- A+
英伟达最近头疼的事儿可不止老黄那一件。
本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。今年,谷歌第一次在同一年内推出四款TPU系统。
而谷歌对TPU的野心,可能比外界想象得更大——还是今年,谷歌破天荒开始对外销售TPU系统。

据接近谷歌的人士透露,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,届时“会有更多大型企业大规模使用TPU”。至少在谷歌高层人士看来,“英伟达一家独步天下的日子快要结束了”。
一、核心信息速览
| 项目 | 内容 |
|---|---|
| 产品 | 第八代TPU,已扩展至四种配置 |
| 关键变化 | 谷歌首次向外部客户销售整套TPU系统 |
| 推动者 | 一位加入谷歌不到三年的高管 |
| 商业模式 | 从云上租赁扩展至客户自有数据中心部署 |
| 云业务表现 | Google Cloud Q3收入307亿美元,同比增长103% |
| 竞争信号 | SemiAnalysis测试显示TPUv7在部分场景每美元token产出更高 |
二、“像英伟达一样”,对外销售TPU系统
今年,谷歌首次向外部客户销售整套TPU系统。
据接近谷歌的人士透露,一位加入谷歌不到三年的高管推动了这项决策。在内部巨大争论声中,他力主改变TPU的商业战略,最终让管理层下定决心,“像英伟达一样”把TPU卖给外部客户。
从自研到外售的演进路径
| 时间 | 阶段 |
|---|---|
| 2013年 | TPU只是谷歌为降低自家AI业务算力成本而自研的专用加速芯片 |
| 2018年 | 开始在Google Cloud上开放TPU对外算力租赁 |
| 2026年Q1财报会 | CEO皮柴表示观察到AI实验室、资本市场公司及高性能计算应用领域对TPU的“强劲需求”,宣布面向部分精选客户,支持在客户自有数据中心内部署TPU |
| 2026年Q2 | 开始向客户交付完整TPU系统 |
系统包含计算、存储、网络硬件及软件等一整套能力,还提供训练和推理相关服务。
内部把这轮外售视为一次“以售养研”的结构性置换——用外部订单分摊数据中心的天量资本开支,用规模化需求反哺自研硬件的成本曲线。
三、收入潜力已经开始显现
这套商业模式已经开始显现收入潜力。
| 季度 | Google Cloud表现 |
|---|---|
| Q1 | 同比增长63% |
| Q2 | 增长82% |
| Q3 | 收入307亿美元,同比增长103%;经营利润由35.94亿美元升至111.21亿美元 |
谷歌母公司Alphabet明确表示,TPU系统销售是第三季度Google Cloud增长的重要贡献因素之一。最新10-Q中,Alphabet已将“产品销售,主要为TPU系统”明确列入Google Cloud收入,管理层预计TPU系统销售将在Q4继续扩大。
虽然TPU系统销售的绝大部分合同收入要等到2027年才进入报表,目前还没有落实到财报上,但这一趋势恐怕难以逆转。
四、为什么今年才这么做?
其实谷歌对外销售TPU,是自然演化与外部条件共同作用的必然选择。
1. 抓住高端GPU紧缺的窗口
虽然Q2财报会上皮柴表示,谷歌内部对前沿AGI的算力需求依然是一条不可逾越的红线,但这两年高端GPU持续紧缺,求购英伟达无门的客户不得不另觅他法。谷歌想要抓住这个窗口。
2025年发布的第七代TPU Ironwood,就已经专门针对推理进行了设计。到了今年的第八代,谷歌进一步把训练、实时推理、机密计算和超长上下文拆分成不同的系统配置。
谷歌芯片业务负责人Amin Vahdat对外透露口风说“未来属于专业化”,其意图正是以专业化芯片路线,撬动英伟达“一颗通用芯片包打天下”的叙事根基。
2. 补齐软件生态短板
英伟达这些年最大的优势之一就是CUDA生态。英伟达早早把AI开发者的工具箱给配齐了,大量软件都围绕CUDA做过适配和优化。作为主流AI框架,PyTorch对CUDA支持最成熟。
然而很长一段时间里,谷歌TPU深度绑定TensorFlow、JAX,软硬件栈和GPU差异大,迁移门槛很高。
2025年年中,谷歌开始拉着Meta的PyTorch团队一起开发TorchTPU,目的就是支持少量改代码即可在TPU上跑PyTorch模型。上个月底,TorchTPU这项合作成果正式开源。
3. 性价比冲击
11月5日,SemiAnalysis公布了一组新的Agent推理测试结果。结果显示在Muse Spark等模型上,谷歌第七代TPU Ironwood已经能在部分测试中实现比英伟达GPU更高的每美元token产出。
此前,英伟达只在少数场景输给AMD;TPU带来的性价比冲击,则是它没见过、也不想接受的局面。
SemiAnalysis称,谷歌提交AgentX测试结果证明TPUv7能够在每美元性能上击败GB300 NVL72 FP4后,英伟达迅速组织了一支工程师团队进行反击。经过四轮优化后,在某个模型的测试上,GB300每美元token产出终于反超TPU 1.5-2.6倍。
五、观察:英伟达面临的双线压力
| 观察维度 | 内容 |
|---|---|
| GPU阵营内部 | AMD持续追赶 |
| 架构层面 | 谷歌试图以TPU撬动GPU作为默认算力选项的地位 |
| 生态层面 | TorchTPU开源降低迁移门槛 |
| 商业层面 | 谷歌从云租赁扩展至整套系统外售 |
前有AMD在GPU阵营内部追赶,后有谷歌试图从架构层面撬动GPU作为默认算力选项的地位。英伟达这回想不自己卷自己都难。
老黄的烦心事还没处理完,AI芯片市场又给英伟达加了一道“左右为难”。
常见问题(FAQ)
Q1:谷歌今年在TPU上做了什么关键变化?
A:首次向外部客户销售整套TPU系统,支持在客户自有数据中心内部署,而此前主要是云上租赁形式。
Q2:为什么谷歌选择今年对外销售TPU?
A:高端GPU持续紧缺,客户寻求替代方案;同时谷歌通过专业化芯片路线和TorchTPU开源补齐软件生态。
Q3:TPU对Google Cloud的贡献如何?
A:Q3 Google Cloud收入307亿美元、同比增长103%,Alphabet明确表示TPU系统销售是重要贡献因素之一。
Q4:SemiAnalysis的测试结果说明了什么?
A:TPUv7在部分测试中每美元token产出高于英伟达GPU;英伟达随后经过四轮优化,在某个模型测试上实现反超。
Q5:TorchTPU的意义是什么?
A:支持少量改代码即可在TPU上跑PyTorch模型,降低迁移门槛,对CUDA生态形成直接挑战。
【关于EPCP智竞大奖赛】
EPCP扑克中文网(epcppk.com)为EPCP智竞大奖赛官方中文网站。EPCP中文网收录所有EPCP中文赛事资讯,EPCP新闻以及EPCPT扑克教学的文章。EPCP智竞大奖赛是国内电视游戏和娱乐领域的首屈一指的赛事品牌,赛事安全公正,值得参赛选手信赖,点燃了国内扑克热潮。
EPCP游戏试玩入口










