在 AI 資本開支仍維持高位、但商業化壓力不斷上升的當下，市場關注點正在發生一場悄然卻深刻的轉移：大模型還能不能繼續 “無視成本地跑下去”。
據追風交易台，高盛最新發布的 AI 芯片研究報告，並未延續市場熟悉的 “算力、製程、參數規模” 對比，而是從更貼近商業現實的角度切入——推理階段的單位成本。通過構建一條 “推理成本曲線”，高盛試圖回答一個對 AI 產業至關重要的問題：在模型進入高頻調用階段後，不同芯片方案在折舊、能耗和系統利用率等約束下，每處理一百萬個 token 究竟需要付出多少真實成本。
研究結論指向了一次正在加速、但尚未被充分消化的變化：Google/Broadcom 的 TPU 正在迅速縮小與英偉達 GPU 在推理成本上的差距。從 TPU v6 升級至 TPU v7，單位 token 推理成本下降約 70%，使其在絕對成本層面與英偉達 GB200 NVL72 基本持平，部分測算情形下甚至略具優勢。
這並不意味着英偉達的地位被動搖，但它清晰地表明，AI 芯片競爭的核心評價體系正在從 “誰算得更快”，轉向 “誰算得更便宜、更可持續”。當訓練逐漸成為前期投入，而推理成為長期現金流來源，成本曲線的斜率，正在取代峯值算力，成為決定產業格局的關鍵變量。
<h2>一、從算力領先到成本效率，AI 芯片競爭的評價標準正在切換</h2>
在 AI 發展的早期階段，訓練算力幾乎決定了一切。誰能更快訓練出更大的模型，誰就擁有技術話語權。然而，隨着大模型逐步進入部署與商業化階段，推理負載開始遠遠超過訓練本身，成本問題被迅速放大。
高盛指出，在這一階段，芯片的性價比不再只由單卡性能決定，而是由系統層面的效率共同塑造，包括算力密度、互聯效率、內存帶寬以及能源消耗等多重因素。基於這一邏輯構建的推理成本曲線顯示，Google/Broadcom TPU 在原始計算性能和系統效率上的進步，已經足以在成本維度上與英偉達正面競爭。
相比之下，AMD 和亞馬遜 Trainium 在代際成本下降幅度上仍較為有限。從現階段測算結果看，兩者的單位推理成本仍明顯高於英偉達和 Google 方案，對主流市場的衝擊相對有限。
<h2 style="text-align: left">二、TPU 成本躍遷的背後，是系統工程能力而非單點突破</h2>
TPU v7 實現大幅降本，並非來自單一技術突破，而是系統級優化能力的集中釋放。高盛認為，隨着計算芯片本身逐步逼近物理極限，未來推理成本能否繼續下降，將越來越依賴 “計算相鄰技術” 的進步。
這些技術包括：更高帶寬、更低延遲的網絡互聯；高帶寬內存（HBM）和存儲方案的持續集成；先進封裝技術（如台積電 CoWoS）；以及機架級解決方案在密度與能效上的提升。TPU 在這些方面的協同優化，使其在推理場景中展現出明顯的經濟性優勢。
這一趨勢也與谷歌自身的算力部署高度一致。TPU 在 Google 內部工作負載中的使用比例持續上升，已廣泛用於 Gemini 模型的訓練與推理。同時，具備成熟軟件能力的外部客户也在加速採用 TPU 方案，其中最引人注目的案例是 Anthropic 向 Broadcom 下達的約 210 億美元訂單，相關產品預計將在 2026 年中開始交付。
不過，高盛同時強調，英偉達仍然掌握 “上市時間” 優勢。在 TPU v7 剛剛追平 GB200 NVL72 之際，英偉達已經推進至 GB300 NVL72，並計劃在 2026 年下半年交付 VR200 NVL144。持續的產品迭代節奏，仍是其維持客户黏性的關鍵籌碼。
<h2 style="text-align: left">三、投資含義再平衡：ASIC 崛起，但英偉達的護城河尚未被擊穿</h2>
從投資視角看，高盛並未因 TPU 的快速追趕而下調對英偉達的判斷。該機構仍維持對英偉達與 Broadcom 的買入評級，認為兩者最直接綁定 AI 資本開支中最具可持續性的部分，並將長期受益於網絡、封裝和系統級技術升級。
在 ASIC 陣營中，Broadcom 的受益邏輯尤為清晰。高盛已將其 2026 財年每股收益預期上調至 10.87 美元，較市場一致預期高出約 6%，並認為市場仍低估了其在 AI 網絡與定製計算領域的長期盈利能力。
AMD 和亞馬遜 Trainium 當前仍處於追趕階段，但高盛也指出，AMD 的機架級方案存在後發優勢的可能性。預計在 2026 年末，基於 MI455X 的 Helios 機架方案有望在部分訓練與推理場景中實現約 70% 的推理成本下降，值得持續跟蹤。
更重要的是，這份研報給出的並非 “贏家通吃” 的結論，而是一幅逐漸清晰的產業分工圖景：GPU 繼續主導訓練與通用算力市場，而定製 ASIC 在規模化、可預測的推理負載中不斷滲透。在這一過程中，英偉達的 CUDA 生態與系統級研發投入仍構成堅實護城河，但其估值邏輯也將持續接受 “推理成本下行” 的現實檢驗。
當 AI 真正進入 “每一個 token 都要算回報” 的階段，算力競爭終究要回到經濟學本身。TPU 成本暴降 70%，並不是一次簡單的技術追趕，而是一次對 AI 商業模式可行性的關鍵壓力測試。而這，或許正是 GPU 與 ASIC 之爭背後，市場最應認真對待的信號。

高盛表示，Google/Broadcom 的 TPU 正在迅速縮小與英偉達 GPU 在推理成本上的差距。從 TPU v6 升級至 TPU v7，單位代幣推理成本下降約 70%，與英偉達 GB200 NVL72 基本持平。這並不意味着英偉達地位被動搖，但它清晰地表明，AI 芯片競爭核心評價體系正在從 “誰算得更快”，轉向 “誰算得更便宜、更可持續”。

- 高盛研究報告指出，AI 芯片競爭標準正由算力轉向成本效率。  
- Google/Broadcom TPU 在推理成本上已與英偉達基本持平。  
- 推理成本的下降將影響 AI 產業格局，需密切關注成本結構變化。

成本暴降 70%！谷歌 TPU 強勢追趕，性價比已追平英偉達