具體而言，我們的研究表明，英偉達的GB300及其后續產品 Vera Rubin 將徹底重塑人工智能的經濟格局，為英偉達持續賦予競爭優勢。此外，英偉達在產量上的領先地位將使其成為相對而言更低成本生產商，并且無論是在大規模人工智能訓練還是推理任務中，其平臺都將是迄今為止最具經濟性的選擇。

就谷歌而言，我們認為它正面臨創新者的終極困境 —— 其搜索業務與廣告收入緊密綁定。若谷歌將廣告模式轉向類聊天機器人的交互體驗，其搜索查詢的服務成本將飆升 100 倍；另一種選擇是將商業模式轉向更一體化的購物體驗，但這絕非簡單地向用戶推送 10 個藍色鏈接就能實現。相反，這需要谷歌與用戶及廣告商建立新的信任契約，而即便 Gemini 近期表現不俗，谷歌目前仍未具備這一條件。盡管 ChatGPT 飽受詬病，但在我們看來，OpenAI 正通過強調可信信息而非強制推送廣告，穩步顛覆當今的在線體驗。歸根結底，人工智能時代的兩大早期推動者 —— 英偉達和 OpenAI，目前仍處于穩固地位。盡管未來可能發生諸多變化，但隨著 GB300市場采用率的提升，市場對這兩家公司的現有觀點很可能會發生轉變。

本文將闡述為何認為當前市場觀點存在偏差，解讀市場忽略的關鍵因素，以及英偉達即將推出的產品線如何重塑敘事格局。本文還將分析搜索、大型語言模型（LLM）和聊天機器人的經濟邏輯，并說明為何 OpenAI 盡管面臨諸多挑戰（競爭壓力、承諾履行、市場不確定性等），其處境仍比多數人設想的更為有利；同時探討為何谷歌雖無疑是人工智能領域的領導者，卻仍難以守住這一科技史上最成功的商業版圖。

我們認為，TPU 的核心問題并非其芯片本身是否 “優秀”—— 事實上它表現不俗。關鍵在于，對于人工智能的下一發展階段，TPU 在架構上缺乏廣泛的適配性。當前，前沿規模的工作負載對通信能力和帶寬的需求日益增長，且需要能夠擴展至超大型集群、同時避免因協調開銷過大而崩潰的系統。在我們看來，TPU 誕生于帶寬昂貴且難以實現的時代，這一設計初衷在模型規模擴大、工作負載多樣化的當下逐漸顯現局限性。

TPU 的設計初衷與性能瓶頸

TPU 適用于低帶寬需求的人工智能場景，在搜索等生產環境中已被證實有效，能夠出色完成特定訓練任務，且曾助力實現多個重要的早期里程碑。但隨著模型規模擴大和工作負載分布式程度的提升，我們的研究表明，TPU 的設計在擴展能力和架構內可用帶寬方面面臨實際限制。這也是 TPU 未能成為全行業廣泛采用的核心原因。

前沿訓練與 TPU 適配型工作負載的本質區別

我們認為，前沿人工智能研發正日益要求一種針對高帶寬和可擴展性優化的架構 —— 即能夠支撐 “GPU 工廠” 的系統設計，讓大量加速器能夠高效連接并保持高利用率。

談及人工智能工廠的核心需求，主要包括以下三點：

1. 近線性對分帶寬增長：對分帶寬本質上是網絡 “中間節點” 的吞吐量，即系統兩半部分之間的數據傳輸能力。隨著工作負載日益復雜和分布式化，添加更多設備時，跨架構的帶寬需實現平穩增長。

2. 最小化集合通信性能損耗：當系統規模擴大時，集合通信模式可能成為瓶頸。系統必須避免因參與節點增多而導致性能斷崖式下降。

3. 持續的實際利用率（約 50%）：目標并非理論峰值性能，而是在生產環境下，讓系統在大規模運行時持續高效完成有用工作。

在我們看來，基于高帶寬、可擴展互連技術的架構更符合這些需求。

“單一供應商集群” 的局限性

我們的核心觀點是，TPU 仍是單一供應商架構，其拓撲結構形成了緊密耦合的 “集群單元”，雖在當時是優雅的設計（類似 IBM Blue Gene、Cray 等歷史經典設計），旨在解決 “如何實現全連接” 的問題，但在兩方面存在明顯局限：

• 無法滿足前沿工作負載日益增長的擴展需求；
  

• 難以提供前沿級模型開發所需的海量通信帶寬。
  

這并不意味著 TPU 變得無關緊要。在我們看來，TPU 仍極具實用性和吸引力 —— 尤其適用于邊界明確的工作負載 —— 但 “有用” 并不等同于成為下一代人工智能工廠的主導基礎，更不足以侵蝕英偉達的護城河。

市場陳述的簡化誤區

我們認為，“某模型基于TPU訓練，因此TPU代表未來” 這一流行說法忽略了現實。事實上，部分大型模型確實采用了 TPU 進行訓練，但數據顯示，對于前沿規模、高通信需求的任務，GPU 類架構的必要性正日益凸顯，市場正趨向混合架構模式。

