文章核心观点 - 谷歌开始对外出售其自研的AI处理器TPU，直接挑战英伟达在AI计算市场的领导地位，争夺万亿美元市场[4][6][7] - 谷歌TPU作为专为AI计算设计的ASIC芯片，在能效和成本上相比通用GPU具有显著优势，其算力成本据称为OpenAI使用GPU成本的1/5[11] - 行业趋势显示，为摆脱对英伟达GPU的依赖并寻求更高性价比和稳定供应链，多家巨头正积极发展自研ASIC，预计到2026年ASIC总出货量可能首次超过GPU[21][23][25] 谷歌TPU的技术优势与演进 - TPU是专为AI计算设计的ASIC芯片，采用脉动阵列架构和提前编译策略，以实现极高的矩阵乘法吞吐量和卓越能效[10][11] - 谷歌TPU已迭代至第七代Ironwood，峰值算力达4614 TFLOPs，最高配集群算力为42.5 ExaFLOPS，是超级计算机El Capitan的24倍以上，性能接近甚至在某些方面超越英伟达B200[15][16][17] - 2025年谷歌TPU全年出货量预计为250万片，到2026年总销量预计将超过300万片，其中v5e系列占比约120万片，v5p系列约70万片[15] 谷歌的TPU生态与市场策略 - 谷歌围绕TPU构建了完整生态，包括JAX高性能计算Python库和模型流水线解决方案Pathway，以对抗英伟达的CUDA生态[17] - 谷歌积极推动内部从英伟达GPU转向自研TPU，内部已部署约150万颗TPU，其2024年订购的16.9万台Hopper架构GPU在五大云厂商中排名最后，约为微软的三分之一[19] - 谷歌对外战略包括向使用英伟达芯片的数据中心供应TPU，并为合作伙伴提供财务支持，例如为Fluidstack提供最高32亿美元的备选担保支持[4][20] 市场竞争格局与行业趋势 - 过去半年，围绕Google Cloud TPU的开发者活跃度激增约96%，业内看好其前景，若将TPU业务与DeepMind合并分拆，估值或达9000亿美元[19] - 除谷歌外，Meta计划在2025年第四季度推出其首款ASIC芯片MTIA T-V1，目标到2025年底至2026年实现100万至150万件出货量；微软和亚马逊也拥有自研ASIC芯片[23][24][25] - 英伟达通过发布NVLink Fusion等技术进行反击，允许其GPU与第三方加速器混合使用，并声称其GPU更具性价比[25]

谷歌TPU业务战略转变 - 谷歌开始向外部数据中心供应其AI芯片张量处理单元，首次在自有设施以外的纽约数据中心为伦敦公司Floydstack部署TPU [2] - 此举被解读为谷歌数据中心扩张跟不上需求，或通过外部云公司拓展TPU客户群，从而成为英伟达的竞争对手 [2] - 谷歌此前仅通过其云端提供TPU，战略重点在于优化内部服务和降低GPU采购成本 [3] TPU技术优势与生态系统 - TPU是专为AI运算打造的定制芯片，在处理深度学习所需的矩阵运算时拥有低功耗和高速优势 [3] - 谷歌发布了包含TPU硬件、JAX软件及模型流水线解决方案Pathway的完整AI开发流程，使整个流程可在其生态系统内完成 [3] - 第六代Trillium TPU需求强劲，第七代Ironwood TPU每芯片提供4,614 TFLOPS运算能力和192GB HBM容量，是Trillium的6倍，频宽达7.2Tbps，是Trillium的4.5倍，效能功耗比是Trillium的2倍 [7][8] 市场动态与竞争格局 - 过去六个月，围绕谷歌云TPU的开发者活动增长了约96% [4] - 英伟达在AI训练GPU市场份额高达80-90%，在数据中心市场份额高达92% [5] - 谷歌TPU被视为超越中国企业的英伟达芯片最佳替代品，其业务若独立估值可能高达9,000亿美元 [4][6][7] 合作伙伴与客户采用 - Alphabet目前仅与博通合作生产TPU，但正探索与联发科合作由其为Ironwood TPU代工 [8] - AI公司如Anthropic开始招聘TPU核心工程师，xAI在JAX-TPU工具改进下对TPU展现兴趣 [8]