在大洋彼岸的硅谷，一场关于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在性能上超过了OpenAI用英伟达GPU(图形处理器)训练出的Chatgpt 5。随后，市场传闻Meta或将大规模采用谷歌自研的TPU替代部分英伟达GPU。一连串消息如同投入湖面的石子，在资本市场激起层层涟漪。

11月以来，美股两大AI巨头走出了一段跷跷板行情，英伟达下跌12.59%，而谷歌则逆势上涨了12.85%。英伟达构建的万亿AI帝国，是否会因谷歌TPU的崛起而出现裂痕?在这场巨头博弈中，早已深度嵌入全球算力产业链的中国企业，又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，寻找资本市场的真实逻辑。

定制化和通用型芯片之争

在外界看来，谷歌TPU与英伟达GPU的较量，似乎是一场“你死我活”的王座之争。但在专业投资人眼中，这更像是一场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，因此，我们要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。

历史总是惊人的相似，曹旭辰认为，不止是服务器领域，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，其最终的结果均是以不同份额在各赛道并存。比如在手机赛道，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而言，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了二者的差异。“通俗地说，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，仍是大多数厂商的最优选，一家独大的趋势或仍会持续相当长的时间。而未来待大模型的技术路线稳定之后，专用ASIC如谷歌的TPU或将逐步成为算力加速芯片的主流。”

市场之所以高度关注TPU，一个直接的导火索是谷歌用TPUv6芯片训练出的Gemini 3，在性能上被认为强于OpenAI用英伟达GPU训练出的Chatgpt 5。

对此，曹旭辰提供了一个冷静的视角：“这并不意味着英伟达的芯片不行。如果我们简单用总算力/价格的方式粗算，v6的单位算力性价比其实还是弱于英伟达的B200/B300，而明年谷歌v7p的单位算力性价比预计与英伟达的Rubin芯片旗鼓相当。”他认为，这是芯片厂商不断竞争、技术距离相对拉近而顺其自然产生的趋势，而非新的颠覆性威胁。

上海某科技基金经理则将这种竞争形容为一场“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。未来二者是并行的，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”的局面。但在2026年之前，英伟达一家独大的格局未变，直到2027年左右，随着算力性能愈发接近，市场才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

无论是GPU还是TPU谁占上风，算力芯片的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，反而是结构性的利好。近期A股光模块、PCB(印制电路板)板块的异动，似乎正在提前定价这一预期。

财通基金表示，从需求端来看，虽然不同芯片架构对光模块、PCB等硬件组件的需求存在一定差异，但这更侧重于技术路径的多样性，而非根本性的需求分歧;从供应链角度看，在PCB和光模块这些环节，国内的部分头部供应厂商已经走在了世界领先的地位，从供应链的客户响应速度、产品量产稳定性、成本都具备优势。因此，尽管下游芯片厂商不断涌现新参与者，但国内核心供应链企业与全球主要客户之间的合作基础目前是较为稳固的，在竞争中依然具备优势。

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

前述华北某公募基金经理向证券时报记者透露：“我们有一个测算，对于光模块，谷歌和英伟达算力卡在纸面算力相等的情况下，TPU v7的光模块用量是英伟达Rubin(2die版本)的3.3倍，这意味着如果谷歌TPU部分替代英伟达份额，光模块板块的增速将更快，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可能会采用台光更为先进的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，在乐观的预期中，也有机构投资者保持了审慎的冷思考。

曹旭辰提出了一个独特的风险视角：如果TPU模式大获全胜，可能意味着算力产业的逻辑将由“持续通胀”转向“相对通缩”。

“我不认为在总量没问题的情况下，如果TPU胜出而GPU失败，算力产业链的估值能支撑住。”曹旭辰分析，“好的成长产业伴随着量、价、利润率的三重上修，过去两年算力产业链正是如此。一旦低成本的TPU成为主流，虽然利好应用端，但对硬件产业链而言，可能会面临估值压制。所以从稍微长期一点的角度来看，GPU是不能‘倒下’的，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，市场也有声音认为，如果谷歌TPU能以更低的成本提供强大的算力，可能会极大促进AI应用的爆发，从而将市场的焦点从基础设施硬件转移到应用软件和服务上。

对此，受访的基金经理观点呈现出一种“长期乐观，短期谨慎”的态势。

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

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

“从中长期而言，TPU的降本效果一定是利好大模型公司和AI应用公司，因为降低了公司AI化转型的门槛。但从投资上而言，AI应用能否像AI算力那样有较大弹性空间，还是要打问号的，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不仅仅是TMT(科技、媒体、通信)行业的事，它作为一种通用生产力工具，正在重塑传统行业。在当前阶段，她更重点关注以下几个方向：一是人形机器人与高端制造(具身智能)，AI大脑赋予了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，随着英伟达股价的起伏，华尔街关于AI是否存在泡沫的争论也逐渐风起，甚至有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之处：都源于技术突破，都引发了资本狂热，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，尚未出现普遍过热的迹象。”财通基金表示。

对于估值担忧，华北某公募基金经理用数据进行了详尽对比：“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的涨幅，体现了市场对这一赛道的高度共识。但其股价上涨背后有着业绩兑现作为支撑，而非纯粹的概念炒作，如果结合未来的高成长性，从动态估值的角度审视，板块整体并未出现明显的泡沫化。“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革命最大的区别在于门槛。“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。真正的分歧可能出现在2027年的第二轮融资节点。

“市场有没有泡沫，核心还是产业应用落地的速度能否接住高位的股价。”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。”