我們的研究還發現一個務實因素：在加速器供應受限的情況下，充分利用現有資源是合理選擇。因此，大量使用 TPU 并非表明其是終極解決方案，而是供應約束下的優化舉措。

核心結論

我們并非看空 TPU—— 它技術成熟，背后的工程設計令人印象深刻。但我們認為，英偉達通過端到端架構設計，在帶寬、可擴展性和持續利用率方面形成了核心優勢，而這些正是人工智能工廠從單一系統演示走向大規模生產基礎設施的關鍵要素，這也進一步鞏固了英偉達的護城河。

我們認為，近期 TPU 引發的熱潮，并非源于市場向非英偉達架構的結構性轉變，更多是由于產量受限、需求遠超供應，且所有超大規模科技公司都面臨資源稀缺的困境。在這種環境下，采購方和建設方會利用任何可用的可靠計算資源 —— 這一動態放大了 TPU 及其他替代方案的可用性和功能關注度。

CoWoS 是關鍵制約因素

我們的研究指出，當前最大的約束是封裝產能。CoWoS（晶圓級芯片封裝）是臺積電（TSMC）的一項封裝技術，它將晶圓上的芯片粒集成到基板上，實現超高速通信連接。在我們看來，這是現代人工智能系統的核心基礎，因為這類系統依賴芯片間及復雜多芯片架構間的高速數據傳輸。關鍵在于，當 CoWoS 產能緊張時，無論需求多么旺盛，先進人工智能加速器的產量都將受到限制。

CoWoS 消耗趨勢圖表解讀

下表展示了英偉達、博通（Broadcom）、超威半導體（AMD）等廠商的 CoWoS 預計消耗情況 —— 需注意的是，這一數據涵蓋所有芯片類型，而非僅針對人工智能芯片。這意味著非英偉達廠商的部分消耗用于其他產品類別和工藝需求，但核心結論不變：人工智能芯片同樣受限于這一封裝瓶頸。

數據來源：摩根大通股票研究

數據顯示，CoWoS 總產能將逐步大幅擴張，而英偉達鎖定了超過 60% 的份額：

• 2025 年：652
  

• 2026 年：1150
  

• 2027 年：1550
  

與此同時，隨著英偉達從 GB200 向 GB300 及后續 Rubin 推進架構升級，并優化交換技術和整體系統設計，領先平臺的計算效率和系統性能將持續提升。我們認為，市場應綜合看待這些趨勢 —— 即產能增長的同時，單系統性能也在提升，這將為那些既能保障產量又能快速積累經驗的廠商強化經濟優勢。而在這一場景中，英偉達無疑是絕對的領先者。

英偉達的提前采購轉化為市場份額與成本優勢

我們認為，當前敘事中最被低估的一點是：英偉達已提前采購并鎖定了大量 CoWoS 產能。因此，即便整體市場規模擴大，在上述規劃周期內，英偉達仍將保持顯著的市場份額 —— 預計到 2027 年，其在相關市場的占比仍約為 61%。而僅針對人工智能芯片市場，我們估計英偉達將維持近 80% 的份額。

我們認為，市場份額將由單位經濟效益決定。英偉達憑借產量領先地位和對關鍵瓶頸資源（CoWoS 產能）的掌控，將獲得結構性成本優勢和飛輪效應。

超大規模科技公司為何采用混合架構？

在供應受限的環境下，超大規模科技公司將采取混合架構策略。以谷歌為例，它會在適配場景中使用 TPU，在必需場景中采用 GPU，以最大限度獲取可用的計算資源。我們認為，這正是當前 TPU 熱度的主要驅動因素 —— 而非認為 TPU 能廣泛取代 GPU，用于前沿規模、高通信需求的工作負載。

我們還認為，大型超大規模科技公司（如谷歌）不太可能向直接競爭對手廣泛出售其專有加速器，從而形成真正的外部市場。盡管相關傳言不絕于耳，但在我們看來，“TPU 市場化” 敘事的更合理驅動因素是來自合作伙伴（如博通）和元宇宙平臺公司（Meta）的生態壓力（后者目前正尋求任何可能的競爭優勢）。簡而言之，這并非谷歌有意成為真正的商用芯片供應商的戰略決策。

產量的重要性：復利效應催生成本領先

我們認為，這一部分最核心的結論是以下三大因素的關聯性：

1. 產量領先（在半導體及其他規模化市場中始終至關重要）；

2. 經驗曲線優勢（學習效應、良率提升、供應鏈杠桿、系統優化）；

3. 對受限資源的掌控（以 CoWoS 產能為典型代表）。

在我們看來，這些因素的結合，使得英偉達憑借 GB300（尤其是后續的 Rubin）等近期平臺，有望成為代幣生產成本最低的廠商 —— 這并非僅僅源于峰值性能優勢，更在于規模效應和鎖定的產能將轉化為卓越的經濟效益。

