谷歌两款TPU齐发:一颗加密一颗长上下文,英伟达通用牌还稳吗
谷歌推两款专业TPU,向英伟达通用芯片路线发起挑战。 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,主打超
谷歌拿出两颗专用TPU,直接冲着英伟达那套“通用芯片”路线去了。
这次发布的两款新品分别是TPU 8tx和TPU 8i Max。
TPU是谷歌自研的AI专用芯片,做了十多年,最初只是给自家搜索业务省算力。这回情况不同:8tx面向政府机构和受监管行业销售,核心卖点是芯片级数据加密;8iMax则把两颗芯片塞进同一封装,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句话,听着平平无奇:“未来将属于专业化。”
这话是说给英伟达听的。英伟达在GPU上耕耘二十年,卖点始终是“一颗芯片什么都能干”。如今局面倒过来了——做通用芯片的厂商开始推专用版本,做专用芯片的厂商反过来搭通用平台,两条路线在半路撞上。
两年一款变成一年两款,谷歌为什么突然加速
谷歌以往大约两年才更新一代AI处理器。2026年,这个节奏被打破了。Vahdat表示,四款TPU产品会各自针对不同需求做优化;他给出的理由很直白:“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。”
产品线铺开的背后,是客户名单越拉越长。苹果、Meta和甲骨文都已经被谷歌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——在这之前,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。”
更大的一笔单子来自Anthropic。近期一份监管文件显示,这家公司拿到一项选择权,可在2028年至2031年间买入价值最高1500亿美元的TPU。彭博早前还报道过,OpenAI也有采购计划。
谷歌在财报里写得很硬气:眼下所有能供应的TPU,都已被客户预订一空。
为什么挑这个时间点?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,数据中心项目多了新的不确定性。谷歌此时扩充产品线,等于给客户递话:建设节奏怎么变都行,芯片这层我先备着。
8tx和8i Max,分别卖给谁
这两颗并非从零设计的新芯片,而是在现有芯片上重新配置,各自对准一类具体需求。
TPU 8tx卖给要处理安全、机密数据的客户——政府机构,还有监管严格的行业。它跟AMD的CPU搭配干活,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能把这一步绕过去。这也是谷歌与AMD合作的一部分。
TPU 8i Max则面向要跑超长上下文窗口的应用。两颗TPU被集成进同一个封装,算力和内存容量一起往上提。Vahdat说,这种能力对药物研发、数学计算很关键,编程类应用同样离不开。
两类客户,两套掏钱的理由。政府和受监管行业买的是“合规”,肯为安全多付钱;模型公司买的是“上下文”,肯为一次能读多少文档多付钱。一颗芯片吃不下这两种需求,谷歌干脆分开做。
便宜30%,但赚得比英伟达少
彭博行业研究分析师Mandeep Singh给了一组数字:跟英伟达GPU比,TPU成本低约30%,吞吐量却有竞争力。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%是怎么来的?有两条。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,研发成本能摊到自家算力需求上。
可便宜不等于好卖。英伟达真正的护城河不在芯片,在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,都是搬不走的沉没成本。
一个已经重注下场的客户最能说明问题。Jump Trading首席技术官Alex Davies说,这家量化交易公司手握数千颗TPU,主要用来训练辅助交易研究的模型;但公司眼下仍以英伟达芯片做模型训练为主,只有一小部分员工对TPU格外偏爱,“他们对此表达得相当积极”。
这段话的关键在于:一个签了更大合作协议、手里攥着几千颗TPU的客户,主力训练还是放在英伟达那边。TPU拿下的是“特定任务”,不是“主战场”。
谷歌自己也清楚短板在哪。它一手扩大供应来源——与博通合作设计并协调生产,近几个月又跟博通的竞争对手迈威尔签了合作协议,另有报道称联发科也在为TPU业务提供支持;另一手在软件上补课。Vahdat提到一个别人没有的条件:TPU开发团队能提前用上谷歌最新的Gemini模型,拿来改进芯片能效、查找软件漏洞。芯片设计缺陷可能造成数十亿美元损失,AI正在压低这类问题出现的概率。
竞争还在从两侧挤过来。初创公司Tenspresso由两名前TPU工程师创办,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。
彭博行业研究给出了一组预测:到2028年,谷歌TPU相关的芯片、软件和硬件销售额会超过1350亿美元,今年的预计数字是120亿美元。这还没把客户经谷歌云使用TPU带来的收入算进去。
同一份研究里还有个方向相反的数字。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%,这些钱覆盖芯片、网络设备、土地,以及建数据中心要用的其他材料。两个数字摆在一起,正是谷歌眼下的处境:需求在涨,阻力也在涨。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的买家名单上有了苹果、Meta、甲骨文,还要跟英伟达争同一批客户。这场仗到最后,比的不是谁的芯片跑得更快,而是谁能让开发者少改一行代码。
英伟达的招牌还挂着,门口已经站了人。