谷歌正从内部芯片用户转型为零售商，这一举措直接挑战了英伟达的市场主导地位。一项新分析显示，谷歌最新TPU的存在本身就已经在推低AI计算能力的价格。

多年来，谷歌几乎只为自家AI模型使用张量处理单元（TPU）。这一策略在新的TPUv7“铁木”中发生了变化。根据SemiAnalysis芯片专家的分析，谷歌现在正积极向第三方出售其芯片，将自己定位为英伟达的直接竞争对手。

Anthropic是客户名单的头条。分析显示，这家初创公司的交易涉及约一百万个TPU，分配在直接硬件购买和通过谷歌云平台（GCP）进行云租赁之间。据报道，运行这些硬件所需的基础设施消耗超过一吉瓦的电力。

市场已经感受到冲击。SemiAnalysis报道，OpenAI仅凭可信的威胁将转向TPU或其他替代方案，就为其英伟达车队争取到了大约30%的折扣。

分析师Dylan Patel、Myron Xie和Daniel Nishball写道：“你买的（TPU）越多，你节省的（NVIDIA GPU资本支出）就越多，”这是对英伟达CEO黄恩森著名口号“买得越多，省得越多”的俏皮变奏。

TPU证明了它们能够处理顶级AI模型

使用数据显示，TPU已不再是二线替代品。最近发布的两款最强大的AI模型——谷歌的Gemini 3 Pro和Anthropic的Claude 4.5 Opus——主要依赖谷歌TPU和亚马逊的Trainium芯片。双子座3号完全依靠TPU训练。

根据SemiAnalysis的数据，技术上，TPUv7“铁木”在理论计算能力（FLOP）和内存带宽方面几乎与英伟达的布莱克韦尔一代持平。但真正的杀手镥是价格。

对于谷歌来说，每颗芯片的总拥有成本（TCO）大约比同类的英伟达GB200系统低44%。即使是像Anthropic这样支付加价的外部客户，根据分析师的模型，每个有效计算单元的成本也可能比英伟达系统低30%到50%。

这种优势对优化软件的团队来说是可行的。谷歌系统最多可将9,216颗芯片连接到一个密集网络的单一域。这种架构相比传统英伟达系统（通常只将64到72颗芯片密集聚集在一起）更易于分散大规模AI训练运行。

软件更新旨在打破CUDA的锁定

软件长期以来一直是TPU采用的最大障碍，英伟达的CUDA平台成为行业标准。谷歌正在大力投资以消除这一障碍。报告指出，公司正在开发对流行PyTorch框架的原生支持，并与vLLM等推理库集成。

目标是让TPU成为一个可行的替代方案，同时不强迫开发者重建整个工具链。然而，TPU软件栈的核心——XLA编译器——仍然是专有的。SemiAnalysis认为这是一个错失的机会，因为开源本可以加速更广泛社区的采纳。

为了部署如此庞大的硅片，谷歌正在利用创新融资。该公司正在与Fluidstack等“新云”公司以及像TeraWulf这样的加密矿工合作。在这些交易中，谷歌常常充当财务后备：如果运营商失败，谷歌保证租金支付。这一策略能够快速将现有的加密挖矿数据中心转变为人工智能设施。

英伟达的下一代可能会抹去价格优势

面对谷歌成功的压力，英伟达正在准备一场技术反击。其下一代“Vera Rubin”芯片预计于2026年或2027年推出，将采用激进的设计选择，如HBM4内存和极高带宽。

谷歌计划中的应对方案TPUv8，根据SemiAnalysis的说法，采用了双重策略。公司计划发布两个变体：一个与长期合作伙伴博通（代号“Sunfish”）共同开发，另一个与联发科（代号“Zebrafish”）合作开发。尽管如此，设计显得保守。分析师指出，该项目存在延误，且依赖架构避免了竞争对手中激进使用台积电的2纳米工艺或HBM4。

对谷歌来说，风险极大。如果英伟达能很好地利用Rubin的性能提升，TPU目前的成本优势可能会消失。SemiAnalysis警告称，英伟达的Rubin系统——特别是“凯伯机架”——在内部工作负载下，甚至比谷歌自家的TPUv8更经济。

“谷歌已经展示了这些卡片，现在英伟达必须执行任务，以保持食物链顶端的雄狮地位，”SemiAnalysis总结道。如果市场领导者完美执行其路线图，它就能保持领先地位。但如果英伟达在性能上出现失误或错过Rubin计划，其主导地位可能会面临严重威胁。