谷歌算力产业：TPU、OCS 与 AI 基础设施新主线
定义：谷歌算力产业是以 Google Cloud 为需求入口、以 TPU 自研 ASIC 为算力核心、以 OCS 光交换和 AI 服务器为基础设施底座的云端 AI 算力供应链体系。
TL;DR · 一句话结论
谷歌算力产业不是单一 TPU 芯片故事，而是 Google Cloud、TPU、OCS 光交换、AI 服务器和 Gemini 应用共同驱动的 AI 基础设施闭环。
Alphabet 财报与产业资料显示，Google Cloud 2025 年三季度收入约 151.6 亿美元，同比增长 34%，订单积压约 1550 亿美元（Alphabet / 产业研究资料，2025）。
技术主线从 TPU v6 Trillium 走向 TPU v7 Ironwood，核心变化是推理负载、HBM、CoWoS、1.6T 光模块和 OCS 网络同时升级。
A 股映射应拆成光模块/光器件、AI 服务器 ODM、PCB、电源模块、液冷散热、连接器和先进封装，重点看真实供货和收入占比。
核心风险是海外云厂资本开支波动、供应链份额口径不透明、CoWoS/HBM 产能约束、客户集中和题材映射大于真实收入。
一、这是什么（底层科普）
定义：谷歌算力产业是以 Google Cloud 为需求入口、以 TPU 自研 ASIC 为算力核心、以 OCS 光交换网络和 AI 服务器为基础设施底座的云端 AI 算力供应链体系。
它不是一个单点产品。
也不是只看 TPU 芯片。
更准确地说，它是一套从芯片、封装、服务器、网络、云平台到 AI 应用的系统工程。
| 层级 | 核心内容 | 作用 |
|---|---|---|
| 芯片层 | TPU、HBM、ASIC 设计、先进封装 | 决定训练和推理算力密度 |
| 服务器层 | TPU 服务器、整机 ODM、供电、散热 | 把芯片变成可部署计算单元 |
| 网络层 | OCS、800G/1.6T 光模块、连接器、光纤 | 让大规模芯片集群高效互联 |
| 云平台层 | Google Cloud、Vertex AI、TPU 租用 | 把硬件能力变成云服务 |
| 应用层 | Gemini、搜索、广告、YouTube、企业 AI | 形成真实负载和收入回流 |
谷歌算力和英伟达 GPU 生态的差异在于：谷歌更强调内部模型、云服务、芯片和网络的纵向闭环。
英伟达强在通用 GPU、CUDA 生态和多云客户。
谷歌强在自有 AI 应用、TPU 定制化、云平台和网络架构协同。
因此研究谷歌算力产业，不能只问“TPU 能不能替代 GPU”。
更应该问：谷歌的云收入、AI 负载、TPU 出货、网络升级和供应链订单是否在同一方向共振。
二、起源与发展历程
谷歌是最早把 AI 芯片从实验室推向大规模云端部署的科技巨头之一。
TPU 的出现，最初是为了服务搜索、广告、推荐和机器学习推理。
后来，随着大模型训练和推理需求爆发，TPU 从内部专用芯片升级成 Google Cloud 的重要算力产品。
| 阶段 | 代表变化 | 产业含义 |
|---|---|---|
| TPU v1-v3 | 以矩阵计算和训练/推理加速为主 | 验证 ASIC 路线可行性 |
| TPU v4 | 引入更大规模集群和光交换网络 | 从单芯片走向集群系统 |
| TPU v5 | 面向更高性能和更大模型训练 | 提升云端 AI 训练能力 |
| TPU v6 Trillium | 强调能效和推理能力 | 适应生成式 AI 推理需求 |
| TPU v7 Ironwood | 面向推理时代的高算力、高带宽平台 | 推动 HBM、CoWoS、服务器和网络同步升级 |
Google Cloud 是这条线的需求入口。
Alphabet 财报与产业资料显示，Google Cloud 2025 年三季度收入约 151.6 亿美元，同比增长 34%（Alphabet / 产业研究资料，2025）。
