AI竞赛两条路：Google的“集中式革命”与Meta的“并购式焦虑”

本文来自微信公众号： 港股研究社 ，作者：港股研究社

过去两年，AI浪潮席卷全球科技行业，重塑了资本市场的估值逻辑。曾经同时被视为“落后者”的两家互联网巨头——Alphabet与Meta Platforms，几乎在同一时间开启了追赶。2023年，当ChatGPT引爆生成式AI时，这两家拥有海量数据和算力储备的公司却因内部犹豫而错失先机，股价一度承压。

但到了2026年，这两家公司却走向了完全不同的轨道。

一边是Google完成组织整合、品牌统一、模型能力跃升，重新夺回AI话语权；另一边是Meta不断通过并购与团队重组补强能力，却始终未能形成稳定的技术路径。资本市场对两者的定价也随之分化：Google的估值中AI溢价逐渐显现，而Meta仍被视作广告巨头。

这不是单纯的技术差距，而是两种科技公司战略模式的分叉。当技术进入深水区，决定胜负的往往不再是代码，而是组织结构与战略定力。

AI竞赛真正比拼的不是模型，

而是组织结构

当AI浪潮在2023年全面爆发时，Google一度被认为是最大的“失意者”。

作为Transformer论文诞生地，Google拥有最深厚的技术积淀，却在生成式AI商业化上落后于创业公司和竞争对手。外界普遍批评其创新乏力，但鲜有人知的是，真正的瓶颈在于内部架构。当时，Google内部研究团队长期分裂，Google Brain与DeepMind各自为战，研发资源被切割成多个孤岛。Brain团队侧重产品应用，DeepMind专注前沿科研，双方在算力分配、人才争夺甚至技术路线上存在隐性竞争。

这种“内部赛马”机制在互联网产品时代或许有效，但在大模型时代却成了致命弱点。大模型训练需要海量的算力集中调度与长期稳定的数据投入，分散的组织结构导致资源浪费与决策迟缓。

真正改变局势的，是一次彻底的组织重构。

2024年初，Google宣布将两大团队强行整合为Google DeepMind，由Demis Hassabis统一掌管核心研发。这不仅是一次团队合并，更是一次权力集中：研究路线、模型架构、算力资源全部统一到一个指挥系统。与此同时，CEO Sundar Pichai亲自介入AI战略推进，创始人Larry Page与Sergey Brin也频繁回归技术讨论，为团队提供长期主义的支持。

随后的变化几乎是肉眼可见的。Google把原本分散的AI产品线全部收拢到一个品牌之下——Gemini，并在2024到2025年进行高频迭代。从多模态理解到代码生成，Gemini系列模型迅速缩小了与领先者的差距。到2025年底Gemini 3发布时，Google终于重新站回AI模型的第一梯队，其在医疗、科研等专业领域的表现甚至超越了通用模型。

这一轮反击背后的核心逻辑，其实不是技术突破，而是组织效率的重建。它证明了一个道理：在AI时代，集中式研发体系比分散式创新更能适应高强度的技术竞争。

Meta的路径依赖：

当并购成为技术战略

相比Google的集中式重构，Meta的策略看起来更加熟悉——收购。

过去二十年，Meta最成功的战略几乎全部来自并购。Instagram、WhatsApp，都是通过收购建立起今天的社交帝国。这种成功经验深深影响了Mark Zuckerberg的决策路径，使其坚信“外部获取”优于“内部孵化”。

在AI竞赛中，Meta延续了同样的逻辑：通过收购数据、团队和技术能力来快速补齐短板。例如对Scale AI的收购，让其创始人Alexandr Wang直接进入核心AI管理层。随后又陆续收购AI工具公司与模型团队，希望形成技术协同。Zuckerberg希望在短时间内通过资本力量堆砌出竞争力，重现社交领域的辉煌。

但问题在于，大模型时代的技术演进速度远快于社交产品时代。收购带来的不仅是技术补充，也带来了组织整合成本和内部动荡。社交产品的整合主要是用户账号与流量打通，而AI团队的整合涉及底层代码、训练数据、模型架构的深度兼容。

在Meta内部，AI团队经历多次重组，研发路线频繁调整。原本被寄予厚望的自有团队与收购团队之间存在文化冲突，导致资源内耗。最终推出的Llama系列虽然在开源社区具有一定影响力，构建了庞大的开发者生态，但最新一代模型能力与领先阵营仍有差距。尤其是在闭源高性能模型领域，Meta未能展现出足够的统治力。

某种程度上，Meta正被自己的成功经验所束缚。并购曾经是其最强武器，但在AI时代，技术体系往往需要长期连续研发，而不是拼图式整合。当技术迭代速度超过整合速度时，并购反而成了拖累。Meta的案例表明，过去的成功路径可能在新的技术范式下成为最大的负债。

AI时代的战略分水岭：

集中研发vs生态扩张

Google与Meta走向两条岔道，其实揭示了AI产业的一个关键规律：大模型竞争越来越像基础科研，而不是互联网产品。

在这一逻辑下，技术路线稳定、算力资源集中、团队长期协同变得异常重要。基础科研需要坐冷板凳，需要五年甚至十年的持续投入，这与互联网行业追求的“快速迭代、小步快跑”截然不同。

Google的优势在于其深厚的研究传统和统一的研发体系。当公司完成组织整合之后，其技术积累迅速释放出来。其强大的算力基础设施与科研文化相结合，使其能够承担高风险、长周期的研发任务。

Meta则更像一家产品驱动型公司。其优势在用户规模、产品迭代以及商业化能力，但在基础模型研发上，需要更多时间建立体系。Meta试图用产品思维做科研，用并购代替研发，这在初期可能见效，但长期来看难以构建核心壁垒。

从投资者角度看，这种分化意味着AI竞争已经进入新的阶段。

第一阶段是模型爆发期，创业公司和科技巨头都能参与，谁能推出Demo谁就能获得关注；第二阶段则更像是一场长期基础设施竞赛，只有具备科研体系和算力规模的公司才能持续领先。

对资本市场而言，这也解释了为什么过去一年中，Google的AI叙事重新获得市场信心，而Meta的估值故事仍然围绕广告业务与应用生态。投资者开始意识到，AI不仅仅是应用层的优化，更是底层能力的重构。Google展现出的确定性更高，而Meta仍面临技术路径的不确定性。

结语：

确定性溢价：AI长期战争的终极裁判

AI竞赛往往被看作技术竞赛，但更深层的分水岭其实在公司结构。

Google用一次组织革命重新找回技术优势；Meta则仍在通过并购和整合寻找自己的路径。两家公司并非简单的胜负关系，而是在探索两种不同的AI战略。Google选择了“深蹲起跳”，Meta选择了“边跑边修”。

但资本市场向来只奖励一种东西：确定性。

在AI这场长期战争里，谁能提供更稳定的技术路线，谁就更可能成为下一个周期的核心资产。对于投资者而言，理解这种组织层面的差异，比单纯比较模型参数更有价值。因为参数会被超越，但组织效率与战略定力，才是穿越周期的真正护城河。

当潮水退去，我们终将发现，真正的AI巨头，不是那些最会讲故事的公司，而是那些最能管理复杂性的公司。