究竟是什么样的更新，才能让谷歌CEO皮查伊称之为“众望所归”（Answering a top request from our users）？
那就是谷歌Gemini最新的Personal Intelligence功能。
它通过用户Gmail、Google Photos、YouTube和搜索等应用的数据，让AI能够跨数据源推理，提供个性化回答。真正意义上实现了AI全能管家。
几乎同时，谷歌还与苹果达成多年期合作，Gemini 3将成为新版Siri的技术底座。还有通用商务协议的发布。一系列动作密集而迅猛。
资本市场的反应也是立竿见影，Alphabet市值突破4万亿美元，19年来首次超越苹果。
这一系列更新背后，是谷歌全栈优势的体现。
从硬件到软件，得益于谷歌在AI产业链的每个环节都有布局，而他们也正在用技术栈控制越来越多的生态。
谷歌释放的信号很明确，不仅要赢，还要赢得更彻底。
技术代差可以追赶，资金差距可以弥补，但生态位的差距一旦形成，OpenAI们可能就永远无法追赶上谷歌了。
01
谷歌和苹果的合作，是一次世纪握手。
1月12日，两家公司联合宣布达成多年期合作协议，Gemini 3将成为下一代苹果智能（Apple Intelligence）的技术底座。
这次合作并非单纯的提供基座大模型那么简单。文章《“套壳”谷歌Gemini，但苹果还没死心自研模型》中提到，Gemini作为后台训练导师与复杂任务处理引擎（负责信息摘要、跨应用调度等），苹果自研模型处理本地敏感数据。
所有用户交互与数据流转通过苹果私有云完成，Siri控制权与隐私标准仍由苹果掌控，核心落地场景为今年晚些时候推出的新版个性化Siri。
根据外媒报道，这笔交易预计每年为谷歌带来约10亿美元的收入，但更重要的价值是数据。Siri每天处理约15亿次请求，这些交互数据将进一步强化Gemini的Agent能力。
即便不触碰任何用户的敏感数据，但是Gemini依然会了解用户的需求和处理结果。因此，当用户习惯在新版Siri中完成各种任务时，谷歌就掌控了从用户意图到应用执行的完整链条。
几乎在同一时间，谷歌在美国零售联合会推出通用商务协议（Universal Commerce Protocol，UCP）。这是一个开源的AI电商标准，可以让AI代理与商业系统无缝对接。
谷歌与Shopify、Walmart、Target、Wayfair、Etsy等20余家零售和支付巨头联手打造这一协议，使用户可以直接在Gemini应用和AI Mode中完成商品搜索、比价、下单和支付，无需跳转到商家网站。
这种“原生结账”体验彻底改写了电商的流量逻辑，入口从独立电商网站转移到了AI对话界面。
在零售端，Gemini还接入了Google Shopping Graph。这是一个包含超过百亿商品信息的知识库，支持AR虚拟试穿、价格保护、实时库存查询等功能。
说回谷歌的Personal Intelligence功能，它与ChatGPT仅能参考过往对话历史不同，这个功能主打的是可以跨应用推理，分析数据点之间的关系。
谷歌提供的案例显示，当用户站在轮胎店排队却不知道自己的2019款本田小型货车需要什么型号的轮胎时，Gemini可以从Google Photos中识别车辆配置，从Gmail收据中找到车牌详细信息，然后建议不同的选项。
比如一种适合日常驾驶，另一种适合全天候条件，参考的是在Google Photos中找到的家庭前往俄克拉荷马州的公路旅行记录。
用户可以单独控制每个数据源的访问权限，在隐私保护和功能体验之间取得平衡。
谷歌强调，Gemini不会直接在Gmail收件箱或Google Photos库上进行训练，而是仅使用“有限信息，如Gemini中的特定提示和模型的响应”来改进这一能力，且会采取措施过滤或模糊对话中的个人数据。目前该功能已向AI Pro和Ultra订阅用户开放测试。
