DA Davidson 分析师认为Alphabet 在AI 硬件领域的价值未被充分估价，但要将TPU 业务拆分出 来，在现今环境不太可能发生，TPU 将会结合Google DeepMind 研究实力继续融入更多Google 产品组合。 点这里加关注，锁定更多原创内容 如果您希望可以时常见面，欢迎标星收藏哦~ 来 源 ：内容来自 technews 。 随着Google 母公司Alphabet 拥有日益壮大的TPU（Tensor Processing Unit）业务，加上Google DeepMind 专注AI 研究，投资银行DA Davidson 分析师认为，如果TPU 业务独立出来，整体价 值可能高达9,000 亿美元，相较今年稍早估计的7,170 亿美元大幅提升。 专 为 机 器 学 习 和 AI 工 作 负 载 打 造 的 加 速 器 TPU ， 受 到 AI 研 究 人 员 与 工 程 师 的 关 注 。 第 六 代 Trillium TPU 自2024 年12 月大规模推出后，需求相当强劲。专为推论设计的第七代Ironwood TPU 在今年Google Cloud Next 25 大会发表，预期获得 ...

谷歌AI战略进展 - 谷歌在过去18个月致力于将AI战略转化为产品吸引力，其AI模型Gemini在基准测试中几乎赶上ChatGPT，并在成本/性能方面超越其他模型 [1] - 谷歌稳步推出功能日益强大的模型，而OpenAI的GPT-5发布后遭遇负面评价，改进微乎其微，舆论风向转向谷歌Gemini [1][4] - DeepMind推出实时世界模型Genie 3，表现令人印象深刻，成为谷歌的常态 [4] OpenAI的挑战 - OpenAI的GPT-5发布被描述为"重大飞跃"，但实际表现远不及预期，公众认为其营销夸大 [3] - OpenAI可能在模型进步上遇到严重瓶颈，GPT-5表现平平，暗示其无法实现重大突破 [7] - OpenAI员工透露，GPT-4.5原本按GPT-5标准制作，但表现不佳被迫降级发布 [7] 谷歌的产品优势 - 谷歌AI概览功能每月触达20多亿用户，远超ChatGPT覆盖量 [8] - 独立Gemini应用每月活跃用户达4-4.5亿，且快速增长 [8] - AI概览提升搜索互动量，显示该功能的搜索查询量增长两位数 [9] 商业化与财务表现 - 谷歌二季度搜索收入达542亿美元，总营收同比增长14%，得益于AI带动的互动量增长 [10] - 谷歌二季度营收同比增长14%至964亿美元，营业利润率保持在30%出头 [13] - 谷歌云收入同比增长32%至136亿美元，AI创新可能进一步提升该数字 [12] 技术优势与生态系统 - 谷歌第六代Trillium TPU在计算密度、内存带宽和能效方面超越英伟达GPU [13] - YouTube作为高质量数据集，助力谷歌在多模态AI和视频生成领域领先 [11] - Android设备通过"Circle to Search"功能在环境AI领域领先 [12] 行业竞争格局 - DeepMind产品持续突破，Gemini 2.5系列性价比高，视频生成模型超越OpenAI的SORA [8] - 谷歌拥有全面芯片设计部门，专注于AI产品 [13] - 行业竞争加剧，OpenAI、Anthropic、Grok和Meta快速迭代并增加AI投资 [14]

MLPerf基准测试结果分析 - Nvidia GPU在最新MLPerf基准测试中保持主导地位 包括对Llama 3 1 403B大型语言模型预训练的顶级性能表现 [1] - AMD首次提交训练基准测试 其Instinct MI325X GPU在LLM微调任务中性能与Nvidia H200相当 但整体落后Nvidia一代 [1][3] - AMD Instinct MI325X相比前代MI300X性能提升30% 主要由于高带宽内存增加30% [3] 基准测试任务特点 - 本次测试包含6个行业相关机器学习任务 包括内容推荐 LLM预训练/微调 目标检测 图像生成和图节点分类 [1] - LLM预训练是最资源密集的任务 本次使用Meta Llama 3 1 403B模型 规模是GPT3的两倍多 上下文窗口扩大4倍 [2] - 预训练后通常进行微调而非"训练" 微调是针对特定任务改进模型的关键阶段 [2] 硬件性能表现 - Nvidia Blackwell GPU在所有六项基准测试中取得最快训练时间 这是Blackwell首次大规模部署 [2] - 最大规模提交使用8192块GPU 性能扩展接近线性 达到理想性能的90% [7][9] - NVL72套件通过NVLink连接36个Grace CPU和72个Blackwell GPU 形成"单个大型GPU"系统 [9] - 相比历史记录 本轮最大提交GPU数量(8192)少于前几轮(超10000) 反映硬件效率提升 [12] 行业技术趋势 - 更大模型成为行业趋势 Llama 3 1 403B基准测试反映了这一发展方向 [2] - 网络连接效率对大规模训练至关重要 NVL72和InfiniBand技术显著提升多GPU协同效率 [7][9] - 能效问题受关注 两块Blackwell微调LLM耗电6 11千兆焦耳(1698千瓦时) 相当于小型房屋冬季供暖能耗 [13] 其他参与者表现 - 谷歌使用Trillium TPU提交了图像生成任务的单一基准测试 [3] - Cerebras采用晶圆级集成技术 声称推理性能比Blackwell好两倍以上 但测试方法不同于MLPerf [12] - 仅联想提交了功耗测量结果 行业呼吁更多公司参与能效测试 [13]