在大洋彼岸的硅谷，一场围绕AI算力底座的“暗战”正悄然升级。

近期，媒体报道称谷歌用自研的TPU（张量处理器）芯片训练出的Gemini 3，性能超越了OpenAI用英伟达GPU（图形处理器）训练出的Chatgpt 5。随后，市场传闻Meta可能大规模采用谷歌自研的TPU，替代部分英伟达GPU。这一连串消息如投入湖面的石子，在资本市场激起层层涟漪。

11月以来，美股两大AI巨头走出跷跷板行情，英伟达下跌12.59%，谷歌则逆势上涨12.85%。英伟达构建的万亿AI帝国，会因谷歌TPU的崛起出现裂痕吗？在这场巨头博弈中，已深度嵌入全球算力产业链的中国企业，将面临怎样的机遇与挑战？带着这些问题，证券时报记者采访了多位深耕科技领域的基金经理与行业资深人士，试图透过技术路线之争的迷雾，探寻资本市场的真实逻辑。

定制化与通用型芯片之争

在外界看来，谷歌TPU与英伟达GPU的较量，像是一场“你死我活”的王座之争。但在专业投资人眼中，这更像是关于效率与成本的理性回归。

“谷歌TPU是定制化芯片，英伟达GPU是通用型芯片，所以我们讨论的是定制化和通用型芯片之争，而非谷歌和英伟达之争。”华宝港股信息技术ETF基金经理曹旭辰向证券时报记者指出。

历史总是惊人相似，曹旭辰认为，不仅服务器领域，在消费电子、汽车等传统领域，也曾经历定制化和通用型产品的竞争，最终结果是以不同份额在各赛道并存。比如手机赛道，既有通用的高通和联发科，也有定制的华为和苹果，“从底层芯片制造技术看，TPU和GPU没有区别，TPU这类定制化芯片的核心诉求就是降本”。

华北某公募基金经理从技术架构角度进一步剖析二者差异。“通俗讲，谷歌TPU在性能发挥、成本上相对优于英伟达GPU，但在生态开放和兼容性上不如后者。”该基金经理表示，“在当前大模型持续迭代、技术路线尚未完全定型的背景下，英伟达的通用GPU凭借CUDA的强兼容性，仍是多数厂商的最优选，一家独大的趋势可能仍会持续较长时间。而未来待大模型技术路线稳定后，专用ASIC如谷歌的TPU或将逐步成为算力加速芯片的主流。”

市场高度关注TPU，一个直接导火索是谷歌用TPUv6芯片训练出的Gemini 3，性能被认为强于OpenAI用英伟达GPU训练出的Chatgpt 5。

对此，曹旭辰提供了冷静视角：“这并不意味着英伟达的芯片不行。若简单用总算力/价格方式粗算，v6的单位算力性价比其实弱于英伟达的B200/B300，而明年谷歌v7p的单位算力性价比预计与英伟达的Rubin芯片相当。”他认为，这是芯片厂商竞争、技术距离拉近自然产生的趋势，而非新的颠覆性威胁。

上海某科技基金经理将这种竞争形容为“接力赛”。他指出，大厂自研芯片和英伟达的迭代都在加快，“虽然TPU v7暂时领先，但英伟达很快会在v7发布后量产Rubin，实现反超。未来二者并行，英伟达代表最高端的通用算力需求，而谷歌、亚马逊、Meta等厂商的自研芯片，将主要用于低推理成本的特定场景”。

曹旭辰预测，定制化芯片份额提升是既定趋势，市场预期到2029—2030年，全球定制化算力芯片和GPU的份额将呈现“五五开”局面。但在2026年之前，英伟达一家独大的格局不变，直到2027年左右，随着算力性能愈发接近，市场可能再度陷入份额的激烈博弈。

光模块与PCB或迎超预期增量

无论GPU还是TPU谁占上风，算力芯片竞争背后是对数据传输效率的更高要求，这对被称为“卖水人”的硬件供应链而言，不仅不是利空，反而是结构性利好。近期A股光模块、PCB（印制电路板）板块的异动，似乎正在提前反映这一预期。

财通基金表示，从需求端看，虽不同芯片架构对光模块、PCB等硬件组件的需求有一定差异，但这更侧重技术路径的多样性，而非根本性需求分歧；从供应链角度看，在PCB和光模块环节，国内部分头部供应厂商已走在世界前列，在客户响应速度、产品量产稳定性、成本方面都有优势。所以，尽管下游芯片厂商不断有新参与者，但国内核心供应链企业与全球主要客户的合作基础目前较稳固，在竞争中仍具优势。

值得注意的是，若谷歌TPU份额提升，可能为光模块和PCB市场带来超预期增量。

前述华北某公募基金经理向证券时报记者透露：“我们有个测算，对于光模块，谷歌和英伟达算力卡在纸面算力相等时，TPU v7的光模块用量是英伟达Rubin（2die版本）的3.3倍，这意味着若谷歌TPU部分替代英伟达份额，光模块板块增速将更快，占整体资本开支的比例也将进一步提升。”

