獨家解讀丨財報越漂亮，Gemini越難產：谷歌到底怎么了？

“錢、人才、技術、入口都有，谷歌還缺什么？”

作者丨胡清文

編輯丨徐曉飛

賬面鼎沸，恰是博弈開端。

前天晚上，谷歌交出的成績單可謂相當漂亮，Q2 營收同比增長 24%，達 1198 億美元；谷歌云營收更是同比暴漲 82% 至 248 億美元。

面對全線飄紅的財報業績，華爾街的反應卻是反手把股價砸了下去。

謎底就在謎面上，Q2 財報中，谷歌將 2026 資本開支預期一口氣上調至 2050 億美元。錢撒得更狠了，但旗艦模型卻遲遲未交卷。

至今，Gemini 3.5 Pro 已跳票三次，谷歌的對策是用三款中端 Flash 模型極限補位，并同步官宣 Gemini 4 已啟動預訓練。

旗艦還沒上線，下一代已等不及登場，這不是一次孤立的產品延期，而是谷歌正在重新定義整套打法的信號。

在這份反常節奏背后，谷歌真正的顧慮是什么？它又把最重的賭注押在了哪里？比起 OpenAI 和 Anthropic 這些臺面上的對手，它真正難纏的敵人是否另有其人？

01

三次跳票，谷歌被 Agent 打醒了

“把 Gemini 3.5 Pro 的推遲原因歸結為編程能力和可靠性不達標，我覺得這個表述可能低估了問題的性質。”

元序智能 CEO 唐溪柳認為，這不是再打磨打磨就好的收尾問題，而是這一代模型的評價標準變了。上一代比的是單輪能力，一個問題答得準不準，而這一代的戰場是 Agent。

Gemini 3.5 Pro 原本預期在 6 月發布，但進入 6 月后，谷歌發現模型在關鍵能力上仍未達到內部標準，尤其是代碼生成和復雜任務處理能力不足，因此首次推遲發布。

在 6 月底，谷歌專項重置訓練數據修復編程能力，但內部測試結果依然不理想，公司選擇繼續等待而不是讓 “半成品” 倉促上線。 到 7 月 17 日前后，Gemini 3.5 Pro 再次錯過發布時間。

隨著三次推遲，谷歌擔憂的問題已經從單純的編碼能力，擴大到幻覺率、可靠性以及多步驟任務執行穩定性，尤其是在 Agent 場景下連續調用工具時容易出現失誤。

此前作為谷歌資深工程師的唐溪柳判斷，卡住谷歌的恰恰是遞歸工具調用的穩定性和復雜結構生成的一致性。

“這類問題很難靠繼續訓練線性解決，往往要回到數據、評測體系甚至預訓練層面重來，周期長、不確定性大?！?/p>

他還提到一個容易被忽略的變量，旗艦模型上線前的安全和合規審查，比兩年前重得多，這也實打實占時間。

據 The Information 獨家報道，今年 4 月 16 日 Anthropic 發布的 Claude Opus 4.7，在編程、大規模工具調用、Agent 操作等多項基準上全面超越谷歌當時的旗艦 Gemini 3.1 Pro 后，直接觸發了谷歌內部的應急反應。

谷歌聯合創始人 Sergey Brin 隨即在一份內部備忘錄中要求團隊果斷轉向，追趕 Agent 技術的差距，并強制要求工程師在多步驟任務中必須使用內部 Agent 工具。

一位美元基金投資人還提到了另一層原因，這一層甚至比技術落差更根本。

“傳統搜索的商業模式，本質上是用戶提出需求，谷歌分發流量，商家爭奪曝光，廣告按點擊計價。但如果未來用戶不是搜十個網頁，而是讓 Agent 直接完成任務，問題就變了。”

在這位投資人看來，谷歌必須把搜索升級成 Agent 入口，但這個升級過程可能會侵蝕掉自己最賺錢的搜索廣告模式。

這也解釋了為什么谷歌在把 Gemini 從“更聰明的聊天機器人” 改造成 “任務執行引擎” 這件事上格外謹慎。但凡一步走岔，動的不只是一個產品的口碑，而是自己最核心的現金牛。

另一方面，編程能力對谷歌的分量，也早已超出一般產品指標。

谷歌 CFO Anat Ashkenazi 曾透露，公司內部新增代碼已有約一半由 AI 生成，這意味著編程能力不再只是 Gemini 面對競爭對手的一個產品指標，Gemini 的編程短板會直接拖慢谷歌自己的工程引擎。

