谷歌以基础设施模式破局：TPU拆分与成本优势挑战英伟达垄断

事件概述

2026年3月16日与4月22日，英伟达GTC大会与谷歌Cloud Next大会分别发布了关于AI算力供需的关键信息。英伟达CEO黄仁勋将数据中心定义为“生产Token的工厂”，预测2027年相关市场规模至少达1万亿美元；而谷歌CEO桑达尔·皮查伊则展示了惊人的需求侧数据：谷歌每分钟处理160亿个token（上一季度为100亿），并计划今年投入1750亿至1850亿美元资本开支。这两场会议揭示了两种截然不同的竞争逻辑：英伟达聚焦于供给端的设备销售，而谷歌则致力于构建从底层算力到上层应用的全栈运行体系。

核心信息

1. 商业模式差异：卖铲子 vs. 造工厂

• 英伟达模式：提供通用GPU作为生产资料。其CUDA生态汇聚超600万开发者及900余个加速库，占据全球AI加速器市场约80%份额。2025财年数据中心业务收入超1150亿美元，毛利率超75%。逻辑是向所有玩家出售设备。
• 谷歌模式：提供自研TPU芯片、Gemini模型及Cloud平台的一整套运行体系。云业务年收入近600亿美元，年增近50%。逻辑是先跑通自身体系，再将多余产能对外输出，更像是一座完整的“工厂”。

2. TPU架构战略转向：训练与推理分离

• 历史路径：自2017年TPU v2至2025年v7 Ironwood，谷歌六代产品均采用单颗芯片同时承载训练与推理任务。
• 最新突破：第八代TPU首次将训练（TPU 8t）与推理（TPU 8i）拆分为两颗独立专属芯片。
• 驱动因素：Agent时代下，推理任务要求低延迟、高并发，与训练阶段的集中算力需求截然不同。拆分后能显著提升集群效率与整体成本效益。

3. 外部客户突破与成本优势

• 标杆案例：2025年10月，Anthropic签署多年期协议，最多使用100万颗Ironwood TPU，价值数百亿美元，创下AI史上最大单笔算力交易。Meta亦传出计划从2027年起部署TPU的消息。
• 成本逻辑：Ironwood TPU每美元性能/价格较前代提升2倍，相比NVIDIA B200在总拥有成本（TCO）上具有约30%～41%的优势。当推理成本被压低至对手一半以下，经济驱动力开始削弱软件生态壁垒。

4. 需求侧规模效应

• 内部消耗：谷歌不仅是算力使用者，更是全球最大的Token消费者。其处理的token涵盖搜索、广告、YouTube推荐及安全系统等，日均处理量已达万亿级，远超单一模型公司的API调用规模。
• 竞争影响：谷歌对TPU性价比的优化动力源于自身巨大的内部消耗，每降低一分成本直接转化为利润。这种“自己就是最大客户”的身份，使其在控制推理成本上比任何外部客户更具优势。

值得关注

• 竞争格局演变：短期内英伟达凭借CUDA生态和市场份额仍占主导，但谷歌正将竞争拉入其擅长的“系统效率”与“成本控制”维度。企业需求正从购买单一GPU转向管理包含上千个智能体（Agent）的系统。
• 未来趋势：AI竞争下半场可能从“训练模型”转向“管理智能体”乃至“控制系统”。谷歌证明了不依赖英伟达硬件也能构建可行的AI基础设施，选择权的增加对垄断者构成了实质性威胁。
• 合作动态：基于Gemini构建的苹果新一代Siri将于今年发布，预计每年价值约10亿美元；毕马威等企业在谷歌Agent平台上已实现大规模部署。