在PCB领域，技术迭代带来的价值量提升同样明显。据该基金经理介绍，谷歌新一代TPU可能采用台光更先进的M9（HVLP4+Q glass）覆铜板材料，这将直接拉动高端PCB的价格和利润空间。

然而，在乐观预期中，也有机构投资者保持审慎冷思考。

曹旭辰提出独特风险视角：如果TPU模式大获全胜，可能意味着算力产业逻辑将由“持续通胀”转向“相对通缩”。

“我认为在总量没问题情况下，如果TPU胜出而GPU失败，算力产业链的估值无法支撑。”曹旭辰分析，“好的成长产业伴随着量、价、利润率的三重提升，过去两年算力产业链正是如此。一旦低成本的TPU成为主流，虽利好应用端，但对硬件产业链而言，可能面临估值压制。所以从稍长期角度看，GPU不能‘倒下’，一旦出问题，可能出现全产业链的估值坍塌。”

算力降本难掩“爆款”缺位

同时，市场也有观点认为，如果谷歌TPU能以更低成本提供强大算力，可能极大促进AI应用爆发，从而将市场焦点从基础设施硬件转移到应用软件和服务上。

对此，受访基金经理观点呈“长期乐观，短期谨慎”态势。

“AI投资的下半场是应用，但不意味着下半场已到来。”华北某公募基金经理直言，当前应用能否爆发关键在于大模型是否足够聪明，而非仅算力便宜。尽管算力紧缺，但他认为当前仍处于算力为王阶段。

曹旭辰进一步指出，科技赛道爆发往往始于一款爆品，如ChatGPT开启了算力元年。但目前AI应用核心问题是没有爆品，即使大模型正在侵蚀部分传统软件应用市场，但不得不承认，现在AI应用核心问题还是没有爆品。

“从中长期看，TPU的降本效果一定利好大模型公司和AI应用公司，因为降低了公司AI化转型门槛。但从投资角度看，AI应用能否像AI算力那样有较大弹性空间，还是存疑的，尤其是AI应用软件方面。”曹旭辰表示。

中欧基金基金经理冯炉丹认为，AI不仅是TMT（科技、媒体、通信）行业的事，作为通用生产力工具，它正在重塑传统行业。在当前阶段，她更关注以下几个方向：一是人形机器人与高端制造（具身智能），AI大脑赋予机械身体理解复杂指令的能力；二是智能驾驶，大模型正推动L3/L4级别的突破；三是AI+医药研发，AI在蛋白质结构预测、分子筛选方面的应用，正在大幅压缩新药研发周期。

应用落地是验证AI泡沫论关键

值得一提的是，随着英伟达股价起伏，华尔街关于AI是否存在泡沫的争论渐起，甚至许多投资者将当下的AI热潮与2000年的互联网泡沫相提并论。

在财通基金看来，两次浪潮确实有相似处：都源于技术突破，都引发资本狂热，且初期收入无法覆盖投入。但本质上，这次“不一样”。

“从技术落地看，本轮AI的文本模型已率先推广，编程等场景开始创收，云厂商收入增长提速；从产业链健康度看，GPU闲置率低，头部厂商的存货、现金流等指标健康，订单能见度极高；从估值合理性看，基于未来三年行业的高增长预期，我们认为目前产业链内公司的整体估值水平仍处于相对合理区间，尚未出现普遍过热迹象。”财通基金表示。

对于估值担忧，华北某公募基金经理用数据详尽对比：“2000年互联网泡沫顶峰时，龙头公司市盈率高达150倍，严重透支未来。而本轮AI龙头2025年的市盈率不到40倍，且有强劲财报支撑。”但他同时提醒，国内部分AI独角兽存在估值虚高，缺乏落地场景，投资者需警惕FOMO（错失恐惧症）情绪驱动的盲目投资。他建议重点关注PE（市盈率）和ROI（投资回报率）两个指标，以评估回本周期。

冯炉丹也表示，AI板块前期确实积累了显著涨幅，体现了市场对这一赛道的高度共识。但其股价上涨有业绩兑现支撑，而非纯粹概念炒作，若结合未来高成长性，从动态估值角度审视，板块整体未出现明显泡沫化。“当前投资机遇与风险并存，AI技术正处于加速迭代和商业化落地的黎明期，产业天花板极高”。

曹旭辰认为，互联网和AI革命最大区别在于门槛。“互联网产业参与门槛低，而AI产业参与门槛极高。”他判断，2026年云厂商大概率能顺利完成第一轮融资进行算力扩张，泡沫风险相对可控。真正分歧可能出现在2027年的第二轮融资节点。

“市场有无泡沫，核心是产业应用落地速度能否支撑高位股价。”曹旭辰表示，“如果2026—2027年能出现AI应用爆品，那么现在的AI不仅没有泡沫，反而可能被低估了。”

（文章来源：证券时报）

原标题：AI巨头“暗战”升级 基金经理透过技术之争看产业机遇

郑重声明：信查查发布此内容旨在传播更多信息，与本站立场无关，不构成投资建议。据此操作，风险自担。