行业竞争焦点转变 - 生成式AI行业的竞争焦点正从追求最大、最智能的模型，转向基础设施和推理（模型运行）的成本与速度优势 [4] - 性能差距的缩小促使优势向基础设施和推理环节转移 [4] - OpenAI总裁指出“模型本身不再是产品”，强调了运行效率的重要性 [4] 企业AI成本压力激增 - 谷歌CEO指出，许多公司在5月前就已耗尽其年度AI代币预算 [2] - 企业正密切关注其AI账单，因为代币消耗型AI代理的运营变得更有用且更昂贵 [2][4] - Uber的COO表示越来越难证明公司不断膨胀的AI成本的合理性 [6] - 风险投资家表示其公司因在代币上花费过多而停止使用Cursor [6] - 分析师指出，更复杂、长期运行的AI代理已成为常态，导致许多组织出现“价格冲击” [6] 谷歌的成本与规模优势 - 谷歌通过提供Gemini 3.5 Flash等模型组合，声称其顶级云客户若将80%的AI工作负载转移至此，每年可节省超过10亿美元 [5] - 谷歌对其AI成本与速度的控制力强于大多数竞争对手，因其拥有从芯片、数据中心、云、模型到上层应用的全栈控制 [7] - 分析师估计，谷歌使用自研TPU芯片并直接从制造商采购组件，其内部AI计算成本比竞争对手低约50%，甚至可能低75% [7] - 相比之下，OpenAI需向微软、甲骨文等云巨头支付每次请求的利润，而这些提供商又需向英伟达支付GPU费用 [8] 谷歌的运营历史与战略 - 谷歌认为计算能力决定命运，并已为此投入超过25年 [9] - 2006年，谷歌搜索通过使搜索引擎服务更快、更便宜，获得了超过40%的市场份额并迅速拉开差距 [10] - 谷歌通过使用廉价的现成部件构建定制系统来最大化速度并控制成本，而非投资昂贵服务器 [11] - 海量搜索数据形成的飞轮效应改善了搜索引擎，并逐渐扼杀了雅虎等竞争对手 [11] - 谷歌的搜索结果无需绝对最好，只需足够快、足够便宜，就能让用户持续使用 [11] 谷歌的AI战略与飞轮效应 - 谷歌正通过Gemini创造类似的飞轮效应，并拥有成功的搜索广告业务可补贴其AI投入，而竞争对手仍在争夺更多资金和算力 [12] - 谷歌认为过去的搜索竞赛本质上是基础设施竞赛的伪装，并押注AI竞赛也将类似 [12]