Google 砸 800 億蓋 AI 軍火庫：焦慮爆表還是棋高一著？

> Meta Shift

Alphabet 上週宣布史上最大規模的 800 億美元股權募資，專門砸在 AI 基礎設施和運算能力上。這數字有多誇張？比 Meta 去年整年的研發支出還多 300 億。

這招很明顯是在回應一個殘酷現實：AI 軍備競賽已經從「誰的模型比較聰明」升級到「誰的錢包比較深」。當 OpenAI、Anthropic 這些新玩家搶走 ChatGPT 這張王牌，Google 終於意識到光有技術優勢不夠，還得有足夠的運算資源來打持久戰。

但這筆錢砸得值不值得？我覺得 Google 其實沒什麼選擇。現在 AI 基礎設施就像當年的雲端大戰一樣，誰先佔住最好的位置，誰就能在接下來十年收過路費。問題是，這場戰爭的入場券越來越貴，而且對手都不是省油的燈。

商業模式拆解

Google 的 AI 基礎設施投資主要瞄準三個賺錢管道：Google Cloud Platform (GCP)、自家產品的 AI 整合，以及全新的 AI-first 服務。

先看 GCP。據報導，Google Cloud 在 2023 年的營收約 330 億美元，年成長率 26%，但在雲端市場的佔有率只有約 10%，遠落後 AWS 的 32% 和 Azure 的 23%（來源：Canalys）。這筆 800 億投資的一大目標就是縮小這個差距，特別是在 AI 工作負載上搶更多市占率。

定價策略上，Google 押注的是「AI-native」路線。他們提供的不只是基礎運算資源，而是整合了 Tensor Processing Units (TPUs) 的專門 AI 服務。客單價據估計比一般雲端服務高 30-50%，主要客戶是需要大規模 AI 訓練的企業和研究機構。

護城河的部分，Google 有個別人很難複製的優勢：垂直整合。從自研的 TPU 晶片、到 TensorFlow 框架、再到 Bard 這類應用層服務，整條 pipeline 都是自己的。這讓他們能夠在性能和成本上做更深度的優化，也能提供其他雲端廠商沒有的整合體驗。

另一個重要營收來源是把 AI 能力整合進現有產品。Google Search、YouTube、Gmail 這些產品的月活用戶超過 20 億，如果能透過 AI 提升用戶參與度和廣告效果，就能直接反映在營收上。據估計，廣告點擊率每提升 1%，Google 的年營收就能增加約 20 億美元。

競爭格局

AI 基礎設施這場仗，戰場上有三種玩家，各自玩法完全不同。

雲端巨頭陣營：

• AWS：靠生態系優勢，提供最多樣的 AI 服務選擇，客戶黏性最強
• Microsoft Azure：與 OpenAI 深度綁定，企業客戶認知度最高
• Google Cloud：技術底子最厚，但市占率追趕辛苦

AI 原生公司：

• OpenAI：有 ChatGPT 這張王牌，但運算資源高度依賴 Microsoft
• Anthropic：技術實力強，但規模還小，主要客戶是企業市場

晶片/硬體廠：

• NVIDIA：賣鏟子的，誰贏對他們都好，但供應量是瓶頸
• Intel、AMD：想挑戰 NVIDIA，但生態系差太遠

目前看起來，AWS 在企業市場的領先地位還是很穩固，但 AI 工作負載確實給了其他玩家彎道超車的機會。Google 的策略是用技術差異化來打，但問題是企業客戶選雲端服務，技術只佔一部分考量，生態系和服務成熟度往往更重要。

最有趣的是，大家都在燒錢搶地盤，但真正賺到錢的可能是 NVIDIA。他們的 AI 晶片需求爆棚，毛利率超過 70%，而且不管誰贏最後都得跟他們買晶片。

Meta 判讀

這是一個標準的 Meta Shift。AI 基礎設施的投資門檻突然暴增，遊戲規則正在重寫。

這讓我想到 2010 年代的雲端大戰。當時 AWS 早期建立優勢後，Microsoft 和 Google 都砸了天文數字追趕。最後的結果是三家都活下來了，但市場格局基本定型。現在 AI 基礎設施很可能重演這個劇本。

不過有個關鍵差異：這次的技術迭代速度更快。雲端運算的技術相對穩定，先進者優勢可以維持很久。但 AI 領域每幾個月就有新突破，今天的領先優勢可能明天就被新架構或新演算法打破。

從投資者角度看，Google 這 800 億是必要的防禦性投資。如果不投，就有可能在下一波技術浪潮中被徹底邊緣化。但投了也不保證能贏，因為對手同樣在瘋狂燒錢。

我預測接下來 2-3 年會是 AI 基礎設施的「軍備競賽期」，各家都會砸重金搶地盤。真正的勝負手要等到 2027-2028 年，看誰能在燒錢的同時建立起真正的技術護城河和商業模式。

工程師該怎麼看

對工程師來說，這個趨勢有幾個直接影響：

技術選型上：多雲端策略會變得更重要。不同雲端廠商在 AI 服務上會有更明顯的差異化，純粹用價格比較會越來越沒意義。要開始關注各家的 AI 工具鏈和生態系。

職涯方向：雲端 + AI 的複合技能會變成標配。單純的前端或後端開發可能不夠了，要會 prompt engineering、模型 fine-tuning 這些新技能。DevOps 的範圍也會延伸到 MLOps。