英伟达和谷歌，两场大会，两个人，说了同一个词。

3 月 16 日，圣何塞，GTC 2026。黄仁勋把数据中心定义为 " 生产 Token 的工厂 "，并给出一个惊人的判断，到 2027 年，这个市场的需求规模至少 1 万亿美元。

4 月 22 日，拉斯维加斯，Google Cloud Next 2026。桑达尔 · 皮查伊给出另一组数字：谷歌每分钟处理 160 亿个 token，上个季度还是 100 亿。今年资本开支 1750 亿到 1850 亿美元。

两个人都在谈 Token。但一个在描述供给，一个在展示消耗。

过去很长一段时间，外界习惯性地把谷歌放在追赶者的位置。

这个判断，正在失效。

把这两场大会放在一起看，会发现一个更关键的变化：这不是同一场竞争。

理解这两家公司，先要看清它们各自在卖什么。

英伟达的产品，是生产资料。

GPU 是通用算力，从 OpenAI 到 Meta，从字节跳动到主权基金，几乎所有头部 AI 玩家，都在它的客户名单里。

CUDA 生态汇聚超 600 万全球开发者、900 余个 CUDA-X 加速库，二十年持续迭代的生态飞轮，早已成为 AI 时代算力底层的标准件。

黄仁勋那句判断很有代表性：即便竞争对手的架构是免费的，也未必足够便宜。

2025 财年，NVIDIA 数据中心业务收入超过 1150 亿美元，同比增长超过 200%，毛利率在 75% 以上，在全球 AI 加速器市场占据约 80% 的份额。

换句话说，每 10 块 AI 算力芯片里，至少有 8 块来自英伟达。

这是一门典型的卖铲子的生意，而且是所有人都离不开的那种。

谷歌的路径完全不同，它提供的不是单一工具，而是一整套运行体系。

自研 TPU 芯片、训练 Gemini 模型、运行在 Cloud 之上，再对外提供服务。从底层算力到上层应用，全部打通。

目前 Google 云业务年收入已接近 600 亿美元，过去一年增长接近 50%，AI 相关需求成为最核心的驱动力。

这种模式更像是自己搭建了一座完整的工厂，再把多余的产能对外输出。

英伟达的逻辑，是把设备卖给所有人。谷歌的路径，则是先把体系跑起来，再让别人接入。

一个掌握生产资料，一个在组织生产过程。

这次谷歌 Cloud Next，TPU 最值得注意的变化，不在参数，而在结构。

从 2017 年 TPU v2 起至 2025 年 v7 Ironwood，整整六代产品，谷歌始终采用单颗通用芯片同时承载大模型训练与推理任务。

直到这次发布第八代 TPU，谷歌首次彻底战略转向，将训练、推理拆分为两颗专属独立芯片（TPU 8t、TPU 8i）。

分家的原因很直接，Agent 时代，推理和训练的负载特征完全不同。

一个智能体完成任务，往往需要多次调用模型，每一次调用都要求低延迟、高并发。这和训练阶段的集中算力需求完全不同。

一颗芯片同时跑训练和推理，哪头都凑合，哪头都不够好。

背后的算账逻辑很清楚。训练是一次性投入，模型训好就行。推理是持续性消耗，用户每用一次就推理一次。

当 token 规模从 100 亿 / 分钟跃升到 160 亿 / 分钟，推理端的效率开始直接决定成本结构。

这也解释了两家公司技术路径的差异。英伟达持续优化单颗芯片性能，谷歌更关注集群效率与整体成本。

TPU 从内部工具走向外部市场，有一个明显的标志，开始承载头部模型公司的核心负载。

2025 年 10 月，Anthropic 与谷歌签了一份多年期协议，最多使用 100 万颗 Ironwood TPU，价值数百亿美元。

这是 AI 历史上最大的单笔算力交易。

紧接着，Meta 传出正在考虑从 2027 年起部署 TPU。消息一出，英伟达股价当天大跌。

这一系列动作，对英伟达来说，是最危险的信号。不是某个小公司在试水，是 Anthropic，是 Meta，全球头部的大模型公司，都要把自家最核心的推理负载全部押在了 TPU 上。

