證券時報記者 裴利瑞

在大洋彼岸的硅谷，一場關于AI算力底座的“暗戰”正悄然升級。

近期，媒體報道稱谷歌用自研的TPU（張量處理器）芯片訓練出的Gemini 3在性能上超過了OpenAI用英偉達GPU（圖形處理器）訓練出的ChatGPT 5。隨后，市場傳聞meta或將大規模采用谷歌自研的TPU替代部分英偉達GPU。一連串消息如同投入湖面的石子，在資本市場激起層層漣漪。

11月以來，美股兩大AI巨頭走出了一段蹺蹺板行情，英偉達下跌12.59%，而谷歌則逆勢上漲了12.85%。英偉達構建的萬億AI帝國，是否會因谷歌TPU的崛起而出現裂痕？在這場巨頭博弈中，早已深度嵌入全球算力產業鏈的中國企業，又將面臨怎樣的機遇與挑戰？帶著這些問題，證券時報記者采訪了多位深耕科技領域的基金經理與行業資深人士，試圖透過技術路線之爭的迷霧，尋找資本市場的真實邏輯。

定制化和通用型芯片之爭

在外界看來，谷歌TPU與英偉達GPU的較量，似乎是一場“你死我活”的王座之爭。但在專業投資人眼中，這更像是一場關于效率與成本的理性回歸。

“谷歌TPU是定制化芯片，英偉達GPU是通用型芯片，因此，我們要討論的是定制化和通用型芯片之爭，而非谷歌和英偉達之爭。”華寶港股信息技術ETF基金經理曹旭辰向證券時報記者指出。

歷史總是驚人的相似，曹旭辰認為，不止是服務器領域，在消費電子、汽車等傳統領域，也曾經歷定制化和通用型產品的競爭，其最終的結果均是以不同份額在各賽道并存。比如在手機賽道，既有通用的高通和聯發科，也有定制的華為和蘋果，“從底層芯片制造技術而言，TPU和GPU沒有區別，TPU這類定制化芯片的核心訴求就是降本”。

華北某公募基金經理從技術架構角度進一步剖析了二者的差異。“通俗地說，谷歌TPU在性能發揮、成本上相對優于英偉達GPU，但在生態開放和兼容性上不如后者。”該基金經理表示，“在當前大模型持續迭代、技術路線尚未完全定型的背景下，英偉達的通用GPU憑借CUDA的強兼容性，仍是大多數廠商的最優選，一家獨大的趨勢或仍會持續相當長的時間。而未來待大模型的技術路線穩定之后，專用ASIC如谷歌的TPU或將逐步成為算力加速芯片的主流。”

市場之所以高度關注TPU，一個直接的導火索是谷歌用TPUv6芯片訓練出的Gemini 3，在性能上被認為強于OpenAI用英偉達GPU訓練出的Chatgpt 5。

對此，曹旭辰提供了一個冷靜的視角：“這并不意味著英偉達的芯片不行。如果我們簡單用總算力/價格的方式粗算，v6的單位算力性價比其實還是弱于英偉達的B200/B300，而明年谷歌v7p的單位算力性價比預計與英偉達的Rubin芯片旗鼓相當。”他認為，這是芯片廠商不斷競爭、技術距離相對拉近而順其自然產生的趨勢，而非新的顛覆性威脅。

上海某科技基金經理則將這種競爭形容為一場“接力賽”。他指出，大廠自研芯片和英偉達的迭代都在加快，“雖然TPU v7暫時領先，但英偉達很快會在v7發布后量產Rubin，實現反超。未來二者是并行的，英偉達代表最高端的通用算力需求，而谷歌、亞馬遜、meta等廠商的自研芯片，將主要用于低推理成本的特定場景”。

曹旭辰預測，定制化芯片份額提升是既定趨勢，市場預期到2029—2030年，全球定制化算力芯片和GPU的份額將呈現“五五開”的局面。但在2026年之前，英偉達一家獨大的格局未變，直到2027年左右，隨著算力性能愈發接近，市場才可能再度陷入份額的激烈博弈。

光模塊與PCB或迎超預期增量

無論是GPU還是TPU誰占上風，算力芯片的競爭背后是對數據傳輸效率的更高要求，這對被稱為“賣水人”的硬件供應鏈而言，不僅不是利空，反而是結構性的利好。近期A股光模塊、PCB（印制電路板）板塊的異動，似乎正在提前定價這一預期。

財通基金表示，從需求端來看，雖然不同芯片架構對光模塊、PCB等硬件組件的需求存在一定差異，但這更側重于技術路徑的多樣性，而非根本性的需求分歧；從供應鏈角度看，在PCB和光模塊這些環節，國內的部分頭部供應廠商已經走在了世界領先的地位，從供應鏈的客戶響應速度、產品量產穩定性、成本都具備優勢。因此，盡管下游芯片廠商不斷涌現新參與者，但國內核心供應鏈企業與全球主要客戶之間的合作基礎目前是較為穩固的，在競爭中依然具備優勢。

值得注意的是，若谷歌TPU份額提升，可能會為光模塊和PCB市場帶來超預期的增量。

前述華北某公募基金經理向證券時報記者透露：“我們有一個測算，對于光模塊，谷歌和英偉達算力卡在紙面算力相等的情況下，TPU v7的光模塊用量是英偉達Rubin（2die版本）的3.3倍，這意味著如果谷歌TPU部分替代英偉達份額，光模塊板塊的增速將更快，占整體資本開支的比例也將進一步提升。”