同一口径下，Google Cloud 订单积压约 1550 亿美元，其中 50%-60% 与 AI 项目相关（Alphabet / 产业研究资料，2025）。
这说明谷歌算力扩张不是单纯技术发布，而是由云业务收入、AI 客户和内部模型需求共同驱动。
三、行业本质（商业模式）
谷歌算力产业的本质，是云厂商把 AI 基础设施从通用采购，推向自研芯片和深度定制供应链。
传统云计算更多看 CPU、通用服务器和标准网络设备。
AI 云计算则同时看 AI 芯片、HBM、先进封装、高速光模块、AI 服务器、电源、液冷和集群调度。
| 商业模式 | 代表环节 | 赚钱逻辑 | 主要风险 |
|---|---|---|---|
| 云服务销售 | Google Cloud、Vertex AI、TPU 租用 | 把算力按云服务卖给企业客户 | 云资本开支回报率、价格竞争 |
| 芯片与封装 | TPU、HBM、CoWoS、封测 | 高规格芯片放量带动供应链 | 产能约束、制程和封装良率 |
| 服务器 ODM | TPU 服务器、整机组装 | 随云厂订单确认收入 | 毛利率、客户集中、海外产能 |
| 网络升级 | OCS、光模块、光器件、连接器 | AI 集群互联带来高速光通信需求 | 代际切换、份额变化、价格下行 |
| 电源散热 | 电源模块、液冷 CDU、热管理材料 | 高功耗平台带来配套升级 | 认证周期、单机价值量波动 |
谷歌算力的商业闭环不是“卖芯片”。
谷歌首先用 TPU 支撑内部搜索、广告、YouTube、Gemini 和云服务。
然后通过 Google Cloud 把一部分 TPU 算力外部化。
如果外部企业客户持续采用 TPU，供应链需求就从一次性建设变成持续扩容。
这也是谷歌算力产业链从主题走向订单的关键。
四、产业链全景
谷歌算力产业链可以拆成五层。
第一层是底层芯片和封装。
第二层是服务器和 PCB。
第三层是光通信和 OCS 网络。
第四层是电源与散热。
第五层是云服务和 AI 应用。
| 层级 | 关键产品/技术 | 代表公司/主体 | 核心变量 |
|---|---|---|---|
| 芯片与封装 | TPU ASIC、HBM、CoWoS、先进封装 | Google、Broadcom、台积电、联发科、长电科技、通富微电 | 出货量、封装产能、HBM 供应 |
| 服务器与 PCB | TPU 服务器、AI 服务器 ODM、高阶 PCB | 工业富联、沪电股份、深南电路、胜宏科技、中富电路 | 客户份额、层数升级、良率 |
| 网络与光通信 | OCS、800G/1.6T 光模块、光器件、光纤连接器 | 中际旭创、新易盛、腾景科技、光迅科技、长飞光纤、鼎通科技 | 速率代际、份额、认证 |
| 电源与散热 | 电源模块、液冷 CDU、VC 均热板、热管理材料 | 新雷能、英维克、思泉新材、中石科技、飞荣达 | 功耗提升、液冷渗透、认证 |
| 云与应用 | Google Cloud、Gemini、企业 AI 应用 | Alphabet、OpenAI、Anthropic、Meta、Snap 等客户 | AI 负载、云收入、客户采用 |
这条产业链的特点是外溢强。
谷歌内部的技术路线，会外溢到光通信、PCB、ODM、电源、散热和封装供应链。
但是研究时要特别注意：供应链份额和订单口径经常来自产业调研，并非所有公司都会完整披露客户和收入占比。
所以要把“进入供应链”与“显著贡献利润”分开。
五、供需格局
需求端来自三类。
第一是谷歌内部应用。
第二是 Google Cloud 企业客户。
第三是 AI 模型公司和大型互联网客户的外部算力需求。
| 需求来源 | 典型负载 | 对产业链的拉动 |
|---|---|---|
| 谷歌内部业务 | 搜索、广告、YouTube、Gmail、Maps | 稳定高频推理需求 |
