當 Anthropic 宣布將部署百萬顆 Google 第七代 TPU 時，整個 AI 晶片市場都被這條消息震驚了。這標誌著 Google 的 TPU 不再僅僅是內部使用的工具，而是正式轉向商業化，直接挑戰輝達在 AI 硬體市場的統治地位。

表象

Google 的 TPU 已成為其 AI 超級電腦的核心元件，透過與博通的合作，Google 的 TPU 業務已擴展至為 Anthropic 等外部客戶提供完整的 AI 基礎設施解決方案。當前 AI 晶片市場格局中，輝達仍以約 86% 的資料中心晶片收入佔據主導地位。然而，Google 的 TPU 正憑藉成本和系統優勢撬動這一格局。

真相

根據報導，Google 自研 TPU 處理 AI 工作負載的成本可比競爭對手的處理器低 30%，這一優勢在規模化部署中尤為顯著。這項交易據稱是 Google 首次以直接硬體供應商身份與輝達競爭，標誌著其 TPU 戰略的根本性轉變。

從產業面來看，Google TPU 的商業化轉向，是 AI 算力市場走向多元化的必然結果。長期以來，輝達的顯示記憶體與 GPU 產能瓶頸限制了整個 AI 產業的演進速度。Google 選擇在此時將第八代 TPU 推向外部市場，並與 Anthropic 等頂尖 AI 研發商深度綁定，這在戰略上是一著妙棋。

各方角力

Google 已發布專門針對訓練任務和推論任務分別優化的第八代 TPU，並計劃於今年晚些時候上市。公司目前約 75% 至 80% 的 TPU 產能仍用於內部業務，但分析師預測其 TPU 產能將進一步擴張，預計到 2027 年 TPU 年產量可達 500 萬塊。

分析認為，Google TPU 的外部銷售戰略已被視為輝達 GPU 在 AI 晶片市場主導地位面臨的最具結構性威脅。儘管 Google 在軟體生態（如 CUDA 對應的 ROCm 或 OpenXLA/XLA 框架）方面仍面臨挑戰，但其客戶的成功案例和不斷增長的外部需求，正凸顯出其作為輝達替代方案的可行性在逐步提升。

深層影響

TPU 技術的演進與博通的角色自 2016 年 Google 首次在 I/O 大會上公布第一代 TPU 以來，這一產品線已經歷了多次重大反覆運作。從最初僅能執行推論任務的 ASIC 晶片，演進到如今具備超強浮點運算能力、專為大規模語言模型訓練設計的超級叢集。

在這一技術演進的背後，網通與晶片大廠博通（Broadcom）扮演了極為關鍵的角色。Google 負責底層架構設計與演算法優化，而博通則協助進行 ASIC 的設計整合、高頻寬記憶體（HBM）的封裝調試以及超高速光學元件的整合，確保 TPU 叢集在大規模資料交換時不會產生頻寬瓶頸。

未解之問

雖然輝達的 GPU 憑藉 CUDA 生態在開發者群體中擁有不可撼動的黏著度，但其昂貴的單片售價以及供應緊張引發的變動，讓許多需要大規模算力的巨頭苦不堪言。Google 的 TPU 戰略正是瞄準了這一痛點。透過將 TPU 與 Google Cloud 服務深度綁定，Google 能夠為客戶提供免去高昂前期硬體採購成本的「算力訂閱」模式。

同時，Google 主導開發的 OpenXLA 框架正試圖打破 CUDA 的壟斷。透過將 PyTorch 和 TensorFlow 等主流深度學習框架編譯為高效的機器碼，OpenXLA 讓開發者能夠在不大幅修改程式碼的前提下，將工作負載無縫遷移至 TPU 平台。

這場晶片大戰的關鍵不在於誰的單卡算力最強，而在於誰能提供最穩定、最具成本效益的規模化訓練方案。Google 的參戰將有助於平抑市場的算力價格，推動 AI 應用更快落地。

如果你對 AI 晶片市場的未來感到好奇，不妨深入研究一下 Google TPU 和輝達 GPU 的最新發展，看看哪一方能最終勝出。

本文改寫整理自公開新聞來源，原始報導由T客邦發布。

常見問題 FAQ

Google TPU 和輝達 GPU 有哪些主要差異？

Google TPU 是專門為 AI 訓練和推理設計的 ASIC 晶片，成本較低且效能優化；輝達 GPU 則是通用 GPU，支援更廣泛的應用場景，但成本較高。

Google TPU 的主要優勢是什麼？

Google TPU 的主要優勢是成本低 30%、專門針對 AI 訓練和推理進行優化，且與 Google Cloud 服務深度綁定，提供「算力訂閱」模式。

Google TPU 的商業化轉向對市場有何影響？

Google TPU 的商業化轉向將增加 AI 晶片市場的競爭，降低算力成本，促進 AI 應用的快速發展。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。