SemiAnalysis：Gemini 已退出前沿竞争，GCP 正加速向第三方出售 TPU 获利
相关推荐
机构：Gemini 3Pro或为谷歌模型竞争力阶段高点，AI棋局已转向「卖铲子」
BlockBeats 消息，8 月 7 日，谷歌 DeepMind 人事震荡后，市场对 Alphabet AI 故事的关注点正在从模型排名转向云业务变现。 AI 市场研究机构 SemiAnalysis 最新的报告中表示，Demis Hassabis 退出 DeepMind 日常管理、Jeff Dean 携 Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals 创办 Discovery Loop，叠加 Koray Kavukcuoglu 接手 Gemini/DeepMind，这一系列的变动代表着谷歌前沿模型团队正在经历一次深层重组。 SemiAnalysis 判断，Gemini 3 Pro 可能已是谷歌模型竞争力的阶段性高点，Gemini 在 2026 年的表现已明显落后于 OpenAI 和 Anthropic 等对手。 不过，SemiAnalysis 认为这场调整的最大受益方将是 Google Cloud。过去 Gemini 和 GCP 曾争夺算力资源，如今资源分配重心更倾向云业务和 TPU 商业化。 SemiAnalysis 估算，Gemini 在 2026 年二季度 ARR 约为 120 亿美元，而到 2027 年底，GCP 第三方 AI IaaS/TaaS ARR 可能超过 730 亿美元，TPU 销售额还将达到 1200 亿美元。 这也解释了近期市场对大型科技公司 AI 资本开支的重新定价。投资者一边担心模型公司烧钱过快，一边仍愿意给能卖算力、云服务和加速器的公司更高确定性。SemiAnalysis 称，GCP 上季度增长 82%，其中部分来自向外部 SPV 销售 TPU 系统，用于支持 Anthropic 等客户的数据中心。随着 TPU 积压订单扩大，GCP 2027 年增速可能显著高于卖方共识，并对 Alphabet 每股收益形成增量贡献。 SemiAnalysis 认为，谷歌 AI 故事的主线可能正在改写。Gemini 若继续掉队，将削弱 Alphabet 在前沿模型竞赛中的叙事；但 GCP 若能持续将 TPU 和算力需求转化为收入，市场对 Alphabet 的估值锚将更多落在云基础设施、企业 AI 平台和算力供给能力上。
传Google DeepMind拟裁超1/3：短期停更Pro，资源转向Flash
据动察 Beating 监测，Google DeepMind 正在酝酿进一步重组，可能裁掉三分之一甚至更多员工。GDM 目前约有 7000 至 8000 人，重组将重点精简岗位和实际工作不匹配的冗余人员。 更大的变化是模型路线。谷歌短期没有更新 Pro 模型的计划，也将减少对 Fable、Opus 同级超大旗舰模型的投入，把更多资源转向成本更低、迭代更快的 Flash。 这可能和 GDM 能拿到的资源有关。GDM 最近一个考核年的整体 OKR 只有 0.5/1，过去一段时间很难争取到更多大型模型训练资源。搜索、YouTube、Gmail 等谷歌核心业务同样需要大量 TPU。 还有一个内部细节或许可以解释为什么谷歌 Gemini 模型体验不佳：GDM 核心团队此前从未真正把 Gemini 当成日常主力模型，反而是非核心团队仍被要求使用 Gemini。
Google加快推出Gemini 4，力争重新追上OpenAI和Anthropic
Google正在加快推进新一代旗舰AI模型Gemini 4，目标是在今年年底前更早发布首个版本。Google DeepMind负责人Koray Kavukcuoglu表示，Gemini 4目前已经进入后训练阶段，公司希望尽快推出早期后训练版本，并在发布后持续进行快速迭代。（新浪财经）
日月光投控获 Google TPU 与英特尔追加先进封测订单
