罕见地"温和"："我们为谷歌在AI领域取得的成就感到高兴。英伟达将继续为谷歌提 供产品支持。我们仍是唯一能够运行所有AI模型、适配所有计算场景的通用平台，领先行业整整一代。" 这番话背后，是英伟达股价当日大跌超7%，市值蒸发数千亿美元。市场担忧的焦点在于：谷歌自研芯片TPU的崛起，是否正在动摇英伟达在AI算力领域的 绝对霸主地位？ 英伟达此次主动发声 ...

据报道，德国反垄断机构"联邦卡特尔局"（FCO）今日表示，谷歌汽车服务（Google Automotive Services）的一些做法存在不正当竞争行为，该部门将禁止相关做法。 联邦卡特尔局局长安德烈亚斯·蒙德特（Andreas Mundt）称："我们尤其对谷歌仅以捆绑形式提供信息娱 乐系统服务的做法持批评态度，因为这降低了竞争对手单独销售竞争服务的机会。" 而谷歌对此表示："当前，联网汽车市场存在着激烈的竞争，有数千款应用程序与谷歌汽车服务兼 容。"谷歌同时表示，将继续与德国监管机构进行有建设性地对话，以解决他们的担忧。 此外，联邦卡特尔局还在审查谷歌地图（Google Maps）服务的一些条款，这些条款禁止用户将谷歌地 图服务与其他竞争服务相整合。联邦卡特尔局认为，这些条款将增加其他服务商开发谷歌地图服务替代 品的难度。 谷歌汽车服务为汽车制造商提供了一系列服务，包括谷歌地图、谷歌Play应用商店和谷歌语音助手等。 该系统允许汽车驾驶员基于语音控制车辆，以及发送消息和打电话等。 但德国联邦卡特尔局认为，谷歌的这种捆绑可能会阻碍市场竞争，让谷歌的主导地位进一步拓展到其他 市场。为此，联邦卡特尔局准备禁止谷 ...

张量处理单元优势 - 张量处理单元专为人工智能和深度学习构建，涵盖训练和推理任务，相比图形处理器具有更低的总体成本和更高的能效 [1] 谷歌的芯片战略 - 谷歌已研发其张量处理单元长达五年，并非短期项目，并已发展到第七代，展现出卓越的效率 [2][5] - 公司具备从芯片到应用的全栈垂直整合能力，这种模式带来了巨大的规模效益 [5][6] - 谷歌通过其云服务向市场提供张量处理单元租赁，为依赖英伟达的客户提供了供应链多元化选择 [3][10] 人工智能芯片市场竞争格局 - 人工智能芯片市场需求巨大，预计到2030年市场规模将达到7万亿美元，足以容纳多个参与者，并非零和游戏 [8][9][22] - 除谷歌外，其他超大规模云服务商如亚马逊和微软，也可能开发或采用自家定制芯片 [13][14] - 芯片采购呈现多元化趋势，客户会根据特定任务选择不同芯片，例如使用张量处理单元进行深度学习训练和推理，而图形处理器可能更专注于训练 [11][12][14] - 英伟达凭借其CUDA生态等优势，市场领先地位依然稳固，难以被超越 [20] 谷歌Gemini大型语言模型 - 谷歌的Gemini大型语言模型因其全栈整合优势而具有吸引力，并在多项基准测试中表现优于竞争对手 [15][16] - 不同的大型语言模型各有侧重，Gemini和ChatGPT适用于通用场景，Claude在软件开发中更受青睐，而开源模型如Deep Seek在某些领域领先 [16][17][18] 人工智能驱动因素与供应链 - 主权人工智能和实体人工智能将是未来市场的主要驱动力，推动数据中心建设和相关投资 [23][24] - 人工智能发展导致对计算速度和算力的需求激增，进而推高了对高端芯片如台积电制造的芯片和高带宽内存的需求 [20] - 芯片供应链呈现多元化趋势，三星等厂商有机会获得更多订单，财富将更广泛地分配给不同供应商 [18][19]

11月26日消息，近两年，谷歌借着AI的东风股价飙升，4月底股价160美元/股，如今已经320美元/股， 仅用7个月就实现翻倍。 Facebook创始人马克·扎克伯格位居第六，个人财富2146亿美元。 | Forbes | Sale: $1/wk | | | --- | --- | --- | | Rank < | Name | Net Worth | | 1 | Elon Musk | $471.1B | | | | ▼ $4.4 B -0.93% | | 2 | Larry Page | $268.4B - $7.4 B +2.86% | | 3 | Sergey Brin | $248.8B | | | | - $6.8 B +2.85% | | | | $240.8B | | 4 | Larry Ellison | ▼ $9.7 B -3.90% | | | | $239.2B | | 5 | Jeff Bezos | $0.7 B +0.32% | | 6 | Mark | $214.6B | | | Zuckerberg | - $4.1 B +1.99% | 截止发稿，股价最新市值3.88万亿， ...