但對谷歌而言，延期帶來的輿論壓力，可能遠沒有讓編程能力不足“半成品”上線的代價高。這種謹慎，很大程度上來自于一段慘痛的教訓。

2023 年初，谷歌為了回應 ChatGPT 熱潮，緊急推出了 AI 聊天機器人 Bard，但在發布演示中，Bard 給出了關于詹姆斯?韋伯太空望遠鏡的錯誤信息，導致市場質疑谷歌在生成式 AI 領域的競爭能力，這次失誤令谷歌市值一度蒸發約 1000 億美元。

三次延期之后，Gemini 3.5 Pro 已經不只是一個遲到的模型，它更像是一道擺在谷歌面前的考題：這家曾經定義 AI 基礎研究的公司，要如何打出 AI 競爭所需要的答案？

02

3.6 Flash 背后，谷歌換了戰場

“旗艦模型即英雄的敘事正在退潮，而且這不是谷歌一家的轉向，是全行業的?！?/strong>

對于此次 Flash 系列模型密集補位的意圖，元序智能 CEO唐溪柳認為，真正大規模部署、產生商業價值的，往往不是最貴最強的那個，而是夠用、夠快、夠便宜的中間層。

“原因很實際，Agent 類的生產負載中一個任務要調用模型幾十上百次，單位成本直接決定這門生意成不成立，一個便宜十倍、能力打八折的模型，在工程上常常是更優解?！?/p>

據谷歌官方披露，3.6 Flash 相比上一代 3.5 Flash，在 Artificial Analysis Index 基準上輸出 token 消耗減少 17%，部分 DeepSWE 測試場景的降幅甚至達到 65%。這意味著同樣的 Agent 任務，成本和響應速度都會有實質性改善。

“Flash 這一檔在 Agentic 相關基準上已經能超過上一代 Pro，說明能力正在快速向下擴散，競爭重心正在從誰的天花板高，轉向誰能把足夠好的能力做得足夠便宜、足夠穩。”唐溪柳表示。

而谷歌之所以敢賭這套打法能奏效，是因為谷歌手握著別人復制不了的分發籌碼。

這位美元基金投資人認為，作為超級平臺，谷歌有著其他 AI 公司無可比擬的結構性優勢，谷歌不是只做一個更強的聊天機器人，而是把 Gemini 放進它所有核心入口。

“谷歌手握最強的分發入口，坐擁 Search、YouTube、Android、Chrome、Gmail、Workspace、Cloud、TPU 和數十億用戶。它的 AI 戰略，天然帶著互聯網巨頭的路徑延伸：入口、分發、廣告、生態、成本、規模?！?/p>

簡而言之，谷歌不是在爭奪一個新的 AI 入口，而是在改造一個已經擁有數十億用戶的入口。

而 Flash 系列所代表的，正是谷歌正在押注的另一條路徑。不再只追求單個模型的能力峰值，而是通過降低 token 消耗和推理成本，讓 Gemini 真正進入搜索、辦公、企業服務等高頻場景，把生態優勢轉化為 AI 使用規模。

Q2 財報顯示，谷歌的 Search & Other 收入達到 633 億美元，同比增長 17%；同時，谷歌 AI Mode 月度活躍用戶突破 10 億。在搜索、YouTube 等核心產品中，AI 正在成為新的交互入口。

“過去兩年，一個事實已經很清楚了，ChatGPT 等 AI 大模型并沒有打穿谷歌的搜索業務，用戶還是得搜索，廣告業務也沒有崩。但這并不代表谷歌沒有危險，真正的沖擊可能在 Agent 階段?！?/p>

這位投資人的判斷很直接，作為入口級平臺，谷歌不能只拼模型能力，還必須拼速度、延遲、推理成本和規模化部署效率。

但這場豪賭的另一面，是資本市場對 AI 投入回報周期的擔憂。

盡管谷歌 Q2 財報的營收增長，證明了 AI 正在帶來真實增長。但同時，Q2 單季度資本開支達到 449 億美元，導致自由現金流歷史上首次轉負，為負 59 億美元，這是谷歌上市以來從來沒有過的情況。