火星财经消息，经济日报报道，日月光投控受惠 Google TPU 量能放大，大举追加先进封测订单，英特尔加快推进 EMIB 先进封装平台，同步扩大对日月光投控委外释单，先前调高封测报价效益显现。Google 持续提高 AI 资本支出扩建数据中心，以 TPU 支应 Gemini 大模型、AI 代理及 Google Cloud 服务，市场预估 Google TPU 将于 2028 年进入大规模放量阶段，出货量上看 1200 万至 1500 万颗。日月光投控掌握 2.5D、3D 先进封装及高阶测试技术，Google 亦扩大采用台积电先进制程与 CoWoS 产能。英特尔冲刺 EMIB 先进封装平台，Meta、Google 等云端大厂相继导入 EMIB、EMIB-T 平台。日月光投控以纯封测代工定位，可直接采购有机嵌入式硅桥基板，承接后段晶圆级组装与高阶测试业务。日月光投控营运长吴田玉认为，英特尔 EMIB 与台积电 CoWoS 并非零和竞争。随 AI 芯片测试时间拉长，设备、材料及人力成本攀升，高阶封装与测试产能日益紧俏，主要封测厂已依产品、产能及客户条件陆续调升价格，涨幅约 5% 至 10%。
Google被曝携手AMD设计下一代TPU，CPU核心IP成关键，AI未来或更依赖CPU密集计算
火星财经消息，8 月 17 日，据 SemiAnalysis 客户报告引述市场消息，Google 正与 AMD 合作开发第 10 代 TPU 中的一款产品。这将是 AMD 首次真正参与定制 AI ASIC 项目。分析师认为 Google 已有九代 TPU 开发经验且长期由 Broadcom 负责实际硅设计，传统 TPU 设计并不需要 AMD，因此合作的核心吸引力在于 AMD 的 CPU IP、先进封装及互连技术。 报告特别指出 Google 及其客户正推动在 TPU 封装内集成 CPU 核心，以应对强化学习等 CPU 密集型工作负载的需求。传统 LLM 训练仍以加速器为主，但推理和代理式模型的强化学习需要更多通用计算资源围绕加速器运行。 这一趋势在 Google 近期硬件配置中已现端倪。面向推理、推理和强化学习工作负载的 TPU 8i 系统，每两个 TPU 搭配一个 Google Axion CPU；而第 7 代 TPU 服务器每四个 TPU 才搭配一个英特尔 Xeon 处理器。有消息称在某些场景下 CPU 与加速器 1:1 配比才是最优解，暗示 AI 计算的未来可能远比市场当前认知更依赖 CPU。若与 AMD 合作成真，Google 将把自研 TPU 加速器与 AMD 的通用计算核心结合，打造混合型 AI ASIC，这或许会重塑数据中心芯片的竞争格局。
Google DeepMind发布Lyria 3.5音乐生成模型，支持生成最长3分钟完整歌曲
BlockBeats 消息，7 月 30 日，Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，重点提升音乐结构、歌词质量、指令遵循、人声表现及歌曲时长控制能力，可直接生成最长 3 分钟的完整歌曲，而非仅数十秒音频。 据介绍，Lyria 3.5 仍采用 latent diffusion 架构，在时间音频 latent 空间进行扩散生成，训练数据为带有不同粒度文本标注的音频，并通过 SFT 及结合人类、Critic 反馈的强化学习进行后训练，所有生成内容均嵌入 SynthID 水印。不过，Google 未披露训练数据规模、来源及量化 Benchmark，仅表示相较 Lyria 2，在音频清晰度和歌词指令遵循方面取得显著提升。 此外，Lyria 3.5 首发集成至 Flow Music，后者支持对话式音乐创作、Stem 分轨、Remix、音乐发布、播放列表生成，并可联动 Veo 生成音乐视频，还支持开发音频插件、音乐游戏及自定义 DAW，进一步整合 Lyria、Veo 与 Gemini，构建覆盖音乐创作、编辑、发布和分发的完整生态。