事件:
　　2026年4月22日，谷歌召开Next 26大会，宣布了众多AI进展和突破：1）发布TPU 8i和TPU 8t推理、训练芯片，效率大幅提升；2）发布GeminiEnterprise Agent Platform，提供全面的标准化预置能力，助力企业实现Agent生产级部署；3）宣布一方模型APITokens消耗达160亿/每分钟。
　　我们的观点:
　　TPU架构和通信升级颇具亮点，显著提升推理训练效率。训练芯片TPU v8t新增原生FP4支持、专用SparseCore与VPU/MXU均衡架构，大幅提升算力利用率与训练效率；搭载Virgo互联架构减少通信层级和跳转，提升通信带宽至4倍并避免阻塞，可支撑百万级芯片的超大规模集群训练。推理芯片TPU v8i配备3倍前代容量的片上SRAM与CAE引擎，大幅提升推理吞吐；采用Boardfly互联架构取代3DTorus，同规模集群最大通信跳数从16跳降至7跳，网络直径缩减56%，大幅优化推理与MoE场景的运行效率。但另一方面，从单卡算力、HBM等硬件规格来看，TPU v8t与v7p相比提升幅度较小，v8i算力和HBM容量有一定提升，但未采用最新HBM4，与英伟达Rubin存在明显差距。
　　推理军备竞赛时代来临，先进算力有望成为云和模型厂商核心竞争力。谷歌此次更新打破了“训练卡规格必然高于推理卡”的行业惯例，第八代TPU中，推理卡TPU v8i在算力、HBM容量和带宽、卡间通信能力、SRAM容量都明显高于训练卡TPU v8t。英伟达也宣称采用Rubin旗舰卡，能降低Tokens成本至上一代Blackwell的1/10。我们认为其背后是全球大模型产业全面迈入“商用落地落地期”，竞争核心转向“能否低成本、高并发地提供推理服务”，进而能够通过采用旗舰算力芯片提升CAPEX变现效率并降低Tokens成本，因而持有先进算力有望成为云和模型厂商的核心竞争力。
　　谷歌AI“先上车后补票”，新一代Gemini模型Coding和Agent能力值得期待。在本次Next大会上，谷歌官宣其一方大模型APITokens消耗量在2026年4月已达160亿/分钟，较上季度大幅提升，同时也领先于OpenAI 3月底水平，此外公司内部已有75%的新代码由AI生成。但是公司核心AI研发部门员工仍在使用Claude模型，谷歌云平台也同步提供Claude模型的调用服务。我们认为，谷歌当前接入Claude SOTA模型，一方面能够直接提升内部研发效率、并增强谷歌云对客户的吸引力与粘性，另一方面谷歌作为Anthropic的股东，还能通过Claude模型的TPU算力供应、模型销售抽成获得稳定现金流，但这一布局也对自研Gemini模型的市场竞争力造成了负面影响。目前谷歌已正视自研模型的差距并调整战略重心，专门成立了聚焦大模型Coding能力的团队，同时将核心研发方向锚定在适配长程复杂任务执行的Agent能力提升上，下一代Gemini模型的能力突破值得期待。
　　盈利预测和投资评级：考虑公司作为搜索广告与云计算龙头，AI驱动核心业务持续高韧性增长，我们预测谷歌2026-2028年营收分别为4200/4993/5852亿美元，净利润分别为1550/1885/2302亿美元，对应股价27/22/18x PE。我们认为谷歌兼具盈利稳定性与增长弹性，搜索广告业务在全球具备强竞争力，构筑利润与现金流护城河，AI与云业务凭借“AI大模型+自研AI芯片+应用”全链条布局，有望掌握AI时代主导权并驱动高速增长，维持目标价375美元，维持“买入”评级。
　　风险提示：用户增长不及预期、AI提效不及预期、AI研发不及预期、行业竞争加剧、全球贸易摩擦、海外市场、汇率变动等风险。