近日，谷歌母公司 Alphabet（NASDAQ：GOOGL）股價連續多日強勢上漲，市值逼近 4 萬億美元，創下歷史新高。截至 24 日收盤，Alphabet 市值約為 3.84 萬億美元，位列全球第三，僅次于英偉達和蘋果。
這股推動 Alphabet 市值創新高的動力，不僅源于巴菲特旗下公司破圈大舉買入谷歌所帶來的市場信心，更來自谷歌TPU業務今年以來接連獲得的全球關鍵客戶背書：10 月 24 日 Anthropic 與谷歌共同宣布，雙方達成價值數百億美元、規模達百萬片的 TPU 采購協議；11 月 23 日，馬斯克披露特斯拉已在車輛控制系統與數據中心大規模部署自研 AI 芯片，數量達數百萬顆；11 月 25 日 The Information 報道稱，Meta 正計劃于 2027 年將谷歌 TPU 部署至自有數據中心，并最早自明年起租用谷歌云 TPU 算力；而近期口碑爆棚的 Gemini 3 正是谷歌用深耕 10 年的自研 TPU 芯片訓練的成果。
這些看似獨立的動向，共同指向一個清晰的行業轉折點：AI 算力市場正加速擺脫對英偉達 GPU 的單一依賴，尋求基礎設施多元化，擁抱以 TPU 為代表的 AI 專用芯片的新架構方向。
Meta 加持：谷歌 TPU 從云服務到本地部署的戰略升級
TPU 是谷歌專為機器學習定制的 AI 加速芯片，在性能、能效比和成本方面為 AI 計算提供了新的選擇。與英偉達的通用 GPU 相比，TPU 采用脈動陣列等簡化控制邏輯的設計，在執行大規模的矩陣乘加等神經網絡核心運算時，能夠實現極高的能效比和吞吐量。
2015 年始，TPU 在谷歌內部部署，并成功支撐了 AlphaGo 擊敗李世石等里程碑事件。多年來，谷歌始終將 TPU 嚴格限制于自家云平臺（Google Cloud），通過出租接入權限的方式，向需要大規模 AI 訓練和部署的企業提供算力。谷歌本次計劃放開在客戶本地部署，是其首次以英偉達替代方案的方式進入市場，標志著其戰略的重大轉變。
Meta 與谷歌的這筆潛在交易可能是谷歌十年 TPU 投入的一次關鍵性背書。按照討論中的方案，Meta 將把谷歌的 TPU 部署到其自有數據中心，并最快從明年起租用 Google Cloud 的 TPU 算力，凸顯了 Meta 構建和運行人工智能模型所需的高性能計算能力需求。
隨著模型參數規模從百億向萬億邁進，Meta 面臨的算力成本壓力呈指數級增長。據公開計劃，Meta 正在大幅增加其在 AI 基礎設施上的投入，Meta 今年在 AI 基礎設施方面的支出將高達 720 億美元，以滿足人工智能研發及業務運營的需求。當前，眾多深度思考推理模型，多采用 MoE（混合專家）架構。這類架構雖激活參數量相對較少，但總參數量巨大，對大規模并行處理和高效內存訪問需求迫切，單個芯片難以滿足其計算需求。TPU v7 正是基于此設計，在執行大規模張量操作時，最大程度減少芯片上的數據移動和延遲。對于 Meta 這樣每天需要處理數百萬億個 AI 模型的任務和操作的企業，TPU 在總擁有成本上的優勢成為關鍵考量因素。
本次潛在合作可能會超越傳統的供應商-客戶關系。通過將 TPU 引入自有數據中心，Meta 實質上是在構建一個異構算力架構，為未來接入更多專用芯片奠定基礎。同時，這一合作也將加速 TPU 生態的完善，推動其成為行業事實標準之一。對于年投入數百億美元建設 AI 基礎設施的 Meta 而言，與谷歌的深度合作不僅關乎成本節約，更關系到其在下一代 AI 競爭中的戰略地位。
TPU VS. GPU，為 AI 大模型而生的天然優勢架構
GPU 最初設計用于圖形處理，尤其是實時渲染和圖像處理，因此對其中體面結構的矩陣和向量運算做了專門優化，后來逐漸發展成為通用計算設備（GPGPU）。GPU 具有大量結構較為簡單的并行處理單元，適合處理高度并行的任務，如圖形渲染和科學計算，因此被廣泛應用于計算機圖形學、游戲開發、視頻編碼/解碼、深度學習訓練和推理。
TPU 是谷歌專為加速機器學習和深度學習任務而設計的專用芯片，特別是針對深度學習模型的訓練和推理。TPU 針對張量運算進行了高度優化，單個的脈動陣列架構吞吐量和處理效率相較 GPU 有了更大提升，特別適合于處理矩陣乘法等常見于神經網絡的操作，主要用于機器學習和深度學習模型的訓練和推理，特別是使用 TensorFlow 框架的任務。
TPU 以強大的并行處理能力實現了模型訓練速度和精度的雙重提升，可以說是比 GPU 更適合進行大量部署或使用的深度學習計算單元：
·多維度的計算單元提高計算效率：相較于 CPU 中的標量計算單元和 GPU 中的矢量計算單元，TPU 使用二維乃至更高維度的計算單元完成計算任務，將卷積運算循環展開的方式實現最大限度的數據復用，降低數據傳輸成本，提升加速效率；
·更省時的數據傳輸和高效率的控制單元：馮諾依曼架構帶來的存儲墻問題在深度學習任務當中尤為突出，而 TPU 采用更為激進的策略設計數據傳輸，且控制單元更小，給片上存儲器和運算單元留下了更大的空間；