短缺不會永久持續，但短期內難以緩解

我們認為，當前市場處于 “所有可信人工智能廠商均能售罄其產能” 的階段，核心原因是供應稀缺。但我們的研究表明，未來幾年隨著產能逐步跟上，這一局面將發生改變。從歷史上看，半導體行業往往在供應不足與過剩之間交替波動 —— 準確預判轉折點難度較大，但我們的研究顯示，供應緊張仍將持續一段時間，短期內（包括 2026 年）市場仍將處于供應受限狀態，而非產能過剩。

綜上：TPU 之所以受到關注，核心是市場供應短缺，而 CoWoS 是關鍵瓶頸。隨著行業周期成熟，英偉達鎖定產能、積累經驗曲線的能力，將進一步鞏固其市場份額和成本優勢。

近期，投資者加文?貝克（Gavin Baker）在播客中深入探討了 GPU 與 TPU 的經濟邏輯，整段對話極具參考價值。我們摘錄了其中一段內容，它簡潔地闡述了近期即將發生的經濟格局轉變。

我們認為，“低成本生產商” 這一定位至關重要，但往往被誤解且未被嚴格踐行。在規模化市場中，成為低成本生產商始終是核心優勢 —— 關鍵在于人們所指的是單位成本、交付價格，還是經濟利潤率結構。從這一視角來看，隨著技術棧的轉變以及 TPU/ASIC 供應鏈的經濟邏輯日益清晰，谷歌當前作為人工智能芯片低成本生產商的地位正逐漸變得脆弱。

谷歌當前的成本優勢真實但難以持續

我們的研究與加文?貝克的觀點一致：谷歌在其人工智能技術棧的部分環節享有顯著成本優勢，并借此積極開拓市場。谷歌能夠以低成本產能 “沖擊” 人工智能市場，是因為當單位成本降低時，企業可以擴大供應規模，并在價格和可用性上向競爭對手施壓。

但我們認為，這一優勢高度依賴于底層性能曲線和硬件供應鏈的經濟邏輯 —— 而這兩方面均在發生變化。

Blackwell：行業級學習平臺

我們認為，英偉達一個未被充分重視的結構性優勢是：大規模部署所形成的學習循環。大規模Blackwell架構部署（尤其是 X.ai 所推動的 “極限測試” 式部署），能夠暴露系統漏洞、優化性能，并提升可靠性。英偉達從這些實踐中汲取經驗，并將其推廣至整個客戶群體，這轉化為一種難以復制的上市時間優勢 —— 除非英偉達出現運營失誤，否則競爭對手很難企及。

我們認為，這種動態將形成復利效應：規模越大，問題暴露越快；解決方案越能廣泛普及；隨著更多客戶在生產環境中使用該平臺，其性能將持續優化。

規模定律依然有效：吞吐量與效率成核心溢價

正如貝克所指出的，Gemini 3 的表現證明縮放定律依然有效。我們的研究表明，若規模效應持續顯現，市場重心將轉向那些能以最低成本、最低能耗、最短時間完成最多訓練和推理任務的廠商 —— 且必須具備規模化能力。

這正是英偉達產品線的定位核心：GB300 與 GB200 實現無縫兼容。從霍珀（Hopper）到Blackwell的升級已帶來顯著提升。我們此前曾報道，由于新的冷卻需求、機架密度以及轉型復雜性，基于 GB200 的機架可靠性相對較低。但早期反饋顯示，新云廠商的 GB300 配置表現極為出色，從 GB200 基礎設施升級的阻力極小。這種兼容性加速了部署速度，也提高了客戶繼續選擇英偉達升級路徑而非轉向其他架構的可能性。

很明顯，經濟效益將進一步向英偉達傾斜。

TPU 的經濟邏輯：博通依賴對利潤率的侵蝕

我們認為，TPU/ASIC 技術棧的經濟邏輯往往被忽視。一個關鍵約束是：若大部分價值流向供應商（例如作為谷歌 ASIC 合作伙伴的博通），那么 “低成本生產商” 的說法將變得復雜。加文?貝克估計，規模化運營后，谷歌 TPU 業務 300 億美元收入中，約 150 億美元將流向博通，這將占據大部分利潤池。貝克用一個簡單的比喻解釋：谷歌如同建筑師，而博通是施工方 —— 后者負責管理與臺積電的合作關系。他正確地指出，蘋果之所以掌控從前端設計到后端所有環節（包括管理臺積電），正是因為在其規模下，這種垂直整合具有經濟合理性。

這種動態將長期影響谷歌的戰略決策。即便 TPU 的單位經濟效益孤立來看頗具吸引力，但供應商的利潤分配結構將削弱其持續壓低市場價格的能力 —— 尤其是隨著英偉達單系統性能的不斷提升。貝克指出，博通整個半導體部門的運營支出為 50 億美元，因此從長期來看，谷歌向博通支付 150 億美元的成本可能不再具備吸引力。

