谷歌TPU十年演进：从内部工具到算力帝国，重塑AI芯片竞争格局

事件概述

长期以来，谷歌在公众认知中多被视为软件公司，其自研芯片业务常被忽视。然而，事实表明谷歌是全球互联网公司中自研芯片最深入、系统且可持续的玩家。经过十年的技术积累，谷歌TPU（张量处理单元）已从单纯支撑内部业务的“成本项”，转变为对外输出算力的核心商业引擎，正在重新定义AI算力市场的竞争格局。

核心信息

1. TPU的十年演进路线

谷歌造芯始于2015年AlphaGo项目，第一代TPU专为矩阵乘法优化。此后每一代产品均真实部署于谷歌搜索、广告及YouTube推荐等业务中，实现了持续迭代：

• 2017-2018年：TPU v2引入BF16支持训练，v3配合液冷上线。
• 2024年：第六代Trillium发布，性能提升4.7倍，能效提升67%，承担Gemini大模型训练。
• 2025年：第七代Ironwood单芯片FP8峰值算力达4614 TFLOPS。
• 2026年4月：第八代TPU首次拆分为**TPU 8t（训练）与TPU 8i（推理）**两条产品线，标志着从通用大算力向任务分级成熟的跃迁。

2. 商业模式转型：从自用到生态闭环

谷歌TPU的核心优势在于其“自用+外供”的双轮驱动模式，形成了三级火箭闭环：

• 自用托底：庞大的内部数据负载为芯片迭代提供了真实的测试场景和资金支撑，避免了纯研发项目的夭折风险。
• 云服务输出：TPU作为Google Cloud的核心算力对外服务。2026年二季度起，TPU正式以商品身份进入第三方数据中心市场。
• 资本与技术绑定：
  • Anthropic订单：2025年10月至2026年4月，Anthropic累计下达价值数百亿美元的TPU订单，承诺供应最多100万块芯片。
  • Meta租赁：Meta签下数十亿美元合同，租赁谷歌TPU集群以缓解算力短缺。
  • 蚂蚁集团迁移：2026年8月披露，蚂蚁集团将高强度计算负载迁至TPU v7，实现200%的训练性能提升。
  • 战略投资：2026年8月，谷歌以约121.82亿美元投资迈威尔科技（Marvell），持股约6.7%，定制AI推理加速器并接入TPU生态。

3. 竞争格局分析

• 对英伟达的挑战：TPU出货量预计2025年约250万片，2026年目标上调50%至370万片。在推理市场，ASIC份额正快速攀升，谷歌是主要推手。
• 体系化护城河：谷歌的真正壁垒不仅是芯片硬件，而是“芯片—模型—编译器（XLA）—网络（OCS光学电路交换机）—数据中心—云”的垂直一体化能力。这种全栈自研使得TPU在自有优化负载上的性价比可达英伟达方案的数倍。
• 认知偏差原因：过去TPU不被重视，主要因英伟达CUDA生态垄断话题权、谷歌长期低调不直接销售芯片，以及外界低估了其体系化整合能力。

值得关注

对于中国AI芯片产业而言，谷歌的案例揭示了深层问题：

1. 平台级玩家的缺失：寒武纪、燧原等独立芯片公司虽在奋起直追，但多为分散的创业公司，面临融资、流片和生态建设的多重压力。相比之下，美国巨头亲自下场，背靠千亿美元级资本开支和万亿参数模型消耗。
2. 商业化半径差距：中国互联网公司自研芯片（如百度昆仑芯）多停留于自用阶段，难以形成规模化的第三方供给。能否出现一个既有顶级自用需求、又有开放分发能力的平台级玩家，是中国AI算力产业突破的关键。
3. 耐心与体系化：芯片竞争的尽头是十年以上的体系化耐心。谷歌用十年时间默默建成算力帝国，证明了“需求定义芯片，体系决定胜负”的范式胜利。