| Gemini 模型 | 大模型训练与推理 | 拉动 TPU、HBM、CoWoS 和服务器 |
| Google Cloud 客户 | 企业 AI、推荐、生成式 AI 应用 | 拉动 TPU 租用和云数据中心扩容 |
| 外部大客户 | 模型公司、社交平台、金融和安全场景 | 提升 TPU 外部采用预期 |
供给端则主要受三个瓶颈约束。
第一是先进制程和 ASIC 设计。
第二是 HBM 和 CoWoS 先进封装。
第三是服务器、PCB、光模块和液冷等工程化交付。
产业资料显示，Google Cloud 2025 年三季度订单积压约 1550 亿美元，环比增长约 46%、同比增长约 82%（Alphabet / 产业研究资料，2025）。
这种订单积压意味着需求端并不弱。
但供应链能否兑现，取决于台积电、HBM、CoWoS、ODM 和高速网络设备能否同步扩张。
六、竞争格局
谷歌算力的竞争，不是简单的芯片跑分竞争。
它是云厂商 AI 基础设施路线之争。
| 云厂商 | 核心 AI 芯片/路线 | 优势 | 短板 |
|---|---|---|---|
| TPU + Google Cloud + Gemini | 自研芯片和模型闭环强，内部应用丰富 | 生态开放度弱于 GPU | |
| AWS | Trainium / Inferentia + AWS | 云份额领先，自研芯片成本优化 | AI 芯片影响力弱于英伟达 GPU |
| Microsoft | Azure + NVIDIA GPU + Maia | OpenAI 绑定强，企业客户强 | 自研芯片放量仍需验证 |
| NVIDIA 生态 | GPU + CUDA + NVLink | 通用生态和开发者优势最大 | 成本、供给和云厂议价压力 |
谷歌的差异化优势在于自研 TPU 和自有应用负载。
搜索、广告、YouTube 和 Gemini 都可以直接消化算力。
这让谷歌不必完全依赖外部客户验证 TPU 的价值。
但谷歌的短板也明显：如果 TPU 只主要服务谷歌体系，供应链外溢就会受限；如果开发者生态和模型框架适配门槛高，TPU 对 GPU 的替代就更像局部替代，而不是全面替代。
七、生命周期与周期性
谷歌算力产业处在 AI 基础设施扩张期。
这不是成熟周期。
也不是单纯概念期。
更像是云厂商资本开支、芯片代际升级和供应链产能扩张共同推动的成长早期。
| 阶段 | 行业特征 | 当前状态 |
|---|---|---|
| 技术验证期 | TPU 架构、OCS 网络、云端负载验证 | 已经跨过 |
| 扩容导入期 | Google Cloud 与内部 AI 应用推动大规模部署 | 正在进行 |
| 外部客户扩张期 | 更多企业租用或采购 TPU 算力 | 处于早期 |
| 成熟竞争期 | 多云、多芯片路线价格竞争 | 尚未到来 |
周期性主要来自云资本开支。
如果海外云厂继续加大 AI 基础设施投资，供应链订单会延续。
如果 AI 应用变现低于预期，云资本开支可能放缓，光模块、服务器、PCB 和电源散热订单都会受到影响。
因此谷歌算力产业既有成长性，也有很强的资本开支周期属性。
八、政策与监管环境
谷歌算力产业受到三类外部约束。
第一是美国云和 AI 监管。
第二是半导体出口管制。
第三是数据中心能源和环保约束。
| 约束因素 | 影响方向 |
|---|---|
| AI 安全监管 | 影响模型部署、企业采用和云服务合规成本 |
| 半导体出口管制 | 影响先进芯片、EDA、封装和供应链地域布局 |
| 数据中心能耗 | 推动液冷、低功耗网络和高能效芯片 |
| 地缘政治 | 推动供应链向东南亚、北美等多地布局 |
对 A 股供应链来说，最重要的是客户和产能地域。
很多供应商要配合海外云厂在东南亚建设产能，满足交付、关税和地缘风险管理要求。
