文 |   竞合人工智能

埃隆 · 马斯克宣称特斯拉下一代 AI5 芯片性能将较现有芯片提升 40 倍，黄仁勋的英伟达发布超长上下文推理芯片 Rubin CPX，而谷歌的 AI 科研系统在六大领域全面超越专家——这三家巨头正在以截然不同的路径重塑 AI 格局。

美国科技七巨头（Apple、Microsoft、Alphabet/Google、Amazon、Meta、Nvidia 和 Tesla）中，特斯拉、英伟达和谷歌被视为未来 AI 竞争中最被看好的领跑者。

Wedbush 报告指出，AI 领域的资本支出将在未来三年突破 2 万亿美元，而这些公司正各显神通地布局。谷歌凭借 71 页科研报告展示 AI 在多个科学领域超越专家的能力，英伟达以 Rubin CPX 芯片重新定义算力效率，而特斯拉则将其未来价值的 80% 押注在人形机器人和自动驾驶。

01 三强鼎立：各异其趣的 AI 战略

特斯拉的 AI 战略紧紧围绕 " 现实世界应用 " 展开。马斯克宣称，特斯拉未来约 80% 的价值将来自 Optimus 人形机器人。

特斯拉的 AI 优势在于其现实世界数据获取能力：数百万辆特斯拉车辆每天收集大量真实路况数据，为训练自动驾驶系统提供源源不断的燃料。这种数据优势是其他公司难以企及的。

英伟达则继续扮演着 AI 时代的 " 卖铲人 " 角色。最新推出的 Rubin CPX 芯片专为长上下文工作负载设计，能够处理数百万 tokens 的推理任务。

黄仁勋的创新在于将 AI 推理分为上下文阶段与生成阶段，分别优化计算与内存资源，显著提升算力利用率。

谷歌的 AI 战略则体现在科研深度与跨领域泛化能力上。谷歌最新 AI 系统在六大领域全面超越专家，包括基因组学、公共健康、地理遥感、神经科学、数学和时间序列预测。

谷歌提出的 " 实证软件 " 概念，将科研问题转化为可计分任务，使 AI 能够自动生成研究思路并写出可执行代码。

02 失意巨头：Meta 的 AI 困境与挣扎

在 AI 竞赛中，Meta（Facebook 母公司）虽然投入巨大，却面临重重挑战。Meta 曾计划在 2025 年投入至少 4000 亿美元提升 AI 算力，部署 130 万张 GPU，但其 AI 之路却 " 节节败退 "。

Meta 的核心问题在于战略摇摆和组织文化。2021 年，当其他科技巨头开始布局生成式 AI 时，Meta 却全力押注元宇宙，更名并投入数百亿美元建设虚拟世界。这一决策导致两个严重后果：错失生成式 AI 的黄金发展期，直到 ChatGPT 爆火后的 2023 年 2 月，Meta 才成立专门的生成式 AI 团队，而此时 OpenAI 已领先一年；资源分散，元宇宙业务 Reality Labs 持续巨额亏损，2025 年第一季度达 42 亿美元，消耗了本可用于 AI 的现金流。

Meta 的技术路径也存在争议。虽然 Meta 计划投入巨额资金提升算力，但其技术路径依赖传统的密集 Transformer 架构，导致资源利用率较低。相比之下，DeepSeek 等竞争对手通过稀疏 MoE 架构（仅激活 5%-10% 参数）和 FP8 混合精度训练，将训练成本降至 Meta 模型的 1/11。

2025 年 5 月，Meta 宣布将其 AI 部门拆分为两个独立方向：面向消费者的 AI 产品团队，以及追求通用人工智能（AGI）的 "AGI Foundations" 基础组。这一重组反映了 Meta 试图解决 " 研究导向 " 与 " 产品落地 " 之间的矛盾。

03 硬件为王：芯片战争的三个维度

AI 竞争的核心是算力竞争，而算力竞争的关键在于芯片。

特斯拉停止了 Dojo 项目，将资源集中到 AI5 和 AI6 芯片开发上。马斯克称 AI5 芯片已完成设计评审，并称其为 " 史诗级 " 产品，针对参数规模约 2500 亿以下的模型，可能是最佳推理芯片。

英伟达的 Rubin CPX 则搭载 128GB GDDR7 内存，在 NVFP4 精度下提供 30 petaFLOPs 的算力，专门优化高吞吐的上下文解析任务。英伟达估计，部署价值 1 亿美元的新芯片，将能为客户带来 50 亿美元的收入。

