作者丨胡清文
账面鼎沸，恰是博弈开端。
前天晚上，谷歌交出的成绩单可谓相当漂亮，Q2 营收同比增长 24%，达 1198 亿美元；谷歌云营收更是同比暴涨 82% 至 248 亿美元。
面对全线飘红的财报业绩，华尔街的反应却是反手把股价砸了下去。
谜底就在谜面上，Q2 财报中，谷歌将 2026 资本开支预期一口气上调至 2050 亿美元。钱撒得更狠了，但旗舰模型却迟迟未交卷。
至今，Gemini 3.5 Pro 已跳票三次，谷歌的对策是用三款中端 Flash 模型极限补位，并同步官宣 Gemini 4 已启动预训练。
旗舰还没上线，下一代已等不及登场，这不是一次孤立的产品延期，而是谷歌正在重新定义整套打法的信号。
在这份反常节奏背后，谷歌真正的顾虑是什么？它又把最重的赌注押在了哪里？比起 OpenAI 和 Anthropic 这些台面上的对手，它真正难缠的敌人是否另有其人？
三次跳票，谷歌被 Agent 打醒了
“把 Gemini 3.5 Pro 的推迟原因归结为编程能力和可靠性不达标，我觉得这个表述可能低估了问题的性质。”
元序智能 CEO 唐溪柳认为，这不是再打磨打磨就好的收尾问题，而是这一代模型的评价标准变了。上一代比的是单轮能力，一个问题答得准不准，而这一代的战场是 Agent。
Gemini 3.5 Pro 原本预期在 6 月发布，但进入 6 月后，谷歌发现模型在关键能力上仍未达到内部标准，尤其是代码生成和复杂任务处理能力不足，因此首次推迟发布。
在 6 月底，谷歌专项重置训练数据修复编程能力，但内部测试结果依然不理想，公司选择继续等待而不是让 “半成品” 仓促上线。 到 7 月 17 日前后，Gemini 3.5 Pro 再次错过发布时间。
随着三次推迟，谷歌担忧的问题已经从单纯的编码能力，扩大到幻觉率、可靠性以及多步骤任务执行稳定性，尤其是在 Agent 场景下连续调用工具时容易出现失误。
此前作为谷歌资深工程师的唐溪柳判断，卡住谷歌的恰恰是递归工具调用的稳定性和复杂结构生成的一致性。
“这类问题很难靠继续训练线性解决，往往要回到数据、评测体系甚至预训练层面重来，周期长、不确定性大。”
他还提到一个容易被忽略的变量，旗舰模型上线前的安全和合规审查，比两年前重得多，这也实打实占时间。
据 The Information 独家报道，今年 4 月 16 日 Anthropic 发布的 Claude Opus 4.7，在编程、大规模工具调用、Agent 操作等多项基准上全面超越谷歌当时的旗舰 Gemini 3.1 Pro 后，直接触发了谷歌内部的应急反应。
谷歌联合创始人 Sergey Brin 随即在一份内部备忘录中要求团队果断转向，追赶 Agent 技术的差距，并强制要求工程师在多步骤任务中必须使用内部 Agent 工具。
一位美元基金投资人还提到了另一层原因，这一层甚至比技术落差更根本。
“传统搜索的商业模式，本质上是用户提出需求，谷歌分发流量，商家争夺曝光，广告按点击计价。但如果未来用户不是搜十个网页，而是让 Agent 直接完成任务，问题就变了。”
在这位投资人看来，谷歌必须把搜索升级成 Agent 入口，但这个升级过程可能会侵蚀掉自己最赚钱的搜索广告模式。
这也解释了为什么谷歌在把 Gemini 从“更聪明的聊天机器人” 改造成 “任务执行引擎” 这件事上格外谨慎。但凡一步走岔，动的不只是一个产品的口碑，而是自己最核心的现金牛。
另一方面，编程能力对谷歌的分量，也早已超出一般产品指标。
谷歌 CFO Anat Ashkenazi 曾透露，公司内部新增代码已有约一半由 AI 生成，这意味着编程能力不再只是 Gemini 面对竞争对手的一个产品指标，Gemini 的编程短板会直接拖慢谷歌自己的工程引擎。