同时，谷歌算力供应链的客户信息披露有限，投资者不能把未经验证的供应链传闻直接当成业绩确定性。
九、技术变革与未来演进
谷歌算力的技术演进有四条线。
第一，TPU 从训练走向推理优化。
第二，HBM 和 CoWoS 先进封装继续升级。
第三，OCS 和高速光通信成为集群效率核心。
第四，电源和液冷从配套环节变成高功耗平台的必需品。
| 技术方向 | 代表变化 | 产业链影响 |
|---|---|---|
| TPU v7 Ironwood | 面向推理负载，高算力和高带宽 | ASIC、HBM、封装和服务器升级 |
| HBM3e/后续代际 | 容量和带宽提升 | 存储封装、基板、测试需求增加 |
| CoWoS | 大芯片和 HBM 高密度封装 | 台积电产能成为关键瓶颈 |
| OCS 光交换 | 动态光路调度，降低功耗和拥塞 | 光器件、光模块、连接器受益 |
| 1.6T 光模块 | 数据中心互联速率提升 | 硅光、DSP、EML/LPO/CPO 路线演进 |
| 液冷散热 | 高功耗服务器热管理升级 | CDU、冷板、热界面材料需求提升 |
Google Cloud 公开资料显示，Ironwood 面向推理时代，单芯片峰值算力约 4614 TFLOPs，配备 192GB HBM3e，内存带宽约 7.37TB/s（Google Cloud，2025）。
最大集群可扩展到 9216 颗芯片，峰值算力约 42.5 Exaflops（Google Cloud，2025）。
这些规格会直接提高服务器、PCB、电源、散热和网络环节的技术要求。
十、产业进程（国内 vs 海外）
谷歌算力产业的核心需求在海外云厂。
但大量供应链能力在中国大陆、中国台湾、韩国、日本和东南亚。
| 区域 | 主要角色 | 优势 | 约束 |
|---|---|---|---|
| 美国 | Google、Broadcom、云平台和 AI 应用 | 架构、软件、客户和资本开支 | 制造依赖亚洲供应链 |
| 中国台湾 | 台积电、联发科、服务器供应链 | 晶圆代工、先进封装和硬件生态强 | CoWoS 产能紧张 |
| 韩国 | HBM、部分 PCB 和材料 | HBM 和存储能力强 | 客户集中和产能分配 |
| 中国大陆 | 光模块、PCB、服务器 ODM、液冷、电源 | 工程化、成本和交付能力强 | 客户披露有限、地缘约束 |
| 东南亚 | 服务器、PCB、光模块产能承接 | 满足海外客户供应链多元化 | 爬坡良率和管理能力 |
中国大陆供应链的优势在于工程化和交付。
光模块、PCB、服务器 ODM、液冷和电源模块，都是中国企业具备竞争力的环节。
但国内企业多数不是谷歌算力生态的主导者，而是供应链参与者。
因此研究重点不是“谁定义产业”，而是“谁在关键环节拿到真实订单，并能把订单转成利润”。
十一、中美龙头企业深度对比
谷歌算力产业天然是中美供应链协作和竞争的结合。
美国公司定义芯片、云和模型。
中国公司更多参与光通信、服务器、PCB、电源散热和部分封测。
| 维度 | 美国/海外龙头 | 中国供应链样本 | 对比重点 |
|---|---|---|---|
| 云和模型 | Alphabet、Google Cloud、Gemini | 国内云厂和大模型公司 | 谷歌拥有自研芯片和内部负载闭环 |
| ASIC 设计 | Google、Broadcom、联发科参与 | 国内 ASIC 公司多数不在谷歌核心设计链 | 架构主导权在海外 |
| 制造封装 | 台积电、HBM 厂商 | 长电科技、通富微电等参与封测生态 | 先进封装产能是瓶颈 |
| 光通信 | 海外云厂定义需求 | 中际旭创、新易盛、腾景科技、光迅科技 | 中国公司工程交付优势明显 |
| 服务器 ODM | 全球 EMS/ODM 体系 | 工业富联、立讯精密等 | 海外产能布局和客户份额关键 |
