英伟达在AI芯片领域的统治地位正面临新的挑战。本周,谷歌发布了两款新型TPU芯片,分别针对机密推理和长上下文处理。至此,第八代TPU已扩展至四种配置。
今年,谷歌不仅在同一年内推出四款TPU系统,更破天荒地开始对外直接销售TPU硬件系统。据内部人士透露,谷歌对TPU的市场前景充满信心,预计明年市场份额将快速上升,更多大型企业将大规模采用TPU。谷歌高层甚至直言:“英伟达一家独步天下的日子快要结束了。”
△图片由AI生成
战略转折:像英伟达一样对外销售TPU
今年,谷歌做出了一项重大战略调整:首次向外部客户销售整套TPU系统。据悉,这一决策由一位加入谷歌不到三年的高管强力推动,旨在改变TPU仅用于内部或云端租赁的传统商业模式。
△图片由AI生成
自2013年研发以来,TPU长期作为谷歌降低内部AI算力成本的专用芯片,直至2018年才通过Google Cloud提供算力租赁服务。然而,随着AI实验室、资本市场及高性能计算领域对TPU需求的激增,谷歌CEO在Q1财报会上宣布,将支持精选客户在自有数据中心部署TPU。
这一举措被视为“以售养研”的战略置换:通过外部订单分摊数据中心巨额资本开支,利用规模化需求优化自研硬件成本。从Q2开始,谷歌正式向客户交付包含计算、存储、网络硬件及软件服务的完整TPU系统。
△图片由AI生成
云业务增长显著,TPU成关键驱动力
新商业模式已显现成效。Google Cloud收入持续提速:Q1同比增长63%,Q2增长82%,Q3收入达307亿美元,同比增长103%;经营利润从35.94亿美元跃升至111.21亿美元。Alphabet明确指出,TPU系统销售是Q3 Google Cloud增长的重要贡献因素,并预计Q4将进一步扩大。
尽管大部分合同收入将于2027年计入报表,但这一趋势已不可逆转。
为何此时破局?专业化路线与生态补课
谷歌选择此时对外销售TPU,是内外部条件共同作用的结果。
以专业化芯片挑战通用GPU叙事
面对高端GPU紧缺的市场窗口,谷歌试图抓住机遇。2025年发布的第七代TPU Ironwood专为推理设计,而今年的第八代TPU则进一步细分为训练、实时推理、机密计算和超长上下文等不同配置。
谷歌芯片业务负责人Amin Vahdat表示“未来属于专业化”,意在通过专用芯片路线,动摇英伟达“一颗通用芯片包打天下”的市场根基。
△图片由AI生成
攻克软件生态壁垒:TorchTPU开源
英伟达的CUDA生态是其核心护城河,尤其是PyTorch对CUDA的深度适配。长期以来,TPU绑定TensorFlow和Jax,迁移成本高。为解决这一痛点,谷歌与Meta合作开发TorchTPU,支持开发者只需少量修改代码即可在TPU上运行PyTorch模型。上个月底,TorchTPU正式开源,极大降低了用户门槛。
△图片由AI生成
性价比冲击:每美元Token产出超越GPU
性能方面,SemiAnalysis最新测试显示,在Muse Spark等模型上,第七代TPU Ironwood在部分场景下的每美元Token产出已高于英伟达GPU。此前,英伟达仅在少数场景落后于AMD,而TPU带来的性价比冲击令其措手不及。
面对TPUv7在AgentX测试中击败GB300 NVL72 FP4的结果,英伟达工程师团队紧急加班优化。经过四轮调整后,GB300在特定模型测试中才实现每美元Token产出反超TPU 1.5-2.6倍。
前有AMD追赶,后有谷歌从架构层面撬动GPU默认地位,英伟达正面临前所未有的多重竞争压力。