在PCB領域，技術迭代帶來的價值量提升同樣明顯。據該基金經理介紹，谷歌新一代TPU可能會采用臺光更為先進的M9（HVLP4+Q glass）覆銅板材料，這將直接拉動高端PCB的價格和利潤空間。

然而，在樂觀的預期中，也有機構投資者保持了審慎的冷思考。

曹旭辰提出了一個獨特的風險視角：如果TPU模式大獲全勝，可能意味著算力產業的邏輯將由“持續通脹”轉向“相對通縮”。

“我不認為在總量沒問題的情況下，如果TPU勝出而GPU失敗，算力產業鏈的估值能支撐住。”曹旭辰分析，“好的成長產業伴隨著量、價、利潤率的三重上修，過去兩年算力產業鏈正是如此。一旦低成本的TPU成為主流，雖然利好應用端，但對硬件產業鏈而言，可能會面臨估值壓制。所以從稍微長期一點的角度來看，GPU是不能‘倒下’的，一旦出問題，可能出現全產業鏈的估值坍塌。”

算力降本難掩“爆款”缺位

同時，市場也有聲音認為，如果谷歌TPU能以更低的成本提供強大的算力，可能會極大促進AI應用的爆發，從而將市場的焦點從基礎設施硬件轉移到應用軟件和服務上。

對此，受訪的基金經理觀點呈現出一種“長期樂觀，短期謹慎”的態勢。

“AI投資的下半場是應用，但并不意味著下半場已經到來。”華北某公募基金經理直言，當前應用能否爆發的關鍵在于大模型是否足夠聰明，而非僅僅是算力便宜。盡管算力緊缺，但他認為當前仍處于算力為王的階段。

曹旭辰進一步指出，科技賽道的爆發往往起始于一款爆品，如ChatGPT開啟了算力元年。但目前AI應用的核心問題在于沒有爆品，即使大模型正在侵蝕部分傳統軟件應用的市場，但不得不承認，現在AI應用的核心問題還是沒有爆品。

“從中長期而言，TPU的降本效果一定是利好大模型公司和AI應用公司，因為降低了公司AI化轉型的門檻。但從投資上而言，AI應用能否像AI算力那樣有較大彈性空間，還是要打問號的，尤其是AI應用軟件方面。”曹旭辰表示。

中歐基金基金經理馮爐丹認為，AI不僅僅是TMT（科技、媒體、通信）行業的事，它作為一種通用生產力工具，正在重塑傳統行業。在當前階段，她更重點關注以下幾個方向：一是人形機器人與高端制造（具身智能），AI大腦賦予了機械身體理解復雜指令的能力；二是智能駕駛，大模型正推動L3/L4級別的突破；三是AI+醫藥研發，AI在蛋白質結構預測、分子篩選方面的應用，正在大幅壓縮新藥研發周期。

應用落地是驗證AI泡沫論關鍵

值得一提的是，隨著英偉達股價的起伏，華爾街關于AI是否存在泡沫的爭論也逐漸風起，甚至有許多投資者將當下的AI熱潮與2000年的互聯網泡沫相提并論。

在財通基金看來，兩次浪潮確實有相似之處：都源于技術突破，都引發了資本狂熱，且初期收入無法覆蓋投入。但本質上，這次“不一樣”。

“從技術落地看，本輪AI的文本模型已率先推廣，編程等場景開始創收，云廠商收入增長提速；從產業鏈健康度看，GPU閑置率低，頭部廠商的存貨、現金流等指標健康，訂單能見度極高；從估值合理性看，基于未來三年行業的高增長預期，我們認為目前產業鏈內公司的整體估值水平仍處于相對合理區間，尚未出現普遍過熱的跡象。”財通基金表示。

對于估值擔憂，華北某公募基金經理用數據進行了詳盡對比：“2000年互聯網泡沫頂峰時，龍頭公司市盈率高達150倍，嚴重透支未來。而本輪AI龍頭2025年的市盈率不到40倍，且有強勁財報支撐。”但他同時提醒，國內部分AI獨角獸存在估值虛高，缺乏落地場景，投資者需警惕FOMO（錯失恐懼癥）情緒驅動的盲目投資。他建議重點關注PE（市盈率）和ROI（投資回報率）兩個指標，以評估回本周期。

馮爐丹也表示，AI板塊前期確實積累了顯著的漲幅，體現了市場對這一賽道的高度共識。但其股價上漲背后有著業績兌現作為支撐，而非純粹的概念炒作，如果結合未來的高成長性，從動態估值的角度審視，板塊整體并未出現明顯的泡沫化。“當前投資機遇與風險并存，AI技術正處于加速迭代和商業化落地的黎明期，產業天花板極高”。

曹旭辰認為，互聯網和AI革命最大的區別在于門檻。“互聯網產業參與門檻低，而AI產業參與門檻極高。”他判斷，2026年云廠商大概率能順利完成第一輪融資進行算力擴張，泡沫風險相對可控。真正的分歧可能出現在2027年的第二輪融資節點。

“市場有沒有泡沫，核心還是產業應用落地的速度能否接住高位的股價。”曹旭辰表示，“如果2026—2027年能出現AI應用爆品，那么現在的AI不僅沒有泡沫，反而可能被低估了。”