当地时间周二，最新公布的美国9月零售销售额、9月生产者价格指数等数据表明，美国 消费者支出增长放缓，生产端核心通胀压力反弹，但强度不及预期。同一天，美国自动 数据处理公司的报告显示，美国私营部门在过去四周里，平均每周削减13500个就业岗 位，裁员速度明显提升。 一系列数据印证了近期多位支持降息的美联储官员判断，即美国经济增长势头减弱，通胀 温和反弹，而就业市场下行风险加剧。当天，有关美国白宫国家经济委员会主任哈西特在 下一任美联储主席候选人中领跑的报道，推动市场对美联储降息的预期持续升温，美国三 大 股 指 周 二 集 体 收 涨 。 截 至 收 盘 ， 道 指 上 涨 1.43% ， 标 普 500 指 数 涨 0.91% ， 纳 指 涨 0.67%。 谷歌"AI模式"获得认可 英伟达股价跌至两个月来低点 尽管以科技股为主的纳指周二收涨，但是热门芯片股纷纷下跌。投资者普遍关注谷歌提供 的更具性价比的"AI模式"，即使用功能较为单一、但是成本更低的自研TPU芯片训练大 模型。 谷歌上周发布的Gemini 3大模型在推理和编程方面，较其他基于英伟达GPU训练的主流 大模型能力更胜一筹，引发资本热捧。 谷歌母公 ...

文章核心观点 - 研究重新审视了基于下一像素预测的生成式图像预训练范式，探讨其大规模扩展的可行性与规律 [2][4][6] - 研究发现，下一像素预测的扩展趋势与文本类似但效率低得多，需要比语言模型多10–20倍的token-per-parameter比例才能达到有效学习 [6][15][16] - 不同下游任务（如图像分类与生成）的最优扩展策略存在显著差异，且策略随图像分辨率提升而改变 [7][18][22][23] - 尽管当前计算成本高昂，但研究预测基于原始像素的建模在未来五年内将变得可行，主要瓶颈是计算量而非训练数据 [8][26] 研究方法与实验设置 - 研究从32×32分辨率的图像出发，在多种等算力配置下训练了一系列Transformer模型，最大计算量达到7e19 FLOPs [10] - 采用四种规模的Transformer架构，参数从2800万到4.49亿不等 [11] - 在包含3亿张图像的JFT-300M数据集上进行预训练，在32×32分辨率下完整遍历一遍相当于处理超过3000亿个像素 [12] - 通过下一像素预测目标、ImageNet分类准确率以及Fréchet Distance衡量生成质量这三个指标评估模型性能 [10][13] 关键研究发现 - 像素的语义信息极低，单个像素几乎不包含语义，其颜色值可能对应多种物体的一部分 [10][19] - 像素之间的空间关系非常复杂，不易用序列方式表示，且随着图像分辨率升高，下一像素预测的计算量会急剧增加 [10] - 在32×32分辨率下，图像生成任务需要比分类任务更大的token-parameter比例，其数据规模增长速度是分类任务的三到五倍 [7][18] - 随着图像分辨率从16×16提升至64×64，最优扩展策略明显偏向更大的模型而非更多的数据 [23][24] 未来展望与可行性分析 - 训练算力正以每年四到五倍的速度增长，为逐像素建模的未来可行性提供了基础 [8] - 研究预计在未来五年内，基于原始像素的学习将成为一条可行的发展方向，并能达到具有竞争力的性能 [26] - 像素级模型的主要瓶颈是计算量，而非训练数据的可获得性 [18][26]

他们手动切块、生成向量、建立索引，再把检索到的内容精准拼进prompt。 那是一整套细腻又繁琐的工程活，只有真正懂这些流程的人，才敢说自己「会用大模型」。 而现在，这份骄傲被一行API抹平了。 Gemini的File Search上线后，上传一个PDF或JSON，模型就能自动完成分块、检索、引用，甚至附上来源。 File Search 抽象化了整个检索流程。 Google宣判RAG死刑！那条曾让无数工程师自豪的技术链，如今只剩下一行API调用。Gemini的File Search，把检索、分块、索引、引用，全都封进了模型 内部。开发者不再需要理解流程，只需要上传文件。当智能被自动化吞并，工程师第一次发现，自己也成了被自动化的一部分。 在过去几年里，RAG是工程师的底气。 这句话像一把锋利的刀，切掉了人和系统之间最后一点链接。 AI不再需要工程师去教它查资料，而工程师，也开始被自己的发明优化掉。 从流程到函数：Google一刀切掉RAG工程链 Gemini的File Search发布后，RAG从工程系统变成了API内置能力。 上传文件，模型自动完成分块、embedding（向量化）、索引、检索与引用，全部在同一 ...