02
AI产业正在进入一个被称之为“inference economics”（推理经济学）的时代。
在这个时代，竞争优势不再由训练模型的参数量定义，而是由“以最低成本提供有用信息”的能力决定。而谷歌在这方面的布局堪称教科书级别。
谷歌使用自研的TPU芯片训练模型，它的优势主要集中体现在在推理环节上。
这是因为GPU每做一次运算，都要频繁地从缓存或内存（HBM）中读写数据。这种“存取-计算-存取”的循环在推理时会消耗大量带宽和电力。
TPU让数据在处理单元之间直接传递。一旦权重加载进阵列，数据流进去就能连续完成成千上万次乘加操作，无需中间写回内存。
不仅如此，为了兼顾图形渲染、科学计算等任务，GPU拥有复杂的调度逻辑、分支预测和指令缓存。这些在纯粹的推理运算中属于“无效载荷”，但又必须耗费计算资源。
TPU剥离了所有非AI相关的电路。在推理时，由于模型结构是固定的，TPU能以极高效率的批处理（Batching），几乎没有时钟周期被浪费在指令调度上。
此外，谷歌在TPU Pod中使用了自研的OCI（光学电路交换）技术。
相比于英伟达依赖的电缆和 NVLink 开关，谷歌的光学互联能以更低的功耗提供数 Tbps 的跨芯片带宽。这使得 TPU 在处理超长上下文或超大模型推理时，通信开销更小。
当Gemini每天处理数十亿次查询时，每次推理哪怕只节省几美分，累积下来就是数亿美元的成本优势。
更深层的优势体现在商业模式上。
谷歌并不追求AI订阅收入的最大化，Gemini Advanced的定价策略比ChatGPT Plus更便宜，甚至在某些场景下完全免费，比如edu账号可以全年免费。
谷歌的战略是“羊毛出在猪身上”，强化生态锁定、增加用户停留时间、提升广告定向精度。
根据财报，谷歌约80%的收入仍然来自广告。对于谷歌来说，AI 并不是一个新生意，而是一次“广告引擎的史诗级大修”。
谷歌将Gemini深度嵌入。用得越多，用户的数据画像就越清晰，广告推送也就越精准。
不仅如此，传统的蓝色链接是搜索引擎让你尽快离开，点击去别的网站。
但是和Gemini对话截然相反，谷歌需要用户继续留在Gemini里。用户停留时间越长，展示高价值广告的机会就越多。
谷歌不靠卖AI赚钱，而是用AI让现有的广告生意变得更赚钱。
迭代速度的优势同样关键。
从DeepMind的研究idea到TPU的芯片优化，再到模型训练和产品部署，谷歌可以在一个闭环内完成整个链条。
而像OpenAI这样的AI企业，想要更新就需要协调微软的Azure云、英伟达的芯片供应、第三方的数据合作，决策链条冗长，响应速度必然慢半拍。
在AI军备竞赛的“以周计算”节奏中，这种速度差异可能决定市场窗口的得失。
所以谷歌才会更新得越来越快，同时他们还在扩大优势，形成“赢家总赢”的局面。
打下推理成本后，通过与苹果的合作，谷歌获得了大量的Siri请求数据，相当于ChatGPT日均25亿次提示词的60%。而通过UCP，谷歌还将在电商AI入口的争夺战中抢得先机。
这不是简单的技术合作，而是对流量分发权的重新定义。
数据飞轮是谷歌最难以复制的护城河。谷歌拥有Search、YouTube、Gmail、Maps等九个用户超过10亿的产品，每天产生的数据量远超任何竞争对手。
Personal Intelligence功能的推出，让这些数据首次被深度整合到AI体验中。
用户每一次与Gemini的交互，都在强化模型对个体偏好的理解，形成正反馈循环。这种“数据→模型→体验→更多数据”的飞轮效应，是OpenAI等独立AI公司难以企及的。
03
视角切换到OpenAI这边，他们此刻正陷入前所未有的困境。
2025年底，就在Gemini 3发布后不久，OpenAI CEO Sam Altman向全体员工发出了“红色警报”(code red)。OpenAI公司暂停了所有商业化项目，包括广告平台、个人助手Pulse、购物代理以及健康AI工具的开发。
