​谷歌AI困局：像爱迪生执着直流电一样，被自己的路线锁死

很多人还记得十年前AlphaGo横空出世的震撼。

彼时DeepMind属于谷歌，是全世界公认的AI灯塔。它向整个行业证明，人工智能不只是实验室里的猜想，是足以颠覆未来的技术。很长一段时间里，谷歌手握最顶尖的AI论文、最雄厚的数据储备、最早布局的专用算力TPU，站在AI浪潮的最前端。

可短短几年，风向变了。

顶尖人才持续从DeepMind、Google Brain出走，不少人自立门户，成为谷歌直接的对手；大模型竞赛里，谷歌的发布节奏总是慢半拍，舆论场里，大家讨论的焦点不再是谷歌，而是其他依托通用GPU生态成长起来的玩家。

看到这一幕，我总会想起镀金时代那场著名的电流战争：爱迪生与特斯拉，直流电与交流电。

爱迪生率先点亮电灯，向世人证明电力可以取代煤油灯，开辟一个全新时代。他是开拓者，是第一个把电带到大众面前的人。但爱迪生把全部商业版图押在了直流电上。直流电有一个无法逾越的短板：无法远距离传输，供电范围极小，想要扩大覆盖，就要不断修建发电站，成本高昂。

特斯拉原本是爱迪生团队里的人才，他看到了交流电的潜力：可以轻松升压、远距离输送，基建成本更低，扩展性更强。当爱迪生拒绝正视这条新路线，甚至公开打压交流电方案之后，特斯拉选择离开。最终交流电胜出，搭建起覆盖整个美国的电网，真正把电力变成普惠的基础设施，把时代往前推了一大步。

这段历史，和今天谷歌AI的处境，有着惊人的相似性。

谷歌很早就预判到AI的未来，也早早给出了自己的解决方案：自研TPU专用芯片，搭建一套封闭、自洽的算力体系。在谷歌内部，TPU的效率不俗，适配自家模型训练，性能亮眼。谷歌希望打造一套闭环：模型、框架、算力全部掌握在自己手里，形成别人难以复刻的护城河。

这条路线，就是谷歌的“直流电”。

而另一边，OpenAI、Anthropic以及无数AI初创团队，选择的是通用GPU生态，也就是属于这个时代的“交流电”。通用GPU搭配成熟的CUDA工具链，门槛更低、更加开放。任何创业者、研究者，不需要拿到谷歌内部资源，就可以租用算力、快速验证新想法，成千上万的团队在同一个生态里试错、迭代、互相启发。创新不再局限于一家巨头的院墙之内，而是扩散到整个行业。

封闭生态最大的问题，从来不是硬件本身不够强。TPU并不是一款失败的芯片，在特定场景下，它的能效至今依然有竞争力。真正的枷锁，是「路径依赖」。

当一家公司巨额投入、组织架构、考核目标、资源分配全部绑定在自研专用硬件上时，它很难放下沉没成本，全力拥抱外部通用生态。内部所有的优化方向，优先服务TPU；外部开发者想要基于TPU做创新，门槛极高、生态工具稀少。它可以满足谷歌自己的业务需求，却无法成为整个行业的创新土壤。

就像爱迪生不是不懂交流电原理，只是他的生意、投资、已经铺出去的设施，全都建立在直流电之上。承认交流电是未来，等于否定自己过去全部的投入。

人才流失也顺着这个逻辑发生。很多顶尖研究员进入谷歌，是为了探索AI的边界。可当他们发现，公司战略的第一优先级不是探索最优的技术方向，而是维护TPU闭环、守住现有业务的利益，创新空间被层层约束，不少人就会选择出走，去开放的算力生态里验证自己的想法。一如当年离开爱迪生的特斯拉。

当然，这个类比不能完全等同。

当年直流电败给交流电，是物理规律带来的硬局限，直流电最终让出了电网主干标准。但今天的算力赛道不是非黑即白的零和博弈。通用GPU主导大众创新，专用ASIC芯片（TPU以及其他自研芯片）依然会在大规模推理、特定模型场景持续发挥价值，两条路线会长期共存。直流电没有彻底消失，TPU也不会彻底消亡。

谷歌也远远谈不上已经出局。Gemini多模态体系、机器人、强化学习的底层积累，依旧是行业第一梯队。它的困境，更多是生态主导权的丢失，是先发者被自己的护城河困住，眼睁睁看着外部开放生态爆发式生长。

电流战争留给后世最重要的启示，从来不是“新技术一定会打败旧技术”。而是：率先开辟赛道的人，很容易变成旧范式最坚定的守护者。

开创者最危险的敌人，不是外部的竞争对手，而是自己过去的成功。曾经用来打开新世界的钥匙，时间久了，也可能变成锁住自己的牢笼。

谷歌用AlphaGo告诉全世界，AI是未来。但AI时代的胜负，早已不再是谁最先提出思路、谁单颗芯片性能最强。这场竞赛的核心，变成了生态、试错成本、开发者自由度，以及能不能容纳源源不断的外部创新。

爱迪生点亮了电灯，却没能主导电力时代最终的标准。这一段历史，或许就是摆在谷歌面前一面镜子。

未来谷歌能不能打破自身的路径依赖，重新拿回主动权？还是继续困在封闭算力路线里，看着通用GPU生态持续生长，留给时间去回答。