Burry的核心论点是：当前AI热潮的关键问题在于“灾难性的过度供应和远远不足的需求”。科技巨头正在进行一场不可持续的资本支出狂欢。在会计层面，Burry指责科技公司通过延长AI芯片折旧年限来虚增利润。他估计，从2026到2028年，大型科技公司将因低估折旧而虚增1760亿美元的利润，其中甲骨文的利润可能被夸大26.9%，Meta的利润可能被夸大20.8%。同时他强调：“并不像人们以为的那样是由无利可图的网络公司驱动，1999年强劲的纳斯达克指数是由当时高利润的大盘股推动的”，他认为历史正在重演。 

英伟达陷入自证困局 

面对Burry的咄咄逼人，英伟达的反应既迅速又彻底。公司向华尔街分析师分发了一份详尽的备忘录，对贝里的指控进行了逐条反驳 。然而，英伟达的积极回应，反而在市场上引发了更多讨论。一些市场观察人士认为，这家AI芯片巨头可能已陷入了典型的 “自证陷阱” 。 

英伟达的这一应对策略，与苹果、微软等老牌科技巨头面临批评时通常保持的沉默形成鲜明对比。真正的行业领导者往往明白，并非每一份批评都值得回应，企业的核心价值应由产品迭代与财务表现来证明。 

摩根士丹利分析师在一份客户备忘录中曾点出类似处境下的关键：“巨头的脆弱性往往不在其财务数据，而在市场心理。”英伟达的迅速回应，本意是安抚市场，却意外证实了投资者对竞争加剧的忧虑具有合理性。 

TPU可能改变行业格局 

谷歌TPU（张量处理单元）的崛起正从根本上重塑AI算力市场竞争格局。其凭借显著的成本优势、卓越的能效表现及加速提升的市场渗透率，已成为英伟达GPU不可忽视的强劲对手。 

1. 成本优势 

TPU的核心竞争力之一在于其显著的低成本结构，这主要源于谷歌通过自研ASIC芯片成功绕开了高昂的“英伟达税”。 

摆脱垄断定价：在AI时代，云厂商若采购英伟达GPU，其高达75%的毛利会作为“英伟达税”被英伟达拿走，这导致云厂商的AI业务毛利从传统的50-70%骤降至20-35%。谷歌通过掌控TPU的全栈设计（前端RTL自主设计，博通仅负责后端物理实现），成功规避了这部分成本。 

显著的每美元性能提升：一位客户的实际使用对比显示，在完成相同任务时，使用谷歌v5e Pod的每美元性能不仅高于使用8张H100 GPU的方案，而且随着谷歌推出新一代TPU，旧款TPU会变得极其便宜。该客户透露，若愿意适当延长训练时间，成本甚至可降至原来的五分之一。 

供应链成本控制：与谷歌合作的博通，其毛利率远低于英伟达，这使得谷歌能够将算力成本压到极致。 

2. 能耗效率 

TPU在能耗效率上实现了对GPU的“降维打击”，这主要得益于其底层架构的彻底革新。 

架构根源性优势：与为通用图形处理设计的GPU不同，TPU采用独特的“脉动阵列”架构。此架构使数据能像血液一样在芯片内流动，极大地减少了对高带宽内存（HBM）的读写次数，从而将芯片的功耗更多地用于计算本身，而非数据搬运。这种设计从根源上解决了GPU面临的“冯·诺依曼瓶颈”问题。 

代际能效飞跃：根据在Hot Chips 2025大会上公布的数据，第七代TPU Ironwood的每瓦性能（FLOPS/watt）相比第六代（Trillium）提升了100%。具体来看，Ironwood的能效达到4.2 TFLOPS/watt，这与英伟达旗舰GPU B200的4.5 TFLOPS/watt相比已极为接近，显示出其在能效上极具竞争力。 

特定场景下的巨大优势：有前谷歌高管指出，针对特定应用，TPU能提供比GPU高出1.4倍的每美元性能。在处理如搜索类工作负载的动态模型训练时，TPU的速度甚至是GPU的5倍。 

3. 市场渗透率 

TPU正以其技术和成本优势，迅速从谷歌自用芯片走向更广阔的市场，其渗透率提升已获得行业巨头订单和生态扩张的强力验证。