谷歌TPU 8tx与8i Max:英伟达通用GPU招牌还稳吗
(本文作者为 财能圈,钛媒体经授权发布) 文 | 财能圈 近日,谷歌发布两款新的TPU芯片,TPU 8tx和TPU 8i Max。 TPU是谷歌自己设计的AI专用芯片,做了十多年,最开始只为自己的搜索业务省算力。这次不一样:8tx卖给政府机构和受监管行业,主打芯片层面的数据加密;8iMax把两颗芯片封在同一个封装里,主
本文作者为财能圈,钛媒体经授权发布。
谷歌近日推出两款新TPU芯片,型号分别是TPU 8tx和TPU 8i Max。
TPU是谷歌自主研发的AI专用芯片,至今已做了十多年,最早只是给自家搜索业务省算力。这回情况不同了:8tx面向政府机构和受监管行业销售,核心卖点是芯片层面的数据加密;8iMax则把两颗芯片封进同一个封装,主打超长上下文。
谷歌芯片业务负责人Amin Vahdat接受彭博采访时,说了一句听上去很平常的话:“未来将属于专业化。”
这话明显是说给英伟达听的。英伟达做了二十年GPU,卖点始终是“一颗芯片什么都能干”。如今,做通用芯片的公司开始推专用版本,做专用芯片的公司反过来搭通用平台,两条路线在半道上撞上了。
01 两年一款变成一年两款 谷歌为什么突然加速
以往谷歌一般每两年才推出一款新的AI处理器。2026年,这个节奏被打破了。Vahdat表示,四款TPU产品将各自针对不同需求做优化;他给出的理由很直接:“我们可以打造一款试图满足整个市场需求的通用芯片,也可以推出不同的专业化版本。通过后者,我们实际上能够为客户创造更多价值。”
产品线越铺越宽,背后是客户名单在变长。苹果、Meta和甲骨文都已被谷歌TPU吸引过来。10月,甲骨文宣布从明年起首次允许其云客户使用谷歌TPU,而在此之前,这些客户只能选英伟达和AMD。甲骨文云基础设施高级副总裁Karan Batta的说法是:“随着AI工作负载变得越来越复杂,客户需要更多选择。”
更大的一单来自Anthropic。近期一份监管文件显示,这家公司握有一项选择权,可在2028年至2031年间购买价值最高1500亿美元的TPU。彭博早前还报道,OpenAI也有采购计划。
谷歌在财报里写下一句很硬的话:目前所有能够供应的TPU,都已经被客户预订。
为什么偏偏是现在?两个外部条件凑到了一起。一头是市场担心AI基础设施投资可能放缓,科技股因此承压;另一头是美国中期选举民主党获胜,数据中心项目面临新的不确定性。谷歌挑这个时点扩产品线,等于给客户递了个信号:建设节奏怎么变都行,芯片这一层我先备好。
02 8tx和8i Max 分别卖给谁
这两颗芯片并非全新设计,而是在现有芯片上重新配置,各自对准一类具体需求。
TPU 8tx面向需要处理安全、机密数据的客户,也就是政府机构以及受严格监管的行业。它与AMD的CPU搭配使用,在芯片层面完成数据加密。Vahdat的解释很具体:传统计算机处理数据,一般得先在内存里解密;8tx能绕开这一步。这是谷歌与AMD合作的一部分。
TPU 8i Max面向需要运行超长上下文窗口的应用。两颗TPU被集成在同一个封装内,算力和内存容量一起提升。Vahdat说,这类能力对药物研发和数学计算很重要,对编程类应用同样重要。
两类客户群,两套付费理由。政府和受监管行业买的是“合规”,愿意为安全掏溢价;模型公司买的是“上下文”,愿意为一次能读多少文档掏溢价。一颗芯片满足不了这两种需求,谷歌索性把它们分开做。
03 便宜30% 但赚得比英伟达少
彭博行业研究分析师Mandeep Singh给出一组数字:与英伟达GPU相比,TPU成本低约30%,吞吐量方面则有竞争力。他同时指出,谷歌TPU业务的利润率不如英伟达那么高。
便宜30%从哪来?两条。其一,TPU是专用芯片,砍掉了大量通用计算单元;其二,谷歌自己就是最大用户,研发成本能摊到自己的算力需求上。
不过便宜不等于好卖。英伟达真正的护城河不是芯片,是CUDA——开发者十几年攒下的代码、工具和经验。Counterpoint Research副总裁Neil Shah说过,开发者在CUDA上投入的时间、代码和项目经验都是无法迁移的沉没成本。
量化交易公司Jump Trading首席技术官Alex Davies透露,公司手里有数千颗TPU,主要拿来训练辅助交易研究的模型。不过真正的主力训练仍然跑在英伟达芯片上,只有少数员工对TPU特别买账,按Davies的说法,“他们对此表达得相当积极”。
把这几层意思摆到一起看:一家签了更大合作协议、握着几千颗TPU的客户,训练主力还是英伟达。TPU拿下的属于“特定任务”,并非“主战场”。
谷歌对自家短板并不回避。供应端它在多找路子:跟博通联合设计并协调生产,近几个月又和博通的对手迈威尔签了合作协议,还有报道说联发科也在给TPU业务搭把手。软件那头则在补课。Vahdat提到一项别人不具备的条件:TPU开发团队可以提前拿到谷歌最新的Gemini模型,用来提升芯片能效、排查软件漏洞。芯片设计缺陷一旦出问题,损失可能达到数十亿美元,而AI正让这类问题更不容易发生。
竞争还在从两侧挤过来。一家叫Tenspresso的初创公司由两名前TPU工程师创立,其首款芯片正对着8iMax的市场,产品至少还要一年才能完成设计。OpenAI和Anthropic也在推进自研芯片,团队里不乏参与过TPU开发的资深工程师。
彭博行业研究给出的预测是,到2028年,谷歌TPU相关的芯片、软件和硬件销售额会突破1350亿美元,而今年这个数预计为120亿美元。客户经由谷歌云使用TPU产生的收入,还没有计入其中。
同一份研究里还有另一个方向相反的数字:针对数据中心建设的反对声音,可能让科技公司原定2027年投入的1.4万亿美元相关支出缩水5%到7%。这笔钱覆盖芯片、网络设备、土地,以及数据中心建设需要的其他材料。两个数字摆在一起,正好是谷歌眼下的全部处境——需求在往上走,阻力也在往上走。它选在同一年把产品线铺开,把“专业化”写进了目录。
十多年前谷歌做TPU,图的是少买英伟达的卡。十多年过去,TPU已经卖给苹果、Meta、甲骨文,还要跟英伟达争同一批客户。这场仗打到后面,拼的不是芯片谁更快,而是谁能让人少改一行代码。
英伟达的招牌还挂着,可门口已经站了人。