谷歌點評：Gemini 3.8貫徹成本領先戰略

過去幾年，大模型競爭最重要的問題是誰能造出最強的模型。

但是，這個競爭邏輯正在發生變化。

原因在於，隨著模型能力持續提升，越來越多真實任務已經越過了「模型能不能完成」的門檻。對於高複雜度的科研、Coding 和長程 Agent，模型能力仍具有很高價值；但對於數量更大的低複雜度任務，模型從 90 分提高到 95 分，實際價值可能遠小於成本從 1 降到 0.3。

結合六週 Flash 模型的三次更新，與 Pro 模型的暫時沉寂。這說明，Google 的大模型戰略越來越明顯，就是低成本優先。

當然，你可能會發現 3.8 相比 3.7 其實貴了一些。兩代模型的 API 單價完全相同，但由於平均輸出 token 增加約 30%，Agent 任務的呼叫輪次也有所增加，Artificial Analysis 測得的單任務成本從約 0.40 美元升至 0.58 美元，增加約 45%。我們判斷，這是 Google 正在探索低成本路線中，成本和性能的邊界，但低成本路線是沒有問題的。

另一方面，高層發言也可以印證。今年第二季，Google CEO Sundar Pichai 表示 Flash 系列需求很強，因為它處在 performance 和 cost 的 sweet spot。

顯然，Google 正在把第一優先級目標從：

「把最強模型做到多強」

切換成：

「完成任務的成本做到多低」。

這兩種路線的差別很大。後一種模式更符合未來大規模 AI 應用的經濟性，因為絕大多數運算量最終不會來自極少數最困難的問題，而會來自數量極大的普通請求。

1. Google 的通路優勢會帶來大量使用者，而大量請求本身會放大低成本的價值

Google 和其他大模型公司的根本差異，在於 Google 已經擁有使用者。

今年第二季，Google Search 的 AI Mode 已經超過 10 億月活躍使用者；8 月 11 日，Gemini App 超過 10 億月活躍使用者。更大的通路優勢來自整個 Google 產品矩陣：Gemini 目前已經進入 Google 旗下 13 個使用者規模超過 10 億的產品，其中 5 個超過 30 億使用者。

開發者端同樣已經形成巨大規模。每個月超過 900 萬開發者使用 Google 的模型，其第一方模型 API 目前每分鐘處理約 220 億 token，一季前還是 160 億。

所以 Google 面對的經濟問題和一個從零獲取使用者的 AI 公司並不相同。

它真正需要解決的是：

如何以足夠低的成本，將 AI 提供給已經存在的數十億使用者。

這時候，識別任務複雜度就非常重要。

高複雜度任務首先購買的是能力。一個科研或複雜 Agent 任務，如果更強的模型能明顯提高成功率，那麼一次任務多花幾美元完全可以接受。

但 Google 每天面對的更多是低複雜度、高頻率的請求。

例如普通問答和簡單的 Agent，只要兩個模型都能正確解決問題，那麼模型能力再提高幾個百分點，對使用者的邊際價值已經很低；但如果一次推理從 0.5 美元降低到 0.2 美元，乘以十億級使用者和持續增長的呼叫頻率，就會對大模型公司產生巨大的成本差異。

因此，通路優勢和低成本優勢實際上存在乘數效應。

Google 的使用者越多，每一次推理降本產生的價值越大；成本越低，Google 又越能夠將 AI 進一步嵌入 Search、Android、Workspace、YouTube 等已有產品，從而繼續擴大呼叫規模。

這也是為什麼低成本模型對 Google 的戰略價值可能比對其他大模型公司更高。

2. TPU 的低成本優勢，會在低複雜度場景成為核心決定因素

對於高複雜度任務，成本差異通常不是決定因素。

如果一個模型能夠完成另一個模型無法完成的科研、Coding 或複雜 Agent 任務，使用者首先購買的是結果，模型貴一些並不會改變選擇。

但低複雜度任務的選擇規律完全不同。

一旦一個任務能被各個模型穩定完成，模型能力繼續提升帶來的邊際收益迅速下降，而完成成本就會成為核心競爭因素。

這正是 TPU（Google 自研晶片）能夠發揮最大價值的地方。

Google 可以同時控制晶片、模型和推理基礎設施。最新的 TPU 8i 本身就是針對推理負載設計，Google 公布的數據是相較上一代 TPU，推理 performance per dollar 提升 80%。

而在真實產品端，這種降本已經開始體現。Alphabet 第二季披露，即使 AI Mode 不斷加入更先進的模型和能力，經過軟硬體共同優化以後，單次 AI Mode 回答成本仍然下降到了產品推出以來的最低水準。

TPU 讓 Google 具備了一種能力：

在模型能力大競賽中，持續保持成本優勢的能力。

在最高端場景裡，這個優勢可能只影響一點利潤率，而不能獲取市佔率；但在低複雜度、十億級使用者、高呼叫頻率的場景裡，成本本身會決定哪些 AI 功能能夠大規模提供，以及最終誰能承受最大規模的呼叫量。

Google 這套策略要真正成立，需要兩個條件同時出現：

前沿模型逐漸同質化，同時 Google 本身始終留在前沿模型集團。

我認為未來兩三年，這兩個條件同時出現的可能性正在上升。

第一個條件機率極大。過去幾年的模型競爭已經表現出一個明顯特徵：任何一家公司的領先都越來越難長期維持。新的訓練方法、推論方法和模型架構擴散速度很快，一家公司出現明顯領先後，其他頂尖公司通常會在隨後幾輪模型更新中追上。

所以最終更可能形成的格局，就是少數幾家公司長期處於同質化能力區間。

但在低成本策略下，Google 能否始終留在這個集團的機率是否下降，恰恰是這套策略最大的風險。過去六週，Google 連續更新了三次 Flash 系列；相比之下，Pro 系列已經 6 個半月沒有更新。如果研發資源和產品目標持續向成本效率傾斜，Google 可能會犧牲一部分前沿能力，以換取更低的推論成本。

這就形成了一個內在矛盾：Google 的低成本策略只有在自身模型仍處於第一梯隊時才能發揮最大價值，但低成本優先又可能削弱它留在第一梯隊的能力。

目前，我們對這個問題暫且觀望，因為歷史反覆告訴我們，在沒有先發優勢的產業裡面，緊追不捨，或許還不如等待產業進入瓶頸再快馬趕上，這可能是 Google 真正的企圖。

本內容經由 AI 翻譯並經人工審閱，僅供參考與一般資訊用途，不構成投資建議。