OpenAI借助谷歌TPU，在Nvidia芯片成本上节省了30%

谷歌正从内部芯片使用者转变为芯片零售商，这一行动对英伟达的市场主导地位构成了直接挑战。一份新的分析报告指出，谷歌最新TPU的问世，其本身就已经在拉低AI计算能力的价格。

多年以来，谷歌在AI模型的芯片使用上，几乎一直只采用自家的张量处理单元（TPU）。不过这一长期坚持的策略，在全新的TPUv7“铁木”身上出现了转变。按照SemiAnalysis芯片领域专家的分析结果，谷歌目前正主动将这款芯片推向第三方市场进行销售，把自身的角色定位调整为英伟达的直接竞争者。

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与Daniel Nishball撰文指出：“你采购的TPU数量越多，在NVIDIA GPU上的资本支出就能节省得越多。”这番表述是对英伟达CEO黄仁勋那句广为人知的口号“买得越多，省得越多”所做的巧妙化用。

TPU证明了它们能够处理顶级AI模型

数据表明，TPU已不再是处于次要地位的替代选择。近期推出的两款性能顶尖的AI模型——谷歌的Gemini 3 Pro与Anthropic的Claude 4.5 Opus，其核心算力分别依托谷歌TPU和亚马逊Trainium芯片提供支持。其中，Gemini 3的训练过程完全由TPU承担。

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。

对于谷歌而言，其每颗芯片的总拥有成本（TCO）相较同类的英伟达GB200系统，大概要低44%左右。就算是Anthropic这类需要支付加价的外部客户，依据分析师的模型测算，每个有效计算单元的成本也有可能比英伟达系统低30%至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。

为了部署规模如此庞大的硅片，谷歌正借助创新的融资方式推进。目前，该公司正与Fluidstack这类“新云”企业以及TeraWulf这样的加密货币矿企展开合作。在这些合作交易里，谷歌往往扮演着财务后盾的角色：一旦合作的运营商出现经营问题，谷歌会为租金支付提供担保。通过这一策略，现有的加密货币挖矿数据中心能够被快速改造为人工智能相关设施。

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。

谷歌针对相关需求规划的TPUv8方案，据SemiAnalysis透露，采取了双轨并行的策略。具体而言，谷歌将推出两款不同的变体产品：一款是与长期合作的博通联合研发的，内部代号为“Sunfish”；另一款则是和联发科合作开发的，代号为“Zebrafish”。不过，从设计思路来看，该方案整体偏向稳健。有分析师表示，目前这个项目不仅在推进过程中出现了延误情况，而且在技术架构的选择上，也没有像部分竞争对手那样激进地采用台积电的2纳米制程工艺或是HBM4技术。

对谷歌而言，这其中潜藏着巨大风险。一旦英伟达能充分发挥Rubin的性能提升优势，TPU现有的成本优势恐怕会不复存在。SemiAnalysis发出警示，指出英伟达的Rubin系统——尤其是“凯伯机架”——在处理内部工作负载时，其经济性甚至超过了谷歌自家的TPUv8。

“谷歌已经亮出了这些底牌，接下来就看英伟达如何行动，才能守住行业龙头的宝座了。”SemiAnalysis分析道。要是市场领军者能精准落实自己的规划，就能继续领跑；可一旦英伟达在性能上掉链子，或是没能跟上Rubin计划的节奏，它的霸主地位恐怕就要岌岌可危了。