Rubin 進一步擴大差距

我們認為，從產品線規劃來看，GB300 將重塑成本曲線，而 Rubin 將進一步拉大差距 —— 英偉達與 TPU/ASIC 替代方案的差距將顯著擴大。在我們看來，這并非意味著 TPU 變得無用，而是使其應用場景更具局限性。隨著英偉達平臺成為規模化生產中成本最低的代幣生成方案，替代方案將被迫局限于特定場景，或成為 “有什么用什么” 的權宜之計。

歷史鏡鑒：英偉達 vs 谷歌 / 博通，希捷 vs 昆騰 / MKE

這一場景讓人聯想到 20 世紀 80 年代的硬盤驅動器行業之爭。當時，希捷（Seagate）是硬盤驅動器的領先制造商，采取垂直整合戰略，自行生產磁頭、介質和驅動器本身。而昆騰（Quantum）當時正深陷制造質量困境，后通過將生產外包給日本頂尖制造商 MKE 重振業務。盡管這需要設計方與制造商之間緊密的工程協作，但成功解決了昆騰的 “后端” 難題。此后，昆騰市場份額迅速增長，股價也隨之上漲。

本文作者曾與希捷 CEO、行業傳奇人物艾爾?舒加特（Al Shugart）交流，詢問這是否是一種具有價值的新商業模式。舒加特簡潔地回答：“當你需要付錢讓別人生產你的產品時，你的利潤就會減少。” 他進一步暗示，從長期來看，當行業整合完成后，希捷將成為最終的幸存者。當時全球約有 80 家硬盤驅動器制造商，如今僅剩 3 家，而希捷是其中市值最高的企業。

硅基芯片與模型之間存在緊密關聯。在接下來的部分，我們將聚焦更高層面的競爭，分析近期圍繞谷歌、Gemini 和 OpenAI 的市場敘事。

未來趨勢：模型趨同，服務差異化

我們的研究表明，競爭焦點正向上游轉移。盡管模型能力的快速提升令人矚目 —— 且我們相信，隨著人工智能工廠規模擴大，更大、更完善的模型將持續涌現 —— 但我們的核心戰略觀點是：僅靠模型質量無法構成持久的競爭優勢。在我們看來，市場重心將轉向以下三點：

1. 軟件生態系統；

2. 圍繞模型的服務體系；

3. 可靠且經濟地將模型落地應用的能力。

如前所述，即便谷歌當前能宣稱在成本方面擁有階段性優勢，但我們認為，隨著英偉達在平臺學習、無縫升級路徑、性能規劃方面的持續投入，再加上 TPU 供應鏈固有的利潤率限制，未來兩個周期內（甚至更久），“低成本生產商” 的優勢將重新回到英偉達手中。

Gemini 用戶增長敘事的誤區：谷歌的創新者困境

公允地說，Gemini 3 確實對人工智能領域的討論產生了重大影響，尤其是再次印證了縮放定律的有效性。但我們也認為，部分廣泛傳播的圖表 —— 尤其是那些暗示 ChatGPT 增長 “趨于平緩” 而 Gemini 增長 “爆發式增長” 的圖表 —— 若被用作衡量持久競爭優勢或經濟價值的指標，可能會產生誤導。

2025 年全球月活躍用戶（MAU）趨勢（圖表來源：TechCrunch）

為何月活圖表會扭曲真相？

我們認為，用戶增長圖表容易被過度解讀，因為它將截然不同的分發機制壓縮為一條曲線。一款產品可能因捆綁銷售、默認預裝、集成入口或展示位置優勢，月活用戶呈現 “爆發式增長”；而另一款產品可能看似 “增長平緩”，但其使用質量、商業化程度和生態忠誠度仍保持強勁。數據表明，這一現象背后的復雜性遠超表面敘事所呈現的那樣。

核心背景：谷歌本質上是廣告盈利引擎

我們認為，更關鍵的因素在于：字母表公司（Alphabet）的經濟重心仍在廣告業務 —— 尤其是搜索及相關廣告資產。如下表所示，谷歌從廣告業務中獲得了巨額運營利潤，且利潤率極高。

谷歌云業務雖收入絕對值可觀且盈利能力持續提升，但與搜索驅動的運營利潤規模相比仍相形見絀。即便運營利潤率不斷提高，云業務的利潤貢獻仍遠不及廣告業務帶來的數千億美元運營利潤和現金流入。而 “其他業務” 在整體盈利結構中幾乎無足輕重。

這構成了典型的創新者困境：谷歌憑借搜索業務擁有全球最優秀的技術交易市場 —— 海量查詢量、無與倫比的廣告變現模式，以及支撐盈利能力的高效計算基礎。這套系統運轉良好，且具備規模化優勢。

但我們認為，困境在于：谷歌如何在不破壞使其成為行業主導者的盈利引擎的前提下，從當前模式轉型為更 “全面” 的形態？數據表明，問題并非谷歌能否打造強大的人工智能模型 —— 它顯然具備這一能力 —— 而是能否在轉向新交互范式的同時，實現搜索產品和商業模式的演進，并維持原有的經濟效益。