全员转向一个目标，那就是追上Gemini 3的水平。
奥特曼后来在播客中承认，这种“红色警报”状态通常会持续6到8周，但他补充说：“Gemini 3的影响没有我们担心的那么大。”
然而市场数据讲述了另一个故事。
根据Similarweb的分析，ChatGPT在生成式AI市场的份额从2025年1月的87.2%跌至2026年1月的64%，而Gemini在同期从5.7%涨至21%。
ChatGPT的网络流量在近几周下降了22%，从12月初的约2.03亿日均访问量降至1.58亿，而Gemini的使用量保持稳定在5500万至6000万日均访问量。
此消彼长之间，ChatGPT的统治地位正在被撼动。
根据谷歌财报电话会议，Gemini的月活跃用户从2025年7月的4.5亿增长到10月的6.5亿，三个月内增长44%。
反观，Similarweb的数据显示，ChatGPT同期增长仅为5%-6%。
苹果合作的“降级”更是一记重击。
OpenAI曾是苹果在AI领域的首选合作伙伴，ChatGPT被整合到苹果智能中，用于处理复杂查询。
但在谷歌与苹果的新协议下，OpenAI的角色被边缘化了。
投资研究公司Equisights Research的CEO Parth Talsania一针见血地指出：“苹果选择Gemini作为Siri的底层技术，意味着OpenAI转变为辅助角色。ChatGPT仍然可用于复杂的、用户主动选择的查询，但不再是默认的智能层。”
更深层的迹象在于，谷歌全栈优势正在放大。
OpenAI没有自己的搜索引擎、操作系统以及产品矩阵。每一个APP之间除了账号相通以外，都是独立运作的。
但谷歌可以将Gemini无缝嵌入Gmail、Docs、YouTube等用户日常使用的工具中，反之还有Personal Intelligence功能。
ChatGPT却只能要求用户主动离开现有工作流程，用户想生成视频就得从ChatGPT里退出来打开Sora App。
谷歌很清楚一件事：用户对AI模型本身并不忠诚。
这个行业的残酷真相是，用户会毫不犹豫地在ChatGPT、Gemini、Claude之间来回切换，谁的模型在某个任务上表现更好，他们就用谁。
数据显示，越来越多的开发者开始使用LangChain这样的抽象层，让应用可以在不同的AI提供商之间无缝切换，而不需要重写代码。这种“多模型策略”正在成为常态，ChatGPT用于写作，Claude用于任务编排，Gemini用于多模态理解。
但用户对他们的数据、使用习惯、费用预算和工作效率倒是非常忠诚。
他们的数据不可能轻易迁移到其他平台，这些习惯也不可能一夜之间改变。
所以谷歌的战略就是抓住这些真正的忠诚度，通过更大的AI生态让用户感受到持续的价值增长，锁住用户。
当用户发现在Gmail里就能直接用Gemini起草邮件，在Google Docs里就能让AI帮忙润色文章，在YouTube里就能获得视频摘要，他们为什么还要打开一个独立的ChatGPT标签页？
这种“无缝体验”远比模型更有吸引力。
别的模型可能更聪明，但Gemini就在每天使用的工具里，不需要切换窗口，不需要复制粘贴，这就够了。
关键的是，谷歌还在不断降低用户使用AI的门槛，用价格战进一步扩大优势。
免费用户现在可以在Gemini CLI中使用Gemini 3，以前只有付费用户才能使用。
1月初，新用户年订阅Google One的AI Pro半价促销。这些动作的目标很明确：让更多用户进入谷歌的生态系统，让他们习惯在谷歌的产品中使用AI，让迁移的成本变得越来越高。
当技术竞赛演变为生态位竞争，先发优势和资金储备都不再是决定性因素。
谷歌正在用全栈建造一个AI帝国。
而对于OpenAI和其他竞争者来说，亮出“红色警报”并不能解决问题，他们想要追上谷歌的脚步，只会越来越艰难。