| PCB/电源散热 | 日韩台高端材料厂 | 沪电股份、深南电路、新雷能、英维克 | 高层数、高可靠和认证能力决定份额 |
谷歌和英伟达的对比也很关键。
英伟达强在开放生态和通用平台。
谷歌强在自用场景和云端闭环。
所以谷歌 TPU 不一定全面替代 GPU，但在谷歌内部和特定云客户场景中，有机会形成更优成本和能效。
十二、财务特征与公司横向对比
谷歌算力供应链的财务特征差异很大。
光模块企业可能收入弹性更强。
ODM 企业收入规模大但毛利率通常较低。
PCB、电源、液冷和光器件企业则取决于规格升级和客户份额。
| 环节 | 财务特征 | 观察重点 |
|---|---|---|
| 光模块 | 高速产品放量时毛利率和收入弹性强 | 800G/1.6T 占比、客户结构、产能利用率 |
| 光器件 | 单体体量小但技术壁垒高 | 是否进入 OCS/硅光关键器件白名单 |
| 服务器 ODM | 收入规模大、客户集中、毛利率受产品结构影响 | TPU 服务器份额、海外产能、回款 |
| PCB | 高层数和高可靠产品改善单价 | 层数、良率、客户认证、产能爬坡 |
| 电源散热 | 高功耗平台推动价值量提升 | 电源模块认证、液冷渗透、单机价值量 |
| 封测 | 随 TPU/HBM/CoWoS 放量受益 | 先进封装产能、良率、客户绑定 |
产业资料显示，谷歌相关 AI 服务器、光模块和 PCB 订单已经成为部分供应链公司业绩弹性的来源（复盘会研报库，2026）。
但公司财报通常不会完整披露单一客户的所有细节。
因此更稳妥的做法，是跟踪收入增速、毛利率变化、资本开支、存货、应收账款和海外产能建设，而不是只依赖单一订单传闻。
十三、关键跟踪指标
谷歌算力产业最重要的跟踪指标，可以分为云端指标、芯片指标、供应链指标和财务指标。
| 指标 | 解释 | 重要性 |
|---|---|---|
| Google Cloud 收入增速 | 判断云需求是否持续 | 最核心 |
| 云订单积压 | 判断未来收入可见度 | 最核心 |
| TPU 代际和出货预期 | 判断 ASIC 放量节奏 | 很高 |
| CoWoS/HBM 产能 | 判断 TPU 交付瓶颈 | 很高 |
| 800G/1.6T 光模块订单 | 判断网络升级强度 | 很高 |
| OCS 部署节奏 | 判断光交换链条是否放量 | 高 |
| AI 服务器 ODM 份额 | 判断整机链兑现 | 高 |
| 高阶 PCB 认证和良率 | 判断 PCB 价值量升级 | 高 |
| 电源液冷订单 | 判断高功耗配套升级 | 高 |
| 公司收入占比和毛利率 | 判断题材是否转化成财务 | 高 |
短期最值得盯的是三件事。
第一，Google Cloud 和 Alphabet 资本开支是否继续上修。
第二，TPU v7 和相关服务器是否进入更大规模部署。
第三，光模块、PCB、服务器 ODM、电源液冷公司是否在财报中体现订单和毛利改善。
十四、A 股炒作逻辑
A 股对谷歌算力的交易通常不是交易谷歌本身。
它交易的是谷歌 AI 基础设施扩张外溢到中国供应链。
| 交易主线 | 市场关注点 | 代表方向 |
|---|---|---|
| 光模块和光器件 | 800G/1.6T、OCS、硅光、LPO/CPO | 中际旭创、新易盛、腾景科技、光迅科技 |
| AI 服务器 ODM | TPU 服务器和云服务器订单 | 工业富联、立讯精密等 |
| 高阶 PCB | TPU 板卡、电源模块 PCB、高层数升级 | 沪电股份、深南电路、胜宏科技、中富电路 |
| 电源模块 | 二次/三次电源、高功率供电 | 新雷能等 |
| 液冷散热 | 高功耗 AI 服务器散热 | 英维克、思泉新材、中石科技、飞荣达等 |
| 先进封装 | TPU、HBM、CoWoS 配套 | 长电科技、通富微电等 |