關鍵觀察點

我們對谷歌的戰略疑問如下：

1. 谷歌能否從當前的 “搜索 + 廣告” 模式轉型為更全面的人工智能原生體驗，同時不侵蝕支撐其競爭優勢的利潤率和變現機制？

2. 能否在轉型過程中，保持使其現有體系高效運轉的運營紀律和低成本計算基礎？

Gemini 的增長勢頭令人印象深刻，但我們認為，更核心的問題在于經濟結構層面。谷歌在搜索領域的優勢，恰恰構成了其引領下一階段發展必須突破的困境。

參與度而非僅月活：用戶時長如何改變人工智能 + 廣告的經濟邏輯？

數據來源：SimilarWeb

我們認為，此前的月活用戶圖表未能完整反映真實情況，若據此推斷行業領導力或變現能力，可能會產生誤導。更具參考價值的是上述參與度數據 ——Specifically，SimilarWeb 的網頁用戶時長統計，因為用戶投入的時間更能反映使用強度、依賴度，以及最終的商業化潛力。

ChatGPT 在用戶時長上的領先地位更為顯著

盡管 Gemini 增長迅速，但 ChatGPT 在用戶時長方面仍保持顯著領先。圖表還顯示，其他參與者（如 DeepSeek 和 Grok）也實現了快速增長，但在我們看來，競爭格局仍高度集中，用戶注意力的主要爭奪仍集中在 ChatGPT 和 Gemini 之間。

核心指標不僅是 “誰在增長”，更是 “誰在搶占用戶時間”。

為何在廣告場景中，時長比 “用戶數” 更重要？

我們認為，結合谷歌的經濟模型來看，這一影響將更為突出。谷歌的盈利引擎建立在與搜索行為綁定的廣告變現之上 —— 高流量、低邊際成本，以及優化的轉化漏斗。這套體系的核心是高效提供海量廣告曝光機會。

但如果交互模式轉向 ChatGPT 式體驗 —— 更豐富的答案、更長的會話時長、更耗計算資源的響應 —— 其成本結構將發生根本性變化。

更豐富答案背后的計算成本難題

我們的研究表明，輔助式模型中的每一次用戶交互，其計算資源消耗都遠高于傳統搜索模型。關鍵在于，相同的 “用戶分鐘” 內，輔助式模型需要消耗約 10 倍的計算資源，才能為用戶生成更豐富的輸出。

在我們看來，這正是將人工智能輔助交互模式與廣告資助商業模式結合的核心難點：

• 傳統搜索中，廣告被嵌入低成本的查詢 / 響應流程；
  

• 輔助式體驗中，相同的用戶注意力需要消耗遠超以往的計算資源，這推高了每一次可變現交互的成本。
  

因此，盡管人工智能原生界面可能打造出更具吸引力的產品，但除非變現機制隨之演進以抵消成本增長，否則廣告交付的經濟效益將從高利潤率模式轉變為高成本模式。

用戶時長仍未完全反映真實變化

我們認為，用戶時長雖比月活更具參考價值，但仍未能完全捕捉行業的真實轉型。時間投入無法直接衡量市場上產生和傳遞的知識數量與豐富度 —— 而這種豐富度恰恰是計算資源消耗的核心驅動因素。

核心結論是：參與度是正確的衡量指標，但更深層次的問題在于經濟邏輯。若市場從低成本搜索交互轉向高計算成本的輔助式交互，服務成本（進而變現成本）將大幅上升。這正是谷歌廣告主導商業模式面臨的核心壓力。

我們認為，“谷歌將自我顛覆” 這一普遍觀點忽略了一個關鍵約束：搜索業務的單位經濟對谷歌極為有利，而從傳統搜索轉向輔助式交互模式，將徹底改變單位經濟，甚至可能摧毀其盈利引擎。

搜索的成本與收入結構

數據來源：摩根大通、theCUBE 研究

搜索是極致規模化、高度優化的計算業務

我們的研究表明，一次搜索的成本僅為幾分之一美分。這一成果源于：

1. 數十年的排名系統優化；

2. 極致的規模化效應；

3. 高度優化的基礎設施技術棧。

在我們看來，這可以說是全球成本最低的大規模計算服務之一，也是全球范圍內運營最出色的規模化服務之一。

利潤率結構是核心護城河 —— 難以輕易放棄

關鍵在于，每次搜索的收入是其成本的 5-10 倍，這構成了谷歌商業模式的核心 —— 超低單位成本與高價值交互變現的完美結合。

在我們看來，沒有人會輕易顛覆這種經濟模型 —— 并非缺乏遠見，而是替代方案必須跨越極高的經濟門檻。

工作負載特性的簡潔性 —— 核心優勢所在

我們的研究表明，搜索查詢的本質支撐了這種經濟模型：

• 每日搜索量約 80-90 億次；
  

• 數十億活躍用戶；
  

• 查詢通常極為簡短（多為 2-3 個關鍵詞）；
  

• 2/3 的搜索會產生點擊；
  

• 每次訪問約 1-1.5 次查詢。
  

這是一種高流量、低復雜度的工作負載，其優化核心是速度、效率和變現能力 —— 而非生成深度推理型輸出。

若不改變變現模式，搜索轉輔助將崩潰

我們的核心觀點是：若谷歌將這種超低成本交互轉變為 OpenAI 式體驗 —— 更豐富的響應、更長的會話、更高的單次交互計算成本 —— 其成本結構將急劇上升。若 “搜索” 成本增長一個數量級，而變現機制仍停留在傳統廣告模式，其經濟效益將大幅壓縮，商業模式可能徹底崩潰。