但对谷歌而言，延期带来的舆论压力，可能远没有让编程能力不足“半成品”上线的代价高。这种谨慎，很大程度上来自于一段惨痛的教训。
2023 年初，谷歌为了回应 ChatGPT 热潮，紧急推出了 AI 聊天机器人 Bard，但在发布演示中，Bard 给出了关于詹姆斯・韦伯太空望远镜的错误信息，导致市场质疑谷歌在生成式 AI 领域的竞争能力，这次失误令谷歌市值一度蒸发约 1000 亿美元。
三次延期之后，Gemini 3.5 Pro 已经不只是一个迟到的模型，它更像是一道摆在谷歌面前的考题：这家曾经定义 AI 基础研究的公司，要如何打出 AI 竞争所需要的答案？
3.6 Flash 背后，谷歌换了战场
“旗舰模型即英雄的叙事正在退潮，而且这不是谷歌一家的转向，是全行业的。”
对于此次 Flash 系列模型密集补位的意图，元序智能 CEO唐溪柳认为，真正大规模部署、产生商业价值的，往往不是最贵最强的那个，而是够用、够快、够便宜的中间层。
“原因很实际，Agent 类的生产负载中一个任务要调用模型几十上百次，单位成本直接决定这门生意成不成立，一个便宜十倍、能力打八折的模型，在工程上常常是更优解。”
据谷歌官方披露，3.6 Flash 相比上一代 3.5 Flash，在 Artificial Analysis Index 基准上输出 token 消耗减少 17%，部分 DeepSWE 测试场景的降幅甚至达到 65%。这意味着同样的 Agent 任务，成本和响应速度都会有实质性改善。
“Flash 这一档在 Agentic 相关基准上已经能超过上一代 Pro，说明能力正在快速向下扩散，竞争重心正在从谁的天花板高，转向谁能把足够好的能力做得足够便宜、足够稳。”唐溪柳表示。
而谷歌之所以敢赌这套打法能奏效，是因为谷歌手握着别人复制不了的分发筹码。
这位美元基金投资人认为，作为超级平台，谷歌有着其他 AI 公司无可比拟的结构性优势，谷歌不是只做一个更强的聊天机器人，而是把 Gemini 放进它所有核心入口。
“谷歌手握最强的分发入口，坐拥 Search、YouTube、Android、Chrome、Gmail、Workspace、Cloud、TPU 和数十亿用户。它的 AI 战略，天然带着互联网巨头的路径延伸：入口、分发、广告、生态、成本、规模。”
简而言之，谷歌不是在争夺一个新的 AI 入口，而是在改造一个已经拥有数十亿用户的入口。
而 Flash 系列所代表的，正是谷歌正在押注的另一条路径。不再只追求单个模型的能力峰值，而是通过降低 token 消耗和推理成本，让 Gemini 真正进入搜索、办公、企业服务等高频场景，把生态优势转化为 AI 使用规模。
Q2 财报显示，谷歌的 Search & Other 收入达到 633 亿美元，同比增长 17%；同时，谷歌 AI Mode 月度活跃用户突破 10 亿。在搜索、YouTube 等核心产品中，AI 正在成为新的交互入口。
“过去两年，一个事实已经很清楚了，ChatGPT 等 AI 大模型并没有打穿谷歌的搜索业务，用户还是得搜索，广告业务也没有崩。但这并不代表谷歌没有危险，真正的冲击可能在 Agent 阶段。”
这位投资人的判断很直接，作为入口级平台，谷歌不能只拼模型能力，还必须拼速度、延迟、推理成本和规模化部署效率。
但这场豪赌的另一面，是资本市场对 AI 投入回报周期的担忧。
尽管谷歌 Q2 财报的营收增长，证明了 AI 正在带来真实增长。但同时，Q2 单季度资本开支达到 449 亿美元，导致自由现金流历史上首次转负，为负 59 亿美元，这是谷歌上市以来从来没有过的情况。
这里还有一个很有意思的插曲，谷歌目前持有 Anthropic 约 14% 的股份，本季度净利润里有相当一部分来自这笔投资的账面浮盈。
一边和 Anthropic 抢地盘，一边靠持有对方的股份赚钱，盈利和市场份额，谷歌全都要。