·設計面向 AI 的加速，強化 AI/ML 計算能力：定位準確，架構簡單，單線程控制，定制指令集，TPU 架構在深度學習運算方面效率極高，且易于擴展，更適合超大規模的 AI 訓練計算。
TPU 為代表的新架構沖擊英偉達 GPU 主導的 AI 算力市場
當前，Meta 的選擇折射出眾多整個行業的戰略轉向——AI算力基礎設施的構建已不再局限于通用 GPU 的堆砌，正向更具能效優勢的 TPU 或者類 TPU 等定制化芯片深入。
今年 10 月 24 日，谷歌與 Anthropic 共同發布聲明，宣布谷歌將向 Anthropic 供應至多 100 萬塊專用 AI 芯片 TPU 以及附加的谷歌云服務，這筆交易價值數百億美元；谷歌在聲明中稱，這是 Anthropic 迄今為止規模最大的 TPU 擴容計劃。至此，Anthropic 已與谷歌、亞馬遜與英偉達三大芯片提供商達成合作。
11 月 23 日，特斯拉首席執行官馬斯克通過社交平臺發布長文，特斯拉已組建一支全球頂尖的芯片研發團隊，特斯拉已具備從芯片設計到量產的全鏈條能力，支撐起 FSD 自動駕駛、Dojo 超級計算機等核心業務。據馬斯克介紹，特斯拉已在車輛控制系統與數據中心大規模部署自研 AI 芯片，數量達數百萬顆。特斯拉當前車載芯片為 AI4（原HW4），其下一代產品 AI5 已完成關鍵設計，即將進入流片階段，而第六代芯片 AI6 的研發工作也已正式啟動。公司計劃以“一年一代”的節奏推進芯片迭代。
不止如此，自 2019 年始，許多科技巨頭已經開始探索非GPU算力解決方案：
·早在 2019 年，英特爾就收購了來自以色列的 AI 芯片制造商 Habana Labs，并在 2024 年 4 月推出了專攻深度學習神經網絡推理的類 TPU 芯片 Gaudi 3；預計2025 年初，IBM Cloud 將率先部署英特爾 Gaudi 3 AI 加速器；
·2023 年 11 月，微軟在其全球技術大會 Ignite 上宣布推出專為 Azure 云服務和 AI 工作負載設計的 ASIC 芯片 Maia 100，預計 2026 年正式發布；
·2023 年 11 月底，AWS 在其“AWS re：Invent 2023”大會發布了為生成式 AI 和機器學習訓練設計的云端 AI 算力芯片 Trainium 2；2024 年底，AWS 與 Anthropic 官宣共同打造名為 Project Rainier 的 EC2 UltraCluster，將使用數十萬片 Trainium2 芯片；
·2024 年 7 月 蘋果公司使用谷歌 TPU 訓練其人工智能系統“蘋果智能”（Apple Intelligence）的 AI 模型 AFM，通過 2048 片 TPUv5p 芯片來訓練擁有 27.3 億參數的設備端模型 AFM-on-device，以及 8192 片 TPUv4 芯片來訓練其為私有云計算環境量身定制的大型服務器端模型 AFM-server。
·2025 年 6月，據路透社報道，作為英偉達 GPU 長期以來的最大采購商之一的 OpenAI 已開始租用谷歌的 TPU 為其 ChatGPT 及其他 AI 產品提供算力支持。
· ······
國內唯一全自研、已量產 TPU 芯片的公司
核心創始團隊組建于 2018 年，作為國內唯一一家掌握 TPU 架構 AI 專用芯片核心技術并實現全自研 TPU 芯片量產的公司，中昊芯英的創始人及 CEO 楊龔軼凡曾作為谷歌 TPU 芯片核心研發者，深度參與過 TPU v2/3/4 的設計與研發工作。當前，OpenAI 大規模租用 TPU 算力、Meta 廣泛采購部署 TPU 芯片，特斯拉為特定場景研發專用 AI 芯片，共同標志著為 AI 負載優化的專用計算架構已成為行業演進的關鍵路徑，也從產業層面驗證了 TPU 技術方向的可行性與前瞻性。
TPU 為 AI 大模型而生的天然優勢架構，使其在面向 AI 計算場景時，在同等生產制程下相較于 GPU 可以擁有 3-5 倍的性能提升。以中昊芯英歷時近五年全自研的國內首枚已量產 TPU AI 芯片“剎那?”為例，“剎那?”在處理大規模 AI 模型運算時與海外知名 GPU 芯片相比，計算性能可以超越其近 1.5 倍，在完成相同計算任務量時的能耗降低 30%，將價格、算力和能耗綜合測算，“剎那?”的單位算力成本僅為其 42%。
TPU 所引領的架構革新，正在重塑全球 AI 算力的競爭格局。在模型復雜度與算力成本雙重攀升的背景下，以 TPU 為代表的專用芯片憑借其在能效、集群性能與總擁有成本上的綜合優勢，正逐步成為大規模 AI 基礎設施的可靠選擇。正是這些多元技術路徑的探索，最終推動算力效率持續突破，進而為下一代 AI 模型的宏大未來構建起堅實而高效的算力基礎。專注于 TPU 技術路線的中昊芯英為本土 AI 產業市場提供一個經過實踐檢驗的高效算力選項。
轉自：中國經濟新聞網
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