歸根結底，谷歌完全有能力進行創新，但數據表明，自我顛覆相當于一次經濟 “大手術”。現有搜索體系圍繞 “簡潔性” 和 “高利潤率” 優化，若在缺乏新變現模式的情況下轉向高計算成本的輔助式交互，可能會摧毀支撐轉型的盈利引擎。

注：產品 / 商業搜索僅占谷歌搜索查詢量的 10-20%，卻貢獻了 60-70% 的搜索收入。核心邏輯：低成本廣告模式 vs 高成本信息 + 信任模式 —— 從 “付費曝光” 到 “付費精準呈現”。數據來源：摩根大通、theCUBE 研究

當我們聚焦會話成本而非表面用戶數量時，谷歌能否自我顛覆的問題將變得更加清晰。如上表所示，傳統谷歌搜索的單位經濟圍繞 “超低交互成本” 和 “高利潤率變現” 構建，而輔助式會話則完全顛覆了這一邏輯。

谷歌搜索：每會話僅需數美分，按查詢廣告變現

我們的研究表明，谷歌搜索的單次交互成本約為 0.002-0.005 美元（如表格所示），且由于每次會話的查詢次數較少，最終每會話成本仍 “不到 1 美分”。其變現模式與這一結構緊密綁定：按查詢投放廣告，低成本與高廣告收益的結合造就了超高利潤率。

在我們看來，這正是谷歌搜索商業模式極具韌性的核心原因 —— 它是一種高度優化的低成本服務，并通過規模化實現高效變現。

ChatGPT 式會話：單位經濟結構完全不同

ChatGPT 的單次交互成本顯著更高，且會話模式也截然不同 —— 每次會話包含 5-10 次查詢，而非傳統搜索的簡短輕量交互。兩者結合，使得每會話成本大幅上升 —— 我們估計約為谷歌搜索的 100 倍。

關鍵在于，這并非意味著 ChatGPT 效率低下。事實上，ChatGPT 已處于行業效率領先水平 —— 但即便如此，其底層交互范式的每會話計算成本仍遠高于傳統搜索。

我們認為，這正是谷歌無法簡單將搜索轉型為 ChatGPT 式模式的核心原因 —— 這將嚴重破壞其利潤率。

“10-20% 查詢貢獻 60-70% 收入” 的難題：收入集中化帶來生存風險

我們的研究表明，搜索業務中最具經濟價值的部分是產品和商業搜索 —— 僅占查詢量的 10-20%，卻貢獻了 60-70% 的搜索收入。在我們看來，這種集中化正是轉型的核心難點：

• 這一部分是谷歌最需要保護的利潤核心；
  

• 同時，隨著人工智能輔助工具向上游滲透到高意圖工作流，這一部分也最容易受到沖擊。
  

變現邏輯的深刻轉變：從 “付費曝光” 到 “付費精準呈現”

我們認為，這是本研究報告中最核心的觀點之一：市場正從 “低成本廣告 + 藍色鏈接” 模式，轉向 “高價值、高成本的信息經濟”—— 信任與精準呈現成為核心產品。

在我們看來，這將帶來兩大直接影響：

1. 品牌將更關注信息質量，而非鏈接排名；

2. 變現模式將從 “付費獲取曝光” 轉向 “付費獲取驗證、可信、高保真呈現”—— 這是一種全新的商業邏輯和經濟模型。

谷歌 “混合模式” 的未來走向？

谷歌當前的策略 —— 提供混合路徑，允許用戶深入人工智能模式 —— 既巧妙又實用。理想情況下，谷歌希望緩慢推出輔助式體驗，將其作為獨立業務隔離，并收取溢價。

但現實限制了這一戰略：谷歌必須保護商業搜索的核心數據。盡管谷歌希望在現有基礎上疊加高價值服務，并向廣告商收取更高費用，但挑戰者更容易推出 “高成本、高信任度” 的服務 —— 因為它們無需維護傳統利潤率結構。我們認為，這正是 OpenAI 的核心優勢。

這種張力使得混合模式更像是一種過渡策略，而非穩定的最終狀態 —— 它最終必須在兩種經濟模型中做出選擇。

競爭格局框架

在我們看來，市場正分化為兩大核心戰場：

1. 英偉達 vs TPU/ASIC 替代方案：除非出現執行失誤，否則局勢對英偉達相對清晰；

2. 谷歌 vs OpenAI（及其他廠商）：局勢更為復雜，因為這不僅是模型質量的競爭，更是界面、經濟邏輯和信任的博弈。

核心結論是：每會話成本是這場新博弈的經濟驅動因素。它解釋了為何自我顛覆如此困難，為何高價值商業搜索領域如此脆弱，以及為何市場可能從低成本廣告庫存轉向高成本、基于信任的呈現模式。這將是未來十年的核心戰場。