谷歌最大的对手，也许是自己
谷歌如今的处境，本质上是一道“成也萧何，败也萧何”的悖论。
回看过去十年，生成式 AI 浪潮中的很多关键技术节点，都与谷歌密切相关。
Transformer 架构诞生于 Google Brain，AlphaGo、AlphaFold 等改变行业认知的项目也来自谷歌旗下研究团队 DeepMind。可以说，今天 AI 行业竞争的底层技术，大量都建立在谷歌的研究基础之上。
因此，谷歌在 AI 模型上的暂时落后，并不能简单的归结为技术落后或反应慢。更准确地说，这是一个拥有长期技术积累的公司，正在面对 AI 时代竞争规则变化带来的挑战。
“技术积累深和产品化快，本来就是两种不同的能力，而且经常互相拖后腿。”
唐溪柳认为，这不是某家公司的毛病，是所有大公司的结构性困境。一家公司如果已经有一个巨大且高利润的现有业务，任何可能冲击它的新东西，在内部都很难获得 “不计代价往前冲”的授权。
这也是谷歌当前困境的特殊之处。
“它并不是一家缺少 AI 机会的公司，而是一家需要在已有巨大商业体系之上，寻找下一代增长方向的公司。”
一位长期关注 AI 行业的投资人告诉雷峰网，过去两年大模型并没有像一些早期预测那样迅速取代搜索业务。从 Q2 财报来看，Search 仍然保持增长，谷歌的核心商业模式并没有被立即颠覆。
但真正的挑战在于未来。
“如果 AI Agent 逐渐成为用户完成复杂任务的重要方式，那么竞争的重点可能不再只是提供更好的搜索结果，而是谁能够成为用户和企业完成任务的入口。”
他认为，对于谷歌而言，这意味着它需要让 Gemini 不仅成为一个模型产品，而是成为搜索、办公、云服务等场景中的智能基础设施。
显然谷歌也意识到了这种变化。
过去几年，谷歌内部一直在调整组织结构，希望缩短研究能力和产品落地之间的距离。
2023 年，谷歌将 Google Brain 与 DeepMind 合并，成立 Google DeepMind。合并的重要目标之一，就是进一步整合研究资源加快 AI 研发和产品推进。
随后，谷歌继续调整 AI 相关团队。2024 年，CEO Sundar Pichai 在内部调整中强调，希望通过组织整合简化决策，提高速度和执行效率，进一步推动 AI 模型、基础设施和产品团队之间的协作。
这些动作说明，谷歌自己也清楚，问题并不在于缺少技术能力，关键在于如何让庞大的技术体系更快转化为产品优势？
“其实反过来说，谷歌的底子仍然非常厚。Transformer 出自这里、有自研 TPU 这样别人没有的算力底牌、有全球规模的分发入口。”
唐溪柳认为，当前谷歌更像是在竞争节奏上暂时落后，而不是长期格局已经确定。而 AI 时代最终竞争的，也并不只是模型分数。
“真要说这波竞争最终比什么，我觉得比的不是谁的模型分数高，而是谁能把 AI 真正嵌进真实的工作流里跑起来。这件事拼的是工程和对场景的理解，不完全是模型本身。”唐溪柳表示。
谷歌的问题，从来不是手里没有牌。
它手里握着这个时代最好的 AI 资源，也坐拥全球最大的互联网入口。即使在今天，这样的牌面依旧让任何竞争对手望尘莫及。
所有的难题，谷歌都看到了。最好的牌，也被谷歌全部攥在手里。但 AI 时代的残酷之处在于，牌多不等于出牌快。
谷歌的问题，从来不是不知道未来在哪里，而是当成功经验已经被写进组织基因，它还能不能在下一个机遇到来时，主动“违背自己的本能”。
谷歌最大的对手，可能不是 OpenAI，也不是 Anthropic，而是过去那个太成功的谷歌。
毕竟，历史上所有伟大的公司，最后都会遇到同一个问题：
昨日的成功，究竟会成为穿越周期的资产，还是困住未来的惯性？
本文作者长期追踪海外AI行业动态，更多深度信息，欢迎添加作者微信 IHAVEAPLANB- 互通有无。