谷歌则通过合作伙伴关系强化硬件能力。与英伟达的合作使谷歌能够通过 Vertex AI 和 Google Distributed Cloud 为企业提供 Gemini 模型服务，利用英伟达的 Blackwell 平台提升性能。

04 软件生态：从代码生成到科学发现

软件层面，三家公司也呈现出不同的发展路径。

谷歌的 AI 系统已经能够自动生成代码并优化科研方法。在基因组学任务中，AI 把 BBKNN 和另一种方法 ComBat 拼接在一起，得到一个完全新颖的解法，比最佳人工方法提升了 14%。

特斯拉的软件优势体现在其完整的垂直整合能力——从芯片到车辆再到机器人，特斯拉控制着整个堆栈。这种整合使得特斯拉能够将自动驾驶领域的技术进步快速迁移到人形机器人上。

英伟达则通过软件栈支持其硬件生态系统。Dynamo 平台能够协调上下文处理和生成处理工作，使 Rubin CPX 负责处理长序列输入，Rubin GPU 负责逐 Token 生成，两者通过高速连接和统一的软件栈配合完成整个任务。

05 数据优势：各具特色的护城河

在 AI 时代，数据是新的石油，而这三家公司各自拥有独特的数据优势。

特斯拉通过其电动汽车收集的真实世界驾驶数据是无价的。这些数据不仅用于训练自动驾驶系统，还可能用于训练更通用的人工智能系统。

谷歌则通过其搜索引擎和各种服务（如 Google Maps、Google Photos 等）收集大量用户数据，这些数据可用于训练和改进 AI 模型。

英伟达虽然不直接收集终端用户数据，但其通过合作伙伴获得的多样化工作负载数据，帮助它优化芯片架构和软件栈，更好地支持各种 AI 应用。

06 被挑战的巨头：微软、苹果与亚马逊的应对

面对特斯拉、英伟达和谷歌的 AI 攻势，其他科技巨头也在积极布局。

微软正在加大自研 AI 模型的投入。据透露，微软计划扩大计算集群规模，将是目前模型的 " 六到十倍 "。微软的 MAI-1-preview 模型在 15000 块英伟达 H100 芯片上进行了训练。

微软采取的是 " 多模型策略 "，既深化与 OpenAI 的合作，又与其他模型制造商合作，同时构建自研模型。这种策略的优势是灵活性，但可能分散资源。

苹果则在其最新的 iOS 26 中深度整合 AI 功能。Apple Intelligence 套件已扩展至包括消息、视频通话和电话的实时翻译，以及照片和屏幕截图的视觉分析。

苹果的优势在于其完整的硬件 - 软件 - 服务生态系统和强调隐私的卖点。但在生成式 AI 和大语言模型方面，苹果相对落后于谷歌和微软。

亚马逊通过 AWS 在 AI 云服务领域占据重要地位，但其自研大模型的性能与领先者仍有差距。亚马逊的策略是通过投资 Anthropic 等 AI 公司，并结合自身的云服务优势，为企业提供完整的 AI 解决方案。

07 未来格局：多条道路的碰撞与融合

未来的 AI 竞争格局可能会呈现出多条不同道路的碰撞与融合。

特斯拉的道路是具身智能，将 AI 与物理世界交互相结合，通过机器人和自动驾驶车辆实现。

英伟达的道路是提供基础设施，作为 AI 时代的 " 卖铲人 "，为整个行业提供计算工具。

谷歌的道路是通用人工智能，通过大规模模型和算法创新，实现人类水平的智能。

Meta 的道路仍在探索中，但其最近的组织架构调整显示，它可能同时追求消费者 AI 产品和前沿 AGI 研究两条路径。Meta 面临的挑战是如何将技术进步转化为实际的产品和商业价值。

Wedbush 分析师 Daniel Ives 预测，未来科技股将在 2025 年迎来约 25% 的增长，主要原因在于市场环境更为宽松、企业在 AI 方面的投资意愿增强。

芯片已跨越星球成为刚需。特斯拉人形机器人的手部细节逼真，AI 芯片的算力达到史诗级，能源网络的智能正在部署。

英伟达的 Rubin CPX 芯片处理百万 Token 推理任务时，注意力机制的处理速度比前代快 3 倍。谷歌的 AI 系统把科学家几个月的探索压缩到几小时完成。

这些科技巨头正在不同的跑道上竞赛，但毫无疑问，特斯拉、英伟达和谷歌已经率先看到了终点的曙光。而 Meta 等其他巨头仍在调整战略，寻找自己在 AI 时代的最佳定位。未来的 AI 竞争将不再是单纯的模型性能比拼，而是技术实力、产品化能力、商业模式和生态系统的综合竞争。