搜索的未來：收入模型錯配與高價值領域的風險

我們認為，“搜索的未來” 核心問題并非模型質量，而是收入模型錯配。傳統搜索是廣告資助的機器，優化目標是 “低成本發現”—— 本質上是向用戶推送 “10 個藍色鏈接”，其變現與排名和點擊綁定，而非信息本身的質量和可信度。

搜索的未來趨勢：四大核心變化

隨著搜索轉向 “答案中心型” 和 “信任中心型”，我們的研究表明，谷歌的大部分利潤池將面臨暴露風險。

小部分查詢貢獻大部分收入 —— 信任流失可能導致核心利潤受損

本研究希望強調一個核心收入邏輯，我們認為這是關鍵所在：

• 10-15% 的查詢具有商業 / 產品意圖；
  

• 這部分查詢貢獻了 65-75% 的搜索收入。
  

在我們看來，這正是最易受信任侵蝕影響的業務部分。若用戶開始認為答案是為廣告商優化而非為買家著想，其價值主張將迅速貶值 —— 而這一小部分查詢恰恰是買家最關注質量、排名公正性和可信度的場景。

風險在于：谷歌可能保住大部分搜索流量，卻失去經濟上最關鍵的部分 ——“90% 的搜索量”，但并非支付賬單的核心部分。

生成式人工智能答案成本高出數量級 —— 規模化放大風險

我們的研究表明，生成式人工智能生成答案的成本，至少是傳統高度優化搜索查詢的一個數量級 —— 根據體驗設計不同，甚至可能達到兩到三個數量級。以谷歌的規模，即便是適度轉向人工智能密集型會話，也會對利潤率產生巨大影響。

我們認為，這既是時間問題，也是戰略問題。換句話說，隨著使用模式的轉變，轉型將開始侵蝕利潤率，公司必須在兩大相互矛盾的力量之間尋求微妙平衡：

1. 保護當前利潤率；

2. 防止高信任、高價值查詢流向其他平臺。

對消費者而言，這帶來了積極變化：用戶可以在低成本傳統搜索和高質量、高信任度答案引擎之間自由選擇。但這種選擇權也加劇了市場競爭壓力。

信任與權威成為新的轉換成本

由于谷歌的搜索份額已處于極高水平，未來只能面臨下滑 —— 因為競爭軸心已發生轉變。在傳統搜索中，若結果不佳，用戶只需優化查詢詞即可繼續使用；而在輔助式搜索中，當用戶對某個引擎產生依賴（因其持續返回高質量結果、具備記憶功能），信任將成為核心護城河。贏得信任的平臺將搶占絕大部分高價值會話份額。

關鍵在于：即便谷歌的模型質量強勁，其商業模式的激勵機制也與 OpenAI 截然不同。

這是全新的商業模式，而非僅是更優的用戶界面

在我們看來，未來并非 “更智能的廣告”，而是全新的價值鏈 —— 品牌需要被精準呈現、合理對比，并基于適配度而非付費排名獲得曝光。

本研究的核心觀點在于捕捉這種差異：一個復雜的高意圖請求，通過排名選項和行動計劃，可在一分鐘內得到滿足；而傳統搜索則需要更長、更反復的查詢過程。我們的研究表明，這種 “高質量商業搜索” 體驗正是市場份額可能轉移的核心領域 —— 而這正是經濟價值最高的部分。

OpenAI 的結構性優勢：通過訂閱制和 API 實現激勵對齊

我們認為，OpenAI 的結構性優勢源于其收入模型：

• 用戶付費（通常通過訂閱制）是因為重視體驗質量；
  

• 開發者和企業通過 API 直接為使用付費。
  

這種激勵機制與廣告資助型搜索截然不同 —— 在廣告模式中，付費方并非用戶，品牌為排名付費。在我們看來，這為輔助式平臺建立了更直接的 “質量 - 收入” 關聯。

在品牌端，我們的研究表明，新興趨勢是 “面向買家的 API”—— 基于可信信息構建，旨在在答案引擎中獲得高分。這與傳統的搜索引擎優化（SEO）和付費鏈接是完全不同的營銷和分發模式。

SEO 并未消亡，但正逐步衰退

我們認為，正確的表述是：SEO 并未消亡，但重要性將逐漸下降。隨著答案引擎通過信任和結構化供應商信息介導發現和排名過程，傳統 SEO 機制的重要性將不斷降低。

可能的結果：良性分化

我們的觀點是，市場將以 “谷歌絕對規模仍可觀，但戰略上被顛覆” 的方式實現分化：

• 谷歌將保留大部分通用搜索流量；
  

• OpenAI（及其他廠商）將在高價值、高信任度的商業意圖搜索中搶占份額。
  

谷歌將為這一高價值領域展開激烈爭奪，但我們的研究表明，這需要在模型層面之外進行大量投入：API 開發、軟件能力建設、界面設計，以及支持供應商和用戶從平臺獲取實際價值的周邊服務體系。