這里還有一個很有意思的插曲，谷歌目前持有 Anthropic 約 14% 的股份，本季度凈利潤里有相當一部分來自這筆投資的賬面浮盈。

一邊和 Anthropic 搶地盤，一邊靠持有對方的股份賺錢，盈利和市場份額，谷歌全都要。

03

谷歌最大的對手，也許是自己

谷歌如今的處境，本質上是一道“成也蕭何，敗也蕭何”的悖論。

回看過去十年，生成式 AI 浪潮中的很多關鍵技術節點，都與谷歌密切相關。

Transformer 架構誕生于 Google Brain，AlphaGo、AlphaFold 等改變行業認知的項目也來自谷歌旗下研究團隊 DeepMind?？梢哉f，今天 AI 行業競爭的底層技術，大量都建立在谷歌的研究基礎之上。

因此，谷歌在 AI 模型上的暫時落后，并不能簡單的歸結為技術落后或反應慢。更準確地說，這是一個擁有長期技術積累的公司，正在面對 AI 時代競爭規則變化帶來的挑戰。

“技術積累深和產品化快，本來就是兩種不同的能力，而且經常互相拖后腿?！?/strong>

唐溪柳認為，這不是某家公司的毛病，是所有大公司的結構性困境。一家公司如果已經有一個巨大且高利潤的現有業務，任何可能沖擊它的新東西，在內部都很難獲得 “不計代價往前沖”的授權。

這也是谷歌當前困境的特殊之處。

“它并不是一家缺少 AI 機會的公司，而是一家需要在已有巨大商業體系之上，尋找下一代增長方向的公司?！?/strong>

一位長期關注 AI 行業的投資人告訴雷峰網，過去兩年大模型并沒有像一些早期預測那樣迅速取代搜索業務。從 Q2 財報來看，Search 仍然保持增長，谷歌的核心商業模式并沒有被立即顛覆。

但真正的挑戰在于未來。

“如果 AI Agent 逐漸成為用戶完成復雜任務的重要方式，那么競爭的重點可能不再只是提供更好的搜索結果，而是誰能夠成為用戶和企業完成任務的入口?！?/p>

他認為，對于谷歌而言，這意味著它需要讓 Gemini 不僅成為一個模型產品，而是成為搜索、辦公、云服務等場景中的智能基礎設施。

顯然谷歌也意識到了這種變化。

過去幾年，谷歌內部一直在調整組織結構，希望縮短研究能力和產品落地之間的距離。

2023 年，谷歌將 Google Brain 與 DeepMind 合并，成立 Google DeepMind。合并的重要目標之一，就是進一步整合研究資源加快 AI 研發和產品推進。

隨后，谷歌繼續調整 AI 相關團隊。2024 年，CEO Sundar Pichai 在內部調整中強調，希望通過組織整合簡化決策，提高速度和執行效率，進一步推動 AI 模型、基礎設施和產品團隊之間的協作。

這些動作說明，谷歌自己也清楚，問題并不在于缺少技術能力，關鍵在于如何讓龐大的技術體系更快轉化為產品優勢？

“其實反過來說，谷歌的底子仍然非常厚。Transformer 出自這里、有自研 TPU 這樣別人沒有的算力底牌、有全球規模的分發入口。”

唐溪柳認為，當前谷歌更像是在競爭節奏上暫時落后，而不是長期格局已經確定。而 AI 時代最終競爭的，也并不只是模型分數。

“真要說這波競爭最終比什么，我覺得比的不是誰的模型分數高，而是誰能把 AI 真正嵌進真實的工作流里跑起來。這件事拼的是工程和對場景的理解，不完全是模型本身?！碧葡硎?。

谷歌的問題，從來不是手里沒有牌。

它手里握著這個時代最好的 AI 資源，也坐擁全球最大的互聯網入口。即使在今天，這樣的牌面依舊讓任何競爭對手望塵莫及。

所有的難題，谷歌都看到了。最好的牌，也被谷歌全部攥在手里。但 AI 時代的殘酷之處在于，牌多不等于出牌快。

谷歌的問題，從來不是不知道未來在哪里，而是當成功經驗已經被寫進組織基因，它還能不能在下一個機遇到來時，主動“違背自己的本能”。

谷歌最大的對手，可能不是 OpenAI，也不是 Anthropic，而是過去那個太成功的谷歌。

畢竟，歷史上所有偉大的公司，最后都會遇到同一個問題：

昨日的成功，究竟會成為穿越周期的資產，還是困住未來的慣性？

本文作者長期追蹤海外AI行業動態，更多深度信息，歡迎添加作者微信 IHAVEAPLANB- 互通有無。