谷歌 TPU 如何做大 AI 市场？对英伟达有什么影响？

谷歌 TPU 的出现，本质上不是在 “砍 AI 基建的盘子”，而是在一边分蛋糕，一边把蛋糕做大。

第一，即便没有 TPU，Google 的 AI CapEx 也不会少。
作为科技巨头，Google 在搜索重排、YouTube 推荐、Gemini 等业务上，本来就必须持续砸 AI 基建。没有 TPU，它也得大规模采购英伟达 GPU。TPU 上线之后，自研卡的毛利可以留在集团内部，账面更好看，管理层反而更敢加大长期投入。所以 TPU 更像是：在原有基础上，新增了一种 AI 基建形态，而不是把原来的市场切小了。

第二，自研芯片提升 “算力性价比”，直接拉高总算力需求。
有了 TPU 之后，Google 可以在同样的资本开支下，拿到更多可用算力，推理的边际成本更低。对它来说，就有底气在更多产品里全面铺开大模型：搜索、地图、Gmail、Docs、Android 全家桶……都可以更激进地用大模型增强。结果就是：整体 AI 使用量被推高，算力总需求被拉大，带动整个 “AI 基础设施市场”（数据中心、电力、散热、网络、存储等）一起放大。

第三，TPU 触发了云厂商之间的 “AI 基建军备竞赛”。
当 Google 拿出 TPU 这种自研加速卡时，其他云厂商很难坐得住：AWS 做 Trainium / Inferentia，微软搞 Athena / Maia，国内云也都在推自研 NPU。谁不搞点 AI 基建，谁的云业务就可能被卷死。结果并不是 “有了 TPU，大家都少买 GPU”，而是：为了保住云竞争力，所有厂商都得在 AI 基建上不断砸钱，让整个行业的总 CapEx 进一步上行。

第四，更多 “平台” 意味着更多开发者与更多需求。
TPU 不只是一个芯片，而是连着 XLA、JAX、TF 以及 GCP 上的整套服务。英伟达这边有 CUDA 生态，自研芯片阵营也各自形成平台。平台越多，入口越多，启动 AI 项目的门槛就越低：有的团队习惯上 CUDA + GPU，有的团队直接用 GCP 上的 TPU 服务，还有的基于本土 NPU 起盘。长期看，能成功跑起来的 AI 项目数量只会越来越多，整个需求池被进一步放大。

对英伟达而言：短期是 “分蛋糕”，长期是 “逼它进化”。
短中期看，TPU 肯定会分走一部分原本可能属于英伟达的订单，这是实实在在的竞争压力；但在 AI 总需求被放大的前提下，NVDA 依然有机会吃到最大的那块通用市场。更关键的是，自研芯片的崛起在长期逼着英伟达从 “卖芯片” 升级为 “卖平台”——正如黄仁勋自己说的，现在做的所有投资，都是为了扩大 CUDA 生态。如果英伟达真的能把 CUDA + 各种 AI 软件栈，做成 AI 时代的 “Windows + DirectX” 那样的底层标准，那么哪怕纯硬件毛利被部分稀释，它的护城河反而会因为 “平台化” 被筑得更高。