谷歌这周把两款新的自研 AI 芯片摆到了台前——TPU 8tx 和 TPU 8i Max。表面看是两颗新品的常规迭代，背后却是谷歌对 AI 算力路线的一次重新下注：过去十多年它做 TPU 是为了给自己搜索业务省算力，现在则想把芯片卖给苹果、Meta、甲骨文这样的外部大客户。
TPU 本就是谷歌跑了十多年的自研 AI 专用芯片。这一次的 8tx 主打”安全”：面向政府和受监管行业，配合 AMD 的 CPU 在芯片层面做数据加密，绕开传统计算机先解密再计算的步骤。8i Max 则把两颗芯片封进同一个封装，主打超长上下文，服务于药物研发、数学计算和编程类场景。两颗芯片，两套付费理由——前者买”合规”，后者买”一次能读多长的文档”。
发布节奏也明显加快了。谷歌芯片业务负责人 Amin Vahdat 在采访里说了一句被反复引用的话：“未来将属于专业化。”这句话的潜台词很清楚：英伟达卖了二十年 GPU，卖点一直是”一颗芯片什么都能干”，而如今做通用芯片的公司在做专用版本，做专用芯片的公司在搭通用平台，两条路线正在中途对撞。
客户名单是这条路线最有力的注脚。甲骨文 10 月宣布，从明年起首次允许其云客户使用谷歌 TPU；Anthropic 在监管文件中披露，拥有在 2028 至 2031 年间最高采购 1500 亿美元 TPU 的选择权；OpenAI 也被报道有采购计划。谷歌在财报里写得更直接：目前所有能够供应的 TPU，都已经被客户预订。
但便宜不等于好卖。彭博行业研究给出的数字是，相比英伟达 GPU，TPU 成本低约 30%，吞吐量也有竞争力，可利润率并没有英伟达高。真正的护城河是 CUDA——开发者十几年积累的代码、工具和经验，是一笔难以迁移的沉没成本。Jump Trading 的首席技术官说得实在：这家公司手里有几千颗 TPU，主要用于训练辅助交易研究的模型，主力训练仍放在英伟达上。换句话说，TPU 抢下的是”特定任务”，还不是”主战场”。
把视线拉回国内，谷歌这步棋其实和本土算力市场的转向同频。过去一年，华为昇腾、寒武纪等国产加速器也在从”通用替代”走向”场景专用”，运营商和互联网大厂的自研芯片同样在围绕推理与训练的不同负载做细分。全球云厂商“去英伟达单一依赖”的共识正在形成，区别只在于谷歌是用自研芯片对外供货，而多数中国厂商是先填自己的算力缺口。这种”专业化”趋势说明，AI 算力的竞争已经从”谁的参数多”切换到”谁的芯片更贴场景”。
不过，预订一空和真正拿下市场是两件事。TPU 便宜 30% 靠的是砍掉通用计算单元、且谷歌自身就是最大用户能摊薄研发，但利润率偏低意味着它很难靠价格战动摇英伟达的地位。对谷歌而言，更现实的算盘是把开发者圈进自己的软件栈——毕竟英伟达的壁垒不在硅片，在生态。接下来的看点不在芯片本身快不快，而在谷歌能不能让客户少改一行代码就完成迁移；这一步若走通，AI 芯片市场才真正从”一家通吃”走向”分层共存”。
信息来源：钛媒体
本文仅供信息参考，不构成任何投资建议。