便宜 30% 的輝達最強對手！Google 第八代 TPU 轉向開賣，連 Anthropic 都掃貨百萬顆

Google 正加速將其自研張量處理單元（TPU）從內部工具轉變為對外銷售的商用 AI 晶片，直接挑戰輝達（NVIDIA）在 AI 硬體市場的統治地位。這家科技巨頭已將 TPU 作為其 AI 超級電腦的核心元件，透過與博通（Broadcom）的合作，Google 的 TPU 業務已擴展至為 Anthropic 等外部客戶提供完整的 AI 基礎設施解決方案。

當前 AI 晶片市場格局中，輝達仍以約 86% 的資料中心晶片收入佔據主導地位。然而，Google 的 TPU 正憑藉成本和系統優勢撬動這一格局。據報導，Google 自研 TPU 處理 AI 工作負載的成本可比競爭對手的處理器低 30%，這一優勢在規模化部署中尤為顯著。

在戰略層面，Google 近年已完成從僅供內部使用到全面商業化的轉變。

先前 Google 與 Anthropic 達成協議，後者將部署多達 100 萬顆 Google 第七代 TPU，用於訓練其 Claude 模型。這項交易據稱是 Google 首次以直接硬體供應商身份與輝達競爭，標誌著其 TPU 戰略的根本性轉變。

與此同時，Google 已發布專門針對訓練任務和推論任務分別優化的第八代 TPU，並計劃於今年晚些時候上市。公司目前約 75% 至 80% 的 TPU 產能仍用於內部業務，但分析師預測其 TPU 產能將進一步擴張，預計到 2027 年 TPU 年產量可達 500 萬塊。

分析認為，Google TPU 的外部銷售戰略已被視為輝達 GPU 在 AI 晶片市場主導地位面臨的最具結構性威脅。儘管 Google 在軟體生態（如 CUDA 對應的 ROCm 或 OpenXLA/XLA 框架）方面仍面臨挑戰，但其客戶的成功案例和不斷增長的外部需求，正凸顯出其作為輝達替代方案的可行性在逐步提升。

TPU 技術的演進與博通的角色

自 2016 年 Google 首次在 I/O 大會上公布第一代 TPU 以來，這一產品線已經歷了多次重大反覆運算。從最初僅能執行推論任務的 ASIC 晶片，演進到如今具備超強浮點運算能力、專為大規模語言模型訓練設計的超級叢集。

在這一技術演進的背後，網通與晶片大廠博通（Broadcom）扮演了極為關鍵的角色。Google 負責底層架構設計與演算法優化，而博通則協助進行 ASIC 的設計整合、高頻寬記憶體（HBM）的封裝調試以及超高速光學元件的整合，確保 TPU 叢集在大規模資料交換時不會產生頻寬瓶頸。

雖然輝達的 GPU 憑藉 CUDA 生態在開發者群體中擁有不可撼動的黏著度，但其昂貴的單片售價以及供應緊張引發的變動，讓許多需要大規模算力的巨頭苦不堪言。Google 的 TPU 戰略正是瞄準了這一痛點。透過將 TPU 與 Google Cloud 服務深度綁定，Google 能夠為客戶提供免去高昂前期硬體採購成本的「算力訂閱」模式。

同時，Google 主導開發的 OpenXLA 框架正試圖打破 CUDA 的壟斷。透過將 PyTorch 和 TensorFlow 等主流深度學習框架編譯為高效的機器碼，OpenXLA 讓開發者能夠在不大幅修改程式碼的前提下，將工作負載無縫遷移至 TPU 平台。

系統成本與生態系統的拉鋸戰

Google TPU 的商業化轉向，是 AI 算力市場走向多元化的必然結果。長期以來，輝達的顯示記憶體與 GPU 產能瓶頸限制了整個 AI 產業的演進速度。Google 選擇在此時將第八代 TPU 推向外部市場，並與 Anthropic 等頂尖 AI 研發商深度綁定，這在戰略上是一著妙棋。

雖然短期內 Google 的軟體生態很難動搖輝達 CUDA 的霸主地位，但對於追求低成本、高能效比的大型企業客戶而言，TPU 展現出的 30% 成本優勢具有極大的吸引力。這場晶片大戰的關鍵不在於誰的單卡算力最強，而在於誰能提供最穩定、最具成本效益的規模化訓練方案。Google 的參戰將有助於平抑市場的算力價格，推動 AI 應用更快落地。