谷歌的策略很明确：用 Anthropic 和 Meta 做样板客户，证明 TPU 能替代英伟达，然后通过 Cloud 平台把 TPU 算力卖给所有企业。

如果说英伟达的优势在软件生态，CUDA 形成了强绑定。谷歌的突破口，则来自成本。

Ironwood TPU 的核心目标是显著降低总拥有成本。精密分析显示，其每美元性能 / 价格比较前代提升 2 倍，相比 NVIDIA B200 在总拥有成本上具有约 30%～41% 的优势，可有效帮助企业控制推理成本。

当推理成本被压到对手的一半以下，软件壁垒就开始松动了。因为企业算账的时候，省下来的钱足够覆盖迁移成本。

技术壁垒依然存在，但经济驱动开始改变选择。

皮查伊在 Cloud Next 上说了三个数字：160 亿 token 每分钟。75% 的新代码由 AI 生成。今年投入 1750 亿到 1850 亿美元。

看起来分散，其实指向同一件事。

这些 token，不只是 API 调用，还包括搜索、广告、YouTube 推荐、安全系统和内部开发。

从 100 亿到 160 亿，单季度增长超过 60%，按这个规模估算，谷歌每天处理的 token 已经达到万亿级。

作为对比，当前头部模型公司的 API 调用，大致处在数百亿到千亿 token/ 天的区间。

谷歌的体量，已经超出单一模型公司的范畴，更接近一个基础设施级消费体。

这和黄仁勋提出的 "Token 工厂 "，形成了一个有意思的对照。

黄仁勋描述的是一个卖方市场。Token 是商品，GPU 是生产设备，价格分五个层级，从免费到 150 美元每百万 token。你来买设备，生产 Token，卖给你的客户。

他在 GTC 上连 Token 的定价体系都替行业设计好了。

英伟达围绕供给侧构建体系，谷歌则在放大需求侧规模。

一个定义产能，一个吞下产能。而长期来看，需求会反过来塑造供给。

谷歌对 TPU 性价比的优化动力，远超任何外部客户，因为每降低一分钱的推理成本，省下来的钱首先进了自己的口袋。本质上，谷歌自己就是全世界最大的 Token 消费者。

短期看，英伟达赢。CUDA 生态的壁垒、80% 的市场份额、75% 以上的毛利率，这些不会一夜被颠覆。

黄仁勋直言，到 2027 年英伟达将迎来至少 1 万亿美元的确定性算力需求；其中 60% 来自全球前五大超大规模云厂商，剩余 40% 分散于企业私有部署、主权云、边缘计算及全行业场景。

这份预判，有着十足的底气。

但谷歌正在把竞争拉到英伟达不擅长的维度。

这次 Cloud Next 上，GE 在谷歌的 Agent 平台上跑了超过 800 个智能体，覆盖制造、物流和供应链。毕马威首月部署超过 100 个智能体，90% 的员工在用。默克签了 10 亿美元合同。

谷歌云 CEO 库里安还确认，基于 Gemini 构建的苹果新一代 Siri 将于今年发布，合作每年价值约 10 亿美元。

当企业客户的需求从一块 GPU 变成了帮我管住一千个 Agent，卖芯片的就比不过卖系统的了。

英伟达解决的是有没有算力，谷歌要解决的是算力怎么被用起来。

这不是谁杀死谁的故事。就像石油行业既有卖钻头的哈里伯顿，也有自己钻井、炼化、零售一条龙的沙特阿美。两种模式会长期共存。

但有一件事正在发生变化。

过去，英伟达是所有人的唯一选择。现在，谷歌证明了另一条路走得通。Anthropic 选了 TPU，Meta 在考虑 TPU，苹果把 Siri 交给了谷歌 Gemini。

选择变多了。对垄断者来说，这就是最大的威胁。

ChatGPT 出来后的两年多，谷歌看起来像一个追赶者。但 Cloud Next 讲了一个不同的故事，谷歌没有赢模型竞赛，但它把 AI 重新变回了一个基础设施问题。

而做基础设施，恰好是谷歌最擅长的事。

谷歌不是在追英伟达，也并非想在芯片战场打败英伟达。

从一开始，它们跑的就不是同一场比赛。

AI 的上半场，是训练模型。下半场，是管理智能体。终局，可能是控制系统。

黄仁勋说 Token 是新的大宗商品。皮查伊说谷歌每分钟消耗 160 亿个。一个在定义市场，一个在吃下产能。

如果说上一轮互联网的入口是 App，这一轮 AI 入口不是模型，是系统。

而系统一旦形成，就不会轻易更换。