近期，谷歌凭借其新一代人工智能模型Gemini 3.0带来的突破性体验、Meta斥资数十亿美元购买谷歌TPU以及投资大师沃伦·巴菲特的重 仓买入，引发了股价的连续大幅上涨。 二是AI芯片业务迎来重大突破。谷歌目前正在向客户推销其自研TPU，其中一个潜在客户是Meta。 这股热潮迅速传导至A股市场，今日A股市场谷歌产业链概念股继续活跃，"易中天"携手走强，其中，长光华芯20cm涨停，赛微电子涨 超14%，中际旭创涨超13%，新易盛涨超10%，天孚通信、沪电股份等跟涨。 | 代码 | 名称 | 张唱 | : 涨跌 | 现价 | | --- | --- | --- | --- | --- | | 688048 | 长光华花 | +20.00% +17.86 | | 107.15 | | 300456 | 赛微电子 | +14.89% | 45.39 | 41.59 | | 300308 | 中际旭创 | +13.89% +66.63 | | 546.29 | | 300502 新易盛 | | +10.44% +31.80 | | 336.52 | | 600105 永鼎股份 | | +9.92% | +1.56 | ...

中国品牌作为AR眼镜出货主力，早期主要投入观影类应用场景，产品对亮度规格较不敏感，因此制程 技术较成熟，且成本可控的OLEDoS方案成为主流显示技术。但随着产业发展，AR眼镜对亮度与透光 率的需求大幅提升，品牌开始收敛在观影类产品投入的资源，预计2025年OLEDoS技术渗透率达到53% 之后将逐年下滑。 TrendForce集邦咨询表示，短期内AI辅助的资讯提示类眼镜市场升温，为迎合产业发展节奏、快速实现 量产，除现有的AR品牌外，中国的云端服务供应商(CSP)、软件平台，以及传统消费电子品牌都试图立 足AR终端市场，投入LEDoS阵营。这些厂商凭借LEDoS显示技术的研发、出货主力皆在中国区域的优 势，快速与供应链联合开发搭载单绿色LEDoS显示技术的产品，带动2025年LEDoS技术渗透率提升至 37%。此外，业者也布局全彩LEDoS，产品策略将从传统的硬件设备规格迭代走向与软件相辅相成。 智通财经APP获悉，根据TrendForce集邦咨询最新《2025近眼显示市场趋势与技术分析》报告揭示，随 着Meta、Apple(苹果)、Amazon(亚马逊)、RayNeo(雷鸟)等品牌持续布局，AR眼镜的各类显 ...

行业投资评级 - 增持（维持）[1] 报告核心观点 - Google Gemini 3发布表现超市场预期，其卓越的基准测试得分和多模态理解能力将推动AI算力需求持续增长，重点关注PCB设备与服务器液冷产业链的投资机会[1][2][3][4] 事件概述 - Google发布多模态大模型Gemini 3，展现出超市场预期的得分能力与多模态理解能力[1] Gemini 3性能表现 - HLE测试基础思考能力得分37.5%（无工具），领先Gemini 2.5 Pro的21.6%和GPT-5.1的26.5%[2] - 多模态理解能力ScreenSpot-Pro测试得分72.7%，远超Claude Sonnet 4.5的36.2%和GPT-5.1的3.5%[2] - 具备"生成式UI"能力，可动态生成含可点击交互式工具的定制化界面，逐步向AI Agent迈进[2] 算力需求与产业链影响 - Google DeepMind重申Scaling Law有效性，强调调整算法与堆叠训练算力是提升模型能力的关键方式[3] - Gemini 3完全基于Google TPU算力集群训练，实现AI硬件与软件全产业链整合[3] - 大模型加速迭代将推动算力建设需求持续增长，重点关注谷歌链、NV链、国产算力链的硬件投资机遇[3] PCB产业链机遇 - 谷歌TPU服务器中PCB以高多层为主，伴随单柜算力集成度提升，单机柜PCB用量与层数将持续提升[4] - 英伟达Rubin方案新增中板、正交背板等增量PCB环节，AI PCB市场持续扩容[4] - PCB设备商作为"卖铲人"有望受益于板厂CAPEX上行[4] 服务器液冷产业链机遇 - 单机柜算力集成度提升推动机柜功率增长，传统风冷无法满足散热需求，液冷方案成为必选项[4] - 液冷环节处于0-1产业化兑现阶段，内资液冷供应商正逐步切入算力服务器供应链[4] 投资建议 - PCB设备环节重点推荐大族数控、芯碁微装，建议关注耗材端中钨高新、鼎泰高科[5] - 服务器液冷环节重点推荐宏盛股份，建议关注英维克[5]