这条线最容易走强的阶段，通常是海外云厂资本开支上修、TPU 新代际发布、光模块速率升级和供应链订单验证同时出现。
但它也容易回撤。
一旦市场发现某些公司只是弱映射、订单口径不清，或者收入占比很低，估值就会被重新定价。
因此 A 股研究不能停留在“谷歌供应链”四个字。
必须拆成真实供货、份额、价值量、收入占比和利润弹性。
十五、最新边际变化与催化剂
谷歌算力的边际变化主要集中在四个方向。
第一，Google Cloud 增速和订单积压继续强化。
Alphabet 财报与产业资料显示，Google Cloud 2025 年三季度收入约 151.6 亿美元，同比增长 34%，订单积压约 1550 亿美元（Alphabet / 产业研究资料，2025）。
第二，TPU v7 Ironwood 把推理负载作为核心方向。
Google Cloud 公开资料显示，Ironwood 单芯片峰值算力约 4614 TFLOPs，配备 192GB HBM3e，内存带宽约 7.37TB/s（Google Cloud，2025）。
第三，OCS 和高速光通信成为集群效率关键。
产业资料显示，OCS 方案可使网络容量提升约 30%、功耗降低约 40%（复盘会研报库，2026）。
第四，云厂资本开支继续向 AI 优化数据中心倾斜。
产业资料显示，谷歌 2025 年资本开支预期已上调至约 910-930 亿美元，主要投向服务器和 AI 数据中心（Alphabet / 产业研究资料，2025）。
| 催化剂 | 观察意义 |
|---|---|
| Alphabet 财报资本开支继续上修 | 验证 AI 基础设施扩张持续性 |
| TPU v7 大规模部署 | 拉动 ASIC、服务器和封装链 |
| OCS 设备部署扩大 | 拉动光器件、连接器和光模块 |
| 1.6T 光模块放量 | 提升光通信链价值量 |
| 高阶 PCB 和电源认证 | 验证 A 股硬件链真实份额 |
| 外部客户使用 TPU | 提升谷歌算力外溢空间 |
十六、多空分歧与投资含义
谷歌算力的多空分歧很清楚。
看多方认为，谷歌拥有内部 AI 应用、Google Cloud、TPU、OCS 和 Gemini 生态，具备自研芯片闭环优势。
如果 Google Cloud 和外部客户持续采用 TPU，供应链将从单一订单进入持续扩容。
看空方认为，谷歌供应链份额口径不透明，TPU 生态外溢有限，且 CoWoS/HBM 产能可能约束出货。
此外，海外云资本开支一旦放缓，光模块、服务器、PCB 和电源散热公司都可能面临订单预期下修。
| 观点 | 核心论据 | 需要验证 |
|---|---|---|
| 看多 | Google Cloud 增长、TPU 自研闭环、OCS 网络升级、1.6T 光模块放量 | 云收入、TPU 出货、供应链订单、收入占比 |
| 看空 | 份额口径不透明、生态外溢有限、封装和 HBM 受限、客户集中 | 财报披露、订单持续性、毛利率、回款 |
我的判断是中性偏多。
更值得看的是光模块/光器件、AI 服务器 ODM、高阶 PCB、电源散热和先进封装这些有订单验证的环节。
不适合追逐只有谷歌标签、缺少真实供货和收入占比的弱映射。
十七、核心结论与展望
谷歌算力产业的核心变化，是 AI 云基础设施从通用 GPU 采购，走向云厂自研芯片、定制网络和深度供应链协同。
TPU 是入口。
OCS 是网络效率变量。
AI 服务器、PCB、电源、液冷和光模块是工程化落地点。
Google Cloud 和 Gemini 则是需求端验证。
长期看，如果谷歌 TPU 从内部应用扩大到更多外部客户，谷歌算力供应链会从主题弹性变成持续订单。
中期看，最关键的是 TPU v7、OCS、1.6T 光模块和 AI 服务器能否形成同步放量。
短期看，A 股需要严格区分真实供应商、间接映射和概念标签。
最终决定公司价值的，不是“是否在谷歌算力链上”，而是订单、份额、价值量、收入占比、毛利率和现金流。
