谷歌要造1500万颗TPU，英伟达的护城河怕是要被填平了

上周刚看到这条消息的时候，我第一反应是：这怕不是把小数点看错了吧？1200万到1500万颗TPU v9，2028年部署，这数字比英伟达同期预计的1240万颗AI GPU还多。要知道，英伟达的GPU可是全球AI训练的事实标准，谷歌这是要正面硬刚啊。

但仔细一想，谷歌其实不是第一次干这种事了。从2015年推出TPU v1开始，他们就在悄悄搭建自己的AI算力帝国。去年我去硅谷出差，跟一个谷歌的工程师聊过，他说谷歌内部早就把TPU当成对抗英伟达的王牌了，只是没想到动作这么快。

有个细节很有意思：TPU v9会采用4个计算裸片的结构，这意味着对先进制程和封装产能的需求会暴增。谷歌显然不想把宝全押在台积电身上，所以英特尔和三星都接到了订单——据说英特尔那边已经拿了300万颗的订单，三星则负责TPU v10的I/O Die部分。这招叫“分散风险”，但更狠的是，它直接撬动了整个芯片代工市场的格局。

谷歌这么干，英伟达肯定坐不住。但更值得关注的是，整个行业都在往“定制化AI芯片”的方向狂奔。

这几家里，谷歌的TPU生态是最成熟的。PyTorch和JAX对TPU的支持已经非常完善，很多大模型团队其实已经在用TPU跑推理了。比如我认识的一个做AI视频生成的朋友，他们公司就用TPU v5e做推理，成本比A100低30%左右。

从技术路径上看，谷歌和英伟达走的是两条不同的路。英伟达靠的是通用GPU+CUDA生态，什么都能跑，但功耗和成本高；谷歌则是针对Transformer架构深度优化，训练和推理效率更高。简单讲就是，英伟达是瑞士军刀，谷歌是专用菜刀——切菜的时候，菜刀更快更便宜。

如果谷歌真能在2028年部署1500万颗TPU，那英伟达的市场份额肯定会受冲击。要知道，现在英伟达在AI芯片市场的占有率超过80%，但谷歌的TPU一旦形成规模，那些云厂商和大型企业就有了第二个选择。

这对行业的影响是深远的。首先是成本，算力价格会进一步下降，中小企业做AI的门槛会更低。其次是竞争，英特尔和三星如果能在代工TPU上站稳脚跟，台积电的垄断地位也会被削弱。

但别急着下结论。英伟达也不是吃素的，他们的Blackwell架构已经发布，性能提升巨大，而且CUDA生态的粘性超乎想象。我上周还在跟一个算法工程师聊天，他说他们团队想迁移到TPU，但发现很多底层库只有CUDA版本，迁移成本太高了。

所以，谷歌要真正撼动英伟达，光靠芯片数量是不够的，还得在软件生态上下狠功夫。好在他们已经有JAX和XLA编译器，而且TPU在TensorFlow上的支持是原生级别的。

说了这么多，这件事跟你有什么关系？如果你是AI从业者，2028年你可能会发现，云服务商的报价单上多了很多TPU实例，价格比同性能的GPU便宜20%到40%。如果你是创业公司，那意味着你可以用更低的成本训练大模型，不用再看英伟达的脸色。

但如果你是纯小白用户，以上这些对你来说可能完全没用。你只需要知道，AI会变得越来越好用，因为背后的算力成本在降。

本文基于 media 公开报道编译解读

本文基于 media 公开报道编译解读，查看原文