Google 的算力套利陷阱：花最多錢，卻把前沿讓給對手？

上一篇說「Meta」因為沒有雲端租售生意，可以把算力百分之百壓在自家前沿訓練（見本系列第 1 篇）。這一篇要看的是同一枚硬幣的反面。有一家超大型雲端業者，2026 年的資本開支比 Meta 還高，六月還額外做了一筆 $85B 股權增資；但就在幾個月前，它把多達 100 萬顆自家 TPU 租給了直接對手「Anthropic」，而它自家的「DeepMind」，剛送走一位諾貝爾獎得主。這家公司是 Google。這篇不打算喊「Google 完了」，那是過度解讀。我要做的是攤開這道內部撕裂，再給一個比唱衰更站得住的讀法。

💸隱形稅的反面：$85B 悖論

先看錢。市場對 Google 的印象是現金充沛的印鈔機，但 2026 年 6 月，Alphabet 做了一件反直覺的事：發起 $85B 股權增資。過程本身就說明需求有多急，先公告約 $80B，兩天內因超額認購上修到 $84.75B，其中包含「Berkshire Hathaway」的 $10B 投資與約 $35B 承銷公開發行。

一家不缺現金的公司主動發新股稀釋自己，值得停一下。這筆增資不是孤立事件，它疊在一個本已龐大的資本開支計畫上：Alphabet 2025 年資本開支約 $91.4B，2026 年指引已拉到約 $180B 到 $190B。做個對照，上一篇的 Meta，2026 年資本開支指引是 $125B 到 $145B。也就是說，Google 這一輪花得比 Meta 更多，還得額外增資。下面這張表，把這一系列的矛盾攤成一頁，它是本篇的核心：同一家公司，投入最多，卻在「算力去了哪」這件事上走向和 Meta 相反的方向。

我的判斷｜我把這筆 $85B 股權增資當成一個訊號，而不是 Google 財務吃緊的證據。Google 的廣告現金流依然強勁，短期不缺錢。它選擇增資，說明的是另一件事：這一輪 AI 資本開支的規模，已經大到連 Google 自有現金加發債都不夠從容餵養，得動用股本。這是整個產業軍備賽白熱化的實體證據，也讓「誰能撐完這輪燒錢」變成比「誰模型跑分高」更關鍵的問題。但我不會把它讀成 Google 要出事，那是過度解讀，真正該盯的，是這麼多錢花下去，有多少最後回到自家前沿訓練。

🔀算力套利陷阱：把百萬 TPU 賣給對手

錢的去向裡，最耐人尋味的一筆是 2025 年 10 月 23 日。Google Cloud 與「Anthropic」達成協議，讓 Anthropic 取得多達 100 萬顆 Google TPU 的使用權，2026 年上線的算力遠超過 1GW，交易價值達數百億美元。緊接著，Anthropic 又和 Google、「Broadcom」簽下數個 GW 的次世代 TPU 算力協議，2027 年起陸續上線。

這件事的份量，用一個業界標題就講完了：「把百萬晶片賣給自己的競爭對手」。Anthropic 是誰？它正是 Google 自家「DeepMind」在前沿模型上的直接對手。Google 一手要 DeepMind 衝通用人工智慧，另一手把 100 萬顆自家設計的 TPU、超過 1GW 的算力，租給那個對手去訓練「Claude」，賺一筆雲端利潤。

這正是上一篇隱形稅框架的極端版。Meta 因為沒有雲端客戶，所以算力全留自家；Google 因為有 Google Cloud 這門好生意，所以算力的第一順位客戶，可能不是 DeepMind，而是願意付數百億美元的 Anthropic。租愈多、自用的優先權就被壓愈低，這就是隱形稅，而 Google 這筆稅，是直接繳給了對手的訓練叢集。

值得補一句的是，這筆交易對 Google Cloud 未必是壞生意，反而可能是精明的一手。「Anthropic」這種等級的錨定客戶，能驗證 Google 自研晶片的商用實力、幫忙分攤 TPU 的研發與流片成本、還把一個直接對手綁進自己的硬體生態。所以真正的張力不在「該不該租」，而在「排序」：當自家 DeepMind 與付費對手同時伸手要算力，誰排第一。這條張力，會在後面的反方論點裡正面交鋒。

🧠被稀釋的 DeepMind：算力配置與人才流失

如果算力真的被雲端租售稀釋，最先感受到的會是人。而 2026 年上半，DeepMind 的人才帳簿確實在失血。最重的一筆是「John Jumper」，DeepMind 的 director、與「Demis Hassabis」共同拿下 2024 年諾貝爾化學獎，得獎作品是能從胺基酸序列預測蛋白質結構的「AlphaFold」。他離開 Google，加入了 Anthropic。同一段時間，Gemini 模型的開發要角「Jonas Adler」與「Alexander Pritzel」、以及貢獻過 Gemini 2.5 的資深研究工程師「Arthur Conmy」，也都轉投 Anthropic。從 2026 年 2 月起，六名具名研究者分散流向 Meta、OpenAI 與 Anthropic，被形容為 DeepMind 多年來最劇烈的一波人才流失。

這不是零星跳槽。創投機構「SignalFire」2025 年的分析顯示，DeepMind 工程師流向 Anthropic 的機率，約是反向的 11 倍。動因有兩層：一層是薪酬結構，OpenAI 即將 IPO、Anthropic 最新一輪估值約 $965B，兩者都能給出上市的 Google 結構上給不出的 pre-IPO 股權；另一層更關鍵，「Fortune」的報導直接點名，部分人離職前，公司內部發生了「如何分配珍貴運算資源」的優先權轉變。這一點很重要，因為它是獨立於 SemiAnalysis 的第二個來源，佐證了同一件事：DeepMind 的前沿訓練算力，正在被排到後面。

這條因果值得說清楚。前沿研究者最在意的，往往不是薪水數字，而是手上有沒有夠大的算力去跑自己的想法。當一家公司把算力優先讓給付費客戶，自家研究者能動用的資源就被壓縮，最有企圖心的人會用腳投票。算力配置與人才流失，其實是同一枚硬幣的兩面：算力去了哪，頂尖的人就跟到哪。至於模型本身，SemiAnalysis 認為 Google 的 3.5 Flash 屬於基準測試好看、實際能力遜色的類型，並用「失敗者心態」形容 Google 的 RL 研發。這句話我只當一個單一來源的主觀評斷、輕輕帶過，不當論點支柱——更該信的，是可查證的實體事實，像百萬 TPU 租給對手、諾貝爾得主出走、$85B 增資，而不是一張跑分表。

我的判斷｜這是本篇最核心的判斷，我刻意不把它寫成 Google 完蛋論。攤在桌上的矛盾是真的：一家投入最多、還額外增資的公司，卻把大規模算力租給對手、又流失頂尖人才，這是市場還沒充分定價的內部撕裂。但我讀到的是一個「配置選擇」的問題，不是「能力不足」的問題。Google 有全世界最強的自研 AI 晶片之一，有打不完的廣告現金，它不是蓋不出算力，是它在企業層級做了一個選擇：把一部分算力優先變現、租給付得起的客戶，而不是全部灌給 DeepMind 衝前沿。這個選擇是致命錯置，還是聰明的多線下注，就是這整篇要辯論的事，而答案取決於一個變數：這個配置優先權，未來會不會轉向。