产业链全景速查
| 环节 | 关键产品/技术 | 代表公司 |
|---|---|---|
| 底层芯片与封装 | TPU ASIC、HBM、CoWoS、先进封装、测试 | Google、Broadcom、台积电、联发科、长电科技、通富微电 |
| 网络与光通信 | OCS 光交换、800G/1.6T 光模块、光器件、光纤连接器 | 中际旭创、新易盛、腾景科技、光迅科技、长飞光纤、鼎通科技 |
| 服务器与 PCB | TPU 服务器 ODM、高阶 PCB、电源模块 PCB、连接器 | 工业富联、沪电股份、深南电路、胜宏科技、中富电路、立讯精密 |
| 电源与散热 | 二次/三次电源模块、液冷 CDU、VC 均热板、热管理材料 | 新雷能、英维克、思泉新材、中石科技、飞荣达 |
| 云与应用 | Google Cloud、Gemini、Vertex AI、外部 TPU 租用和企业 AI 应用 | Alphabet、OpenAI、Anthropic、Meta、Snap 等客户 |
多空分歧
看多核心论点： Google Cloud 收入和订单积压高速增长，TPU v7、OCS、1.6T 光模块和 AI 服务器共同升级，A 股光通信、PCB、服务器和电源散热环节具备订单弹性。
看空核心论点： 谷歌供应链份额口径不透明，CoWoS/HBM 产能可能约束 TPU 出货；海外云资本开支若放缓，客户集中和价格谈判会压制供应链利润。
我的立场： 中性偏多。优先看光模块/光器件 + AI 服务器 ODM + 高阶 PCB/电源散热三条有订单验证的主线，回避只有谷歌概念、缺少真实供货和收入占比的弱映射。
相关研究
- 谷歌 TPU：云厂商自研 AI 芯片的标杆样本
- AI 算力交换机：数据中心网络升级的核心入口
- AI 服务器 PCB：算力硬件里的高密度互连底座
- 高带宽内存 HBM：AI 芯片封装里的核心存储底座
- 高速铜缆：AI 数据中心短距互连里的低成本方案
常见问题
谷歌算力产业和单纯“谷歌 TPU”有什么区别？
谷歌 TPU 只是芯片入口，谷歌算力产业还包括 Google Cloud、OCS 光交换网络、AI 服务器、PCB、电源、液冷、先进封装、HBM 和 Gemini 应用。真正的产业链机会来自芯片、网络、服务器和云资本开支的系统性扩张。
为什么 OCS 会成为谷歌算力的重要变量？
OCS 光电路交换可以在 AI 集群中做动态光路调度，减少传统电交换网络的功耗和瓶颈。产业资料显示，OCS 方案可提升网络容量约 30%、降低功耗约 40%，因此会带动光器件、光模块、连接器和高速 PCB 需求。
TPU v7 Ironwood 的核心变化是什么？
Ironwood 面向推理时代，公开资料显示单芯片峰值算力约 4614 TFLOPs，配备 192GB HBM3e，内存带宽约 7.37TB/s，最大可扩展至 9216 颗芯片集群。它把推理算力、HBM、CoWoS、服务器和网络一起推向更高规格。
A 股谷歌算力产业链主要看哪些环节？
可以分为光模块和光器件、AI 服务器 ODM、PCB、电源模块、液冷散热、连接器、光纤光缆和先进封装。研究时必须区分真实供货、份额口径、订单持续性和收入占比，不能只看是否被贴上“谷歌供应链”标签。
研究谷歌算力最大的风险是什么？
主要风险包括海外云厂资本开支波动、供应链份额口径不透明、CoWoS 和 HBM 产能约束、客户集中度过高、技术代际切换、地缘政治扰动，以及题材映射大于真实收入。
数据与参考来源
- 谷歌算力产业新变化和新格局研究分析报告
- Alphabet quarterly and annual reports
- Cloud TPU and Ironwood public materials
- AI accelerator and cloud capex research
- 上市公司公告与定期报告