谷歌TPU，十年磨一劍

谷歌正式對英偉達亮劍了。

最近谷歌成功挖了英偉達墻角，說服一家英國小型云服務商Fluidstack轉用谷歌的TPU。

這單生意沒多大，1年最多幾億收入（本文貨幣單位如無強調均為美元），卻讓谷歌大漲5000億，市值正式突破3萬億，相當于8個工商銀行。（截至2025.09.15）

為什么一單小生意會撬動這么大市值呢？因為這意味著谷歌十年磨一劍的TPU要利刃出鞘了，出鞘第一劍，先斬皮衣男，谷歌TPU將對英偉達GPU構成重大威脅。

TPU是什么？跟GPU有什么區別？TPU對谷歌、對英偉達乃至對整個AI產業又意味著什么？

嘉賓商學新科技案例100為你揭秘。

1、CPU、GPU與TPU

TPU，Tensor Processing Unit，又叫張量處理器；跟GPU一樣，它本質上不是某一類芯片，而是公司為了彰顯自家產品很特別、很厲害而起的名。就像AD鈣奶并不是一類奶，只是娃哈哈的一款產品。TPU其實是谷歌為自己的深度學習框架TensorFlow設計的專用芯片。

又來了一個專業詞匯，專用芯片，ASIC，Application Specific Integrated Circuit。

TPU就是谷歌版的ASIC，像德儀、博通，都是頂尖的ASIC大廠。

那么CPU、GPU、ASIC又有什么區別呢？

CPU是通用計算，各種指令、各種操作都能做，但沒有特長；GPU是并行計算或者叫加速計算，一開始是專門做圖像渲染的，后來被用來做AI深度學習，不管你是做通用模型還是垂直模型或者Agent，AI相關的都能用；而ASIC是根據用途來給你私人定制，像谷歌的TPU，就是專門為TensorFlow定制的。

這就像公司里的不同角色，CPU是萬金油、多面手，什么事都可以交給他，辦不砸，但也別指望他出彩；GPU是挖來的大廠高管或者專家，絕對夠專業，但成本高，跟你們公司的適應性也有問題；而ASIC是公司培養的985管培生，名校畢業底子好，還是一張白紙進來的，隨你怎么畫，肯定是最適合公司的。

2、谷歌十年磨一劍

說回谷歌，2013年，谷歌發現用語音搜索和語音識別的人越來越多了，他們算了筆賬，如果用戶每人每天用3分鐘的語音搜索和識別，那谷歌的算力遠遠不夠用，必須再建一個數據中心。

谷歌膀大腰圓，倒是不差錢，但是這樣下去不是辦法啊，要是以后每人每天用30分鐘呢？難道再建10個數據中心嗎？

沒這么過日子的，得精打細算。

于是，谷歌打上了TPU的主意。

前面說了，TPU屬于ASIC，可以私人定制，需要什么功能就給你做什么功能。

而在此之前，他們用的是英偉達GPU，算力確實大，但有點浪費；相比之下，TPU小而精準，從大水漫灌改成針孔滴灌。

具體來說，它采用了軟硬件協同的“提前編譯”策略。傳統芯片需要高能耗的緩存來應對不可預測的數據訪問；而TPU是定制的，編譯器在程序運行前就規劃好了所有數據的路徑，這樣就不再需要復雜的緩存了，大大提高了效率。

2015年，谷歌第一代TPU問世，搭載在谷歌旗下DeepMind的AlphaGo上，第二年AlphaGo打敗李世石，TPU功不可沒。之后TPU不斷進化，一直為谷歌的AI戰略效力。現在谷歌的大模型Gemini主要就是用TPU訓練的，算力成本只有OpenAI使用GPU成本的1/5，簡直不要太香。

今年，谷歌TPU已經進化到第七代了，代號“Ironwood”。

Ironwood的整體性能跟英偉達的看家產品B200不相上下了，最高配集群有9216個液冷芯片，峰值算力是世界上最大的超級計算機El Capitan的24倍以上。

在此之前，谷歌TPU都是自己消化。70%-80%用在DeepMind、Gemini等自家業務上，剩下的也只租不賣。

而現在，經歷十年打磨后，谷歌終于要賣TPU了。預計出貨量2025年250萬片，2026年超過300萬片。

敢報這么大的數，誰給谷歌的勇氣？他自有辦法。就是挖墻腳。

比如開頭提到的Fluidstack，本來人家用英偉達GPU用的好好的，谷歌找上門來說：別光用他們的，哥哥家的TPU也不錯！你要不把數據中心擴建一下，裝上哥哥的TPU？Fluidstack表示：擴建要租新場地，我沒錢。谷歌給出了一個無法拒絕的理由：這是32億美元，只要聽哥的，你就拿去花吧。

不只是Fluidstack，包括AI獨角獸Anthropic，最近被發現正在招聘TPU內核工程師；馬斯克旗下的X-AI也表現出采購TPU的興趣。

3、血拼英偉達

甚至有傳言說，谷歌可能要讓TPU業務獨立出來，跟英偉達直接拼刺刀。

花旗銀行分析師預測，因為TPU的競爭，預計2026年英偉達GPU銷售額要減少120億。

當然，英偉達的護城河不只是算力，更是整個CUDA生態。經過近20年的建設，CUDA已經聚集了500多萬開發者，如果不用英偉達GPU，就要離開CUDA，把代碼遷到別的平臺，這意味著要重寫30%-50%的核心邏輯（例如內存管理、并行優化），同時面臨30%-60%的性能損失，遷移成本太大了。

但谷歌也是有備而來，他構建了能在TPU上運行的高性能計算Python庫JAX，還發布了模型流水線解決方案“Pathway”，外部開發者用上Pathway，不需要重新設計就能開發Gemini等大模型。過去半年，圍繞TPU的開發者活躍度激增96%。

這對英偉達來說是不可接受的威脅。

野村證券預計，到2026年ASIC總出貨量會超過GPU，而TPU是目前最成熟的ASIC。

谷歌十年磨一劍，利刃已出鞘，接下來就看老黃這塊盾牌的成色了。

出品 | 嘉賓商學