现在的美股走势有点意思，市值前三把交椅似乎又要轮转，目前是英伟达，苹果，谷歌。随着谷歌新发布的Gemini 3好评如潮，谷歌的投资者似乎期待，短期谷歌的市值超越苹果，直追英伟达。

英伟达的逆风

随着，美联储12月降息预期清晰，这几天的科技股走势，出现了分化，谷歌股价在巴菲特和Meta的数十亿美元订单的传闻下，上涨强势，而英伟达却因为涉嫌「会计欺诈」，一位独立研究员指控称，「检测到6100亿美元欺诈」而股价连连挫败。

财经媒体The Information的独家消息：Meta Platforms（Facebook和Instagram的母公司）正在与Google进行谈判，计划斥资数十亿美元购买Google的TPU（Tensor Processing Units）芯片。

英伟达在GTC大会之后，市值一度破了5万亿美元。当然随后，市场获利回吐，股价的崩跌，让市场做空和质疑的消息越来越猛烈，人们开始传英伟达付款收集和现金生成远低于行业规范，暗示可能存在循环融资或“庞氏方案”，即通过关联交易伪造收入。 如有人指出英伟达通过投资CoreWeave等云提供商，然后租回自家芯片来循环资金，涉嫌提前确认未来收入。还有传闻称英伟达交付大量故障GPU，导致订单取消，并通过“mark-to-market”会计方法将未来需求提前计入当前收入，掩盖需求真实情况。 还有指控英伟达在RTX5080性能上撒谎，以及在中国业务上的虚假陈述。

这些传闻，迅速在社交媒体和财经圈传播，引发投资者担忧，导致英伟达股价一度波动。周二（昨日），英伟达股价盘中一度跌超7%，创7个月来最大单日跌幅，总市值较历史最高点蒸发1万亿美元。

TPU vs. GPU 

然而，最新的一个对英伟达股价的冲击事件是，谷歌的 Gemini 3 的发布，Gemini 3 的好评如潮，让投资者担心谷歌的全栈 AI 策略（结合 Gemini 模型和 TPU）会侵蚀英伟达的市场份额。 

Gemini 3 是其谷歌新一代 AI 模型，据报道在速度和准确性上超越竞争对手，而且，它的部署以及训练，推理完全是在谷歌自家 TPU（Tensor Processing Unit）基础设施上。 这标志着谷歌在 AI 硬件领域的垂直整合策略，即从模型开发到芯片设计的闭环控制。这种方法直接挑战英伟达的 GPU 霸主地位，因为 TPU 被视为 AI 专用芯片（ASIC）的领导者，在某些指标上可能与英伟达 GPU 平起平坐甚至更优。

Gemini 3 pro 的智商测试在130 ，排名第一

首先，TPU 在性能/瓦特比上领先英伟达 GPU 2-3 倍，甚至有前谷歌云工程师称 TPU v6 的效率高达 60-65%。这使得 TPU 更具成本效益，尤其在 AI 推理时代，谷歌云提供的 TPU 服务成为英伟达 GPU 的可行替代品，后者往往价格高昂且供应紧张。 Gemini 3 的成功部署展示了 TPU 在大规模 AI 任务中的实用性，可能促使更多企业转向谷歌云，减少对英伟达硬件的依赖。

虽说，TPU 目前主要用于谷歌内部和云服务，但是他们已经或者正在向外部伙伴销售，如Anthropic部署百万级TPU而非NVIDIA GPU，Meta据传也在洽谈。这一趋势扩大到其他巨头，如亚马逊的Trainium和微软的Maia，旨在降低对NVIDIA的依赖。

目前，Gemini 3 的强势很明显。其推理能力超越 ChatGPT、Grok 等模型，支持多模态（文字、图片、影片），可能成为用户首选，取代其他 AI 工具。而Gemini 3 基于谷歌 的TPU  优势在于成本效益高（CP 值佳），可降低运算成本，提高获利。

当然，英伟达是通用型芯片，打个比方，TPU像“定制刀具”仅适配矩阵运算等AI核心任务，对动态模型、定制算子等场景支持较差，而GPU如同“瑞士军刀”，能应对图形处理、科学计算等多类需求，总之TPU的通用性和灵活性不如 GPU。

另一方面，英伟达的核心护城河 CUDA已经历经20年了，是一个成熟的软件生态，支持 PyTorch、TensorFlow 和 JAX 等主流框架，开发者社区庞大（CUDA生态服务全球400万开发者）。CUDA 中有各类的模型，集成工具也多（如 cuDNN、cuBLAS）且工具适配成熟，在大学课程、在线教程和企业项目中广泛普及，兼容性强，开发者能轻松迁移代码，这使得 GPU 在通用 AI 任务中更灵活。

虽然，TPU的成本效益高，但是，企业换用TPU需改造代码、培训人才，试错成本太高了。如今，90%的 AI 项目已经锁定在英伟达的软件栈中，迁移到 TPU 需要重写代码，几乎不可能。

推动TPU的生态难度极高，如谷歌的一个编译器框架，XLA，用于将高层次代码转换为高效的机器代码，但使用的时候，需要理解底层优化细节，如手动调整计算图、处理特定硬件加速等。这对初学者来说太复杂，因为它不像通用工具那样“开箱即用。

谷歌维护的JAX 库，虽然强大但抽象，需要用户熟悉函数式编程、JIT（Just-In-Time）编译等概念，初学者上手太难，，可能需要重写代码或学习新范式。也就是说，谷歌的TPU的生态较小众，学习和掌握这项技术需要投入更多时间、精力和技术门槛更高。相比，CUDA 的学习曲线更平缓，因为网上有海量教程、示例和兼容性。

总之，从生态系统的完整度、用户基数、工具链的丰富度和标准化程度以及软件整合上，英伟达的CUDA 有绝对的竞争优势。

如果谷歌的全栈策略（如 Gemini + TPU）将来进一步开放和普及，如提供更多的兼容工具，吸引更多开发者，的确会削弱CUDA 的垄断地位，但是，这需要很长的时间。

英伟达的回应

这几天，谷歌持续强势上攻，而英伟达还留在估值泡沫的舆论风暴中盘整，而“大空头”迈克博瑞还在“AI泡沫”论战中，称“英伟达就是当年的思科”。

昨日，英伟达盘中重挫了7%，而谷歌又再创新高。

英伟达大跌后罕见安抚市场，我司GPU比谷歌AI芯片领先一代。

我们对谷歌的成功感到非常高兴，他们在AI领域取得了巨大进步，我们将继续为其提供产品和服务。英伟达领先业界一代，它是唯一能够运行所有人工智能模型并应用于所有计算场景的平台。与专为特定AI框架或功能设计的ASIC相比，NVIDIA提供了更高的性能、多功能性和可互换性。