核心結論是：搜索的未來是激勵機制和經濟邏輯的重構。在市場最具價值的部分，那些能夠對齊信任、呈現質量和變現模式的平臺將獲得最終優勢。

7 重審先發優勢之爭：為何 OpenAI 的領先地位看似穩固？企業市場才是真正戰場

我們認為，有必要結合此前一個合理場景進行收尾：谷歌本有可能顛覆 OpenAI 的先發優勢。這一場景并非毫無根據 —— 它基于谷歌深厚的技術儲備、廣泛的分發渠道，以及 “將模型優勢轉化為產品和平臺領導力” 的假設。

OpenAI 有望保持領先地位

但如上圖所示，“OpenAI 有望保持領先地位” 這一結論，反映了我們當前的研究發現 —— 支撐 OpenAI 領先地位的條件正不斷強化，而非削弱。

頂尖模型將趨于收斂 —— 勿過度聚焦 “最佳模型”

我們認為，市場過度關注模型間的直接對比。現實是，領先實驗室都將推出高質量的大型語言模型：谷歌的模型表現強勁；Anthropic 的 Claude 聚焦編碼領域；Gemini 在多項任務中展現出競爭力；Grok 發展迅速。關鍵并非某一款模型 “表現不佳”。

我們認為，持久的差異化將從原始模型質量轉向以下方面：

1. 周邊軟件生態；

2. 應用程序接口（API）和開發者生態；

3. 應用場景和工作流；

4. 成為企業級應用默認平臺的能力。

OpenAI 的結構性優勢：平臺、API 與（可能的）計算資源優先級

我們的研究表明，OpenAI 在多個領域保持領先：

• 最優質的 API；
  

• 最豐富的應用場景；
  

• 用戶規模領先，且企業級市場 momentum 逐漸顯現。
  

我們還認為，OpenAI 與英偉達的密切關系至關重要。我們的核心觀點是：若英偉達仍是前沿計算的關鍵供應商，且 OpenAI 與該生態系統深度綁定，那么與那些 “敘事依賴英偉達被取代” 的競爭對手相比，OpenAI 將獲得計算資源的優先分配權。在我們看來，這種資源分配動態將進一步強化其能力落地和上市時間優勢。

企業市場占比正在轉變

在我們看來，這一部分最關鍵的數據是消費級與企業級用戶占比的變化：從去年的約 70/30（消費級 / 企業級），預計到今年年底將轉變為 60/40。

我們認為，這是一個重要信號 —— 企業級市場的增長往往比消費級市場的新鮮感更具粘性，也更能定義平臺價值。我們的研究表明，隨著企業逐步掌握以下能力，企業級采用率將持續提升：

1. 數據整理與質量提升；

2. 使數據可被人工智能系統發現和使用；

3. 落地能夠可靠呈現可信信息的工作流。

在我們看來，企業的 “數據就緒度” 進程，是人工智能模型從 “工具” 轉變為 “企業級系統” 的關鍵 —— 而這正是平臺優勢形成復利效應的核心。

谷歌具備優勢，但軟件與企業定位仍是疑問

我們認為，谷歌擁有諸多優勢，仍將是極具競爭力的對手。但我們的核心觀點是：在企業級人工智能領域，OpenAI 更有可能成為高質量軟件和平臺提供商 —— 而谷歌盡管技術實力強勁，卻并未被廣泛視為企業級人工智能軟件的領導者。

我們認為，這一點至關重要，因為下一階段的競爭并非 “誰的模型演示更出色”，而是 “誰能掌控工作流和集成架構”。

領先地位并非絕對，但當前優勢顯著

我們的研究表明，OpenAI 目前在平臺 momentum 方面 “遙遙領先”。這并不意味著其領先地位不可撼動 ——OpenAI 可能出現戰略失誤，或競爭對手找到更優解決方案。但就目前而言，我們認為最可能的結果是 OpenAI 持續保持領先，因為那些最關鍵的因素 —— 平臺生態、開發者采用率、企業級市場占比提升，以及稀缺計算資源的獲取 —— 目前均向 OpenAI 傾斜。

最后我們總結一下兩大核心結論：

1. 英偉達的護城河通過產量規模、經驗曲線效應和多年的端到端系統建設得到進一步鞏固；

2. OpenAI 的領先地位通過平臺執行能力和企業級市場需求得到強化 —— 在這一競爭格局中，模型質量已成為基礎門檻，真正的戰場在于圍繞模型構建的軟件和服務生態。

核心結論是：早期 “谷歌顛覆 OpenAI” 的場景雖有合理性，但數據和平臺動態表明，OpenAI 的先發優勢正演變為更持久的競爭力 —— 尤其是隨著企業級市場成為重心。OpenAI 與英偉達的關系意義重大。盡管英偉達會像當年的英特爾一樣，努力維持市場競爭平衡，但目前來看，它將繼續支持 OpenAI 等新興平臺，以及新云廠商等競爭力較弱的參與者。