在最新自研TPU（张量处理单元）芯片的推动下 ，科技巨头谷歌向AI（人工智能）芯片龙头英伟达发起冲锋。

　　近日
，研究机构SemiAnalysis发布报告，解释了谷歌如何成为英伟达在商用芯片领域最具威胁的竞争对手 。SemiAnalysis的模型数据显示 ，从TCO（总体拥有成本）的角度来看，谷歌第七代TPU芯片在成本效率上对英伟达构成了碾压优势：客户采购越多谷歌TPU
，能够节省的英伟达GPU资本开支就越多
。

　　SemiAnalysis指出，以OpenAI为例 ，自从其于2024年5月发布大模型GPT-4o以来
，OpenAI还没能完成任何“面向下一代前沿模型”的大规模预训练部署。尽管OpenAI尚未从英伟达GPU转向谷歌TPU，但在TPU带来的竞争压力下 ，OpenAI已经从英伟达处获得了约30%的算力集群报价折扣 。

　　TPU（Tensor Processing Unit）是谷歌于2016年公开的自研AI专用集成芯片（ASIC）
，主要用于加速机器学习模型的训练和推理。与英伟达的GPU相比，TPU的通用性较差 、功能更专一 ，但功耗也更低
。此前
，谷歌并不会直接出售TPU，而是允许其他企业通过谷歌云来进行租用。

　　SemiAnalysis强调 ，谷歌的AI基础设施优势不是在于芯片参数
，而是来自其系统级工程能力，也就是说“系统比微架构更重要 ”：“依靠系统设计
、互联、编译器和整体软硬件协同 ，谷歌能够让TPU在实际性能和成本效率方面与英伟达相当 。
”

　　今年11月，谷歌宣布
，公司第七代自研TPU芯片Ironwood即将正式发布
。据介绍，Ironwood在训练和推理方面的性能比上一代芯片提升了4倍多 ，采用了先进的互联架构
，单个POD（AI超级计算机单元）可连接多达9216颗Ironwood芯片，并通过每秒9.6 Tb（太比特）的突破性ICI（芯片间互联网络）连接成一个“超级pod” ，访问高达1.77 PB的共享高带宽内存（HBM）。

　　根据SemiAnalysis统计的数据
，从技术角度来看，Ironwood芯片在每秒浮点运算（FLOPs）和内存带宽方面几乎追上了英伟达的Blackwell GPU系列 。如果谷歌自用该芯片 ，每颗芯片的TCO比同等配置的英伟达GB200系统低约44%
。

　　SemiAnalysis认为
，谷歌正在努力成为“真正差异化的云服务供应商 ”。今年10月，AI初创公司Anthropic宣布与谷歌达成合作 ，将部署多达100万个谷歌的TPU芯片以训练旗下AI大模型 。在约定部署的100万颗芯片中
，首批约40万颗最新TPU芯片将由与谷歌共同设计芯片的博通直接出售给Anthropic，价值约100亿美元；剩余的60万颗芯片则通过谷歌云进行租赁
。

　　目前 ，英伟达也感受到了来自谷歌的压力。当地时间11月25日，有消息称Meta正在考虑从2027年起在其数据中心部署谷歌的TPU（张量处理单元）
，价值达到数十亿美元，还可能在明年通过谷歌云租借TPU ，令英伟达当天股价盘中一度跌超7% 。

　　对此
，英伟达当天公开回应称，公司的GPU“仍领先行业一代”：“与专为特定AI框架或功能设计的ASIC（专用集成芯片）相比 ，英伟达提供更高的性能 、更强的通用性以及更好的可替代性
。
”

（文章来源：澎湃新闻）