谷歌正將其自研芯片業務推向新的競爭前沿。其計劃推出專為 AI 推理任務打造的定製芯片，在已與 Meta 和 Anthropic 相繼達成大規模合作協議之後，進一步向英偉達的市場主導地位發起挑戰。
據彭博，谷歌計劃在本週於拉斯維加斯舉行的 Google Cloud Next 大會上發佈新一代張量處理單元（TPU）。
谷歌首席科學家 Jeff Dean 在接受採訪時表示，隨着對 AI 查詢快速處理需求的上升，&#34;針對訓練或推理工作負載對芯片進行更專門化的設計，現在已經是合理之舉。&#34;
這一佈局正值 AI 芯片市場格局加速演變之際。英偉達 GPU 目前仍是 AI 領域、尤其是模型訓練環節的行業標杆，但推理市場的爭奪正日趨激烈。
市場研究機構 Gartner 分析師 Chirag Dekate 指出，&#34;戰場正向推理方向轉移，而在這一戰場上，谷歌擁有基礎設施優勢。&#34;
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e8850814-6225-4e48-88fb-889164f9863b.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1374" height="890" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e8850814-6225-4e48-88fb-889164f9863b.png"/>
<h2 style="text-align: left">從內部工具到行業爆款：TPU 的破圈之路</h2>
谷歌的芯片製造歷經逾十年的積累。這段歷程始於一個實際問題：谷歌需要為語言翻譯和語音識別服務提供算力支撐，但市面上可用的芯片和硬件根本無法在可承受的成本下實現這一目標。
TPU 背後的核心理念，據 Vahdat 描述，是&#34;解決一小部分問題，但這些問題所需的計算量是巨大的&#34;。彼時的主流觀點是不值得為此專門開發定製硬件，谷歌選擇了逆勢而為。
在這一階段，谷歌的芯片研發與其 AI 模型工作始終保持着緊密的協同演進關係。2017 年那篇催生了當代大語言模型的里程碑式研究論文，推動 TPU 團隊將重心轉向服務於更大規模 AI 系統訓練的芯片設計。
此後，谷歌 DeepMind 與芯片團隊又注意到，TPU 在執行強化學習任務時存在大量閒置浪費，並據此調整了芯片之間的網絡互聯方式，以加快數據流轉、避免算力空轉。
這種內部反饋機制也帶來了對&#34;硬件級錯誤&#34;更強的把控能力。
谷歌科學家、Gemini 基礎設施團隊聯合負責人 Paul Barham 透露，當 AI 加速芯片在處理海量數學運算時，一個細微的故障都可能蔓延並導致模型&#34;徹底崩潰&#34;。&#34;現在我們能在 10 秒內完成對數十萬枚加速芯片的排查，&#34;他説。
<h2 style="text-align: left">大客户接連入場，商業勢能持續積聚</h2>
谷歌芯片業務的商業突破同樣來得迅猛。去年 10 月，Anthropic 宣佈擴大與谷歌的合作協議，將獲取多達 100 萬枚 TPU；隨後谷歌發佈的 Gemini 模型獲得廣泛好評，該模型正是基於 TPU 進行訓練和運行。
此後，需求持續擴大。Meta 已簽署一項價值數十億美元、為期數年的 TPU 雲服務協議。Meta 基礎設施負責人 Santosh Janardhan 表示，&#34;看起來在推理方面可能存在優勢&#34;，但同時指出&#34;新平台免不了有門檻和學習曲線&#34;。
對沖基金公司 Citadel Securities 計劃在本次谷歌大會上分享其藉助 TPU 實現比此前 GPU 方案更快模型訓練速度的經驗。
阿布扎比科技集團 G42 旗下雲業務 Core42 的臨時 CEO Talal Al Kaissi 表示，已與谷歌就 TPU 使用進行&#34;多輪磋商&#34;，並對此持樂觀態度。
軟件生態的補強也在同步推進。谷歌已允許 TPU 客户使用 PyTorch 等外部工具及第三方調度軟件，不再要求完全依賴谷歌自有產品；與此同時，谷歌還在測試允許 Anthropic 等合作方將部分 TPU 部署於自有數據中心而非谷歌設施。
<h2 style="text-align: left">英偉達的強勢應戰與市場格局的再平衡</h2>
面對谷歌的進逼，英偉達並非毫無回應。上月，英偉達推出了一款基於其收購自 Groq 的技術所開發的推理芯片。黃仁勳強調其芯片的多用途優勢，表示能夠完成&#34;大量 TPU 無法勝任的應用&#34;。
谷歌自身在實際部署中也同時依賴 TPU 與 GPU 兩種芯片。谷歌 DeepMind CEO Demis Hassabis 指出，頂尖 AI 實驗室對 TPU 的興趣尤為濃厚，&#34;很多人希望同時在兩種平台上運行&#34;。
谷歌的優勢在於兼具十餘年芯片設計經驗、充裕資金以及對 AI 模型的第一手洞察。在頂級 AI 開發商中，谷歌是唯一一家大規模自研芯片的公司，這使其能夠在硬件與模型團隊之間形成高效的雙向反饋。
Gimlet Labs 聯合創始人 Natalie Serrino 表示，現有 TPU 已非常適合處理新興 AI 智能體的工作負載，&#34;對於正在爆發的這類任務來説，它們是很好的工具&#34;。
<h2 style="text-align: left">三年研發週期與 AI 快速迭代的深層矛盾</h2>
谷歌芯片的制約因素在於，芯片從研發到量產需要約三年時間，而 AI 模型的演進速度遠超於此，這使得精準預判未來客户需求變得極為困難。
Barham 則對硬件與模型團隊之間過於緊密的反饋循環表達了另一層擔憂——這種循環可能導致團隊只優化當前軟硬件的契合度，而錯失更具突破性的新思路。
為在兩者之間尋求平衡，TPU 團隊有時選擇將芯片設計為&#34;足夠好&#34;以應對多種使用場景，而非針對某一用途極致優化；另一種策略是並行推進兩套不同設計方案，視具體需求決定最終落地。
Vahdat 的一段話或許最能概括谷歌在芯片戰略上的長遠考量：
<blockquote>
&#34;只為谷歌生產 TPU 有其好處，但也有顯著的弊端。最終你會困在一座我們所説的'技術孤島'上。它或許是一座美麗的孤島，但居民有限，多樣性也有限，最終可能反而發展受阻。&#34;
</blockquote>

谷歌-A

英偉達

2 倍做多谷歌 ETF - Direxion

谷歌即將在 Google Cloud Next 大會發布新一代 TPU（推理芯片），並已經已斬獲 Meta、Anthropic 等巨頭大單。分析指出，英偉達在訓練環節的地位毋庸置疑，但在推理環節，谷歌可能更有優勢。

- 谷歌推出專為 AI 推理設計的定製芯片，挑戰英偉達市場地位。  
- 計劃在 Google Cloud Next 大會上發佈新一代 TPU，以支持更快速的 AI 查詢處理。  
- 大客户如 Meta 和 Anthropic 擴大合作，需求不斷增長。

谷歌擬推專用推理芯片：十年磨一劍，TPU 正全方位挑戰英偉達霸主地位