本来大家都以为 AI 的剧本已经写死了：模型看 OpenAI，芯片看英伟达。结果 Gemini 3 一出，剧情突然就反转了。 Google 除了大秀模型，还把真正的杀招摊开摆在桌上，TPU 不止在云里跑，现在要进 Meta 的机房。市场瞬间整明白了：Google 想建立的一条完整的谷歌链开始成型了。听懂的也包括Nvidia，谷歌刚给 Anthropic 扔了 100 万片 TPU

#Gemini 3 #Google TPU #英伟达GPU竞争 #AI供应链重塑 #谷歌生态

相关新闻

RamenPanda

6小时前

大白话讲解谷歌TPU VS GPU #### 1. TPU 诞生的真正原因（2013-2015） - Google 谷歌发现：如果每个安卓用户每天用语音搜索 3 分钟，现有 CPU/GPU 算力要让全球数据中心翻倍。 - 结论：必须自研 ASIC 专门跑矩阵运算（神经网络推理），否则 AI 成功会把自己“撑死”。 - 从立项到量产仅 15 个月，2015 年就已经在 Google 搜索、地图、照

luolink

8小时前

测出来一个有意思的事情，有一个网站seo的收录有问题，同时问了Claude，和codex，一直找不到症结，最后被Gemini 3 挖出来了，好像Google自己的产品更了解seo~

AI进化论-花生

11小时前

又开发了小产品「小票笔记 - Thermal」，在小红书发布10小时后，获得了2600+点赞收藏。其实产品理念和视觉设计都是受Gemini 3出来后很多用户尝试而获得的启发。以及，在Claude Code + Cursor + Gemini 3的帮助下，就花了半天开发，可以说毫无技术难度。唯一关键因素是我真的把它做出来了！

范凯谈AI

19小时前

我这两天仔细研究了一下Google的TPU，简单写一下我的初步结论： 1. Google TPU在特定的场景下，例如超大规模模型训练(万卡)和推理上，能效比超过了同等算力的英伟达GPU，能效比应该至少提升30%，也有说更高的。为啥TPU强？除了TPU是更有针对性的ASIC之外，TPU为大规模并行计算做了硬件的优化(光互联)和软件的优化(JAX/XLA)，从理论上就优于更加考虑通用性和兼容性

Frank Wang 玉伯

23小时前

跟随 Gemini 3 和 Nano Banana 的火爆，最近每天都在把玩各种内容。突然不再想上小红书、YouTube、抖音等各类平台。这些传统内容平台都凸显出一个巨大问题：充斥着死内容。内容不应该生产出来后，就定型了。比如看 YouTube 视频，经常会看到某一画面，脑海里想就这画面延拓一个分支去探索。用 YouMind 可以把感兴趣的画面截取下来，但保存下来后，进一步分叉探究的交互形态，