谷歌TPU，十年磨一剑

谷歌正式对英伟达亮剑了。

最近谷歌成功挖了英伟达墙角，说服一家英国小型云服务商Fluidstack转用谷歌的TPU。

这单生意没多大，1年最多几亿收入（本文货币单位如无强调均为美元），却让谷歌大涨5000亿，市值正式突破3万亿，相当于8个工商银行。（截至2025.09.15）

为什么一单小生意会撬动这么大市值呢？因为这意味着谷歌十年磨一剑的TPU要利刃出鞘了，出鞘第一剑，先斩皮衣男，谷歌TPU将对英伟达GPU构成重大威胁。

TPU是什么？跟GPU有什么区别？TPU对谷歌、对英伟达乃至对整个AI产业又意味着什么？

嘉宾商学新科技案例100为你揭秘。

1、CPU、GPU与TPU

TPU，Tensor Processing Unit，又叫张量处理器；跟GPU一样，它本质上不是某一类芯片，而是公司为了彰显自家产品很特别、很厉害而起的名。就像AD钙奶并不是一类奶，只是娃哈哈的一款产品。TPU其实是谷歌为自己的深度学习框架TensorFlow设计的专用芯片。

又来了一个专业词汇，专用芯片，ASIC，Application Specific Integrated Circuit。

TPU就是谷歌版的ASIC，像德仪、博通，都是顶尖的ASIC大厂。

那么CPU、GPU、ASIC又有什么区别呢？

CPU是通用计算，各种指令、各种操作都能做，但没有特长；GPU是并行计算或者叫加速计算，一开始是专门做图像渲染的，后来被用来做AI深度学习，不管你是做通用模型还是垂直模型或者Agent，AI相关的都能用；而ASIC是根据用途来给你私人定制，像谷歌的TPU，就是专门为TensorFlow定制的。

这就像公司里的不同角色，CPU是万金油、多面手，什么事都可以交给他，办不砸，但也别指望他出彩；GPU是挖来的大厂高管或者专家，绝对够专业，但成本高，跟你们公司的适应性也有问题；而ASIC是公司培养的985管培生，名校毕业底子好，还是一张白纸进来的，随你怎么画，肯定是最适合公司的。

2、谷歌十年磨一剑

说回谷歌，2013年，谷歌发现用语音搜索和语音识别的人越来越多了，他们算了笔账，如果用户每人每天用3分钟的语音搜索和识别，那谷歌的算力远远不够用，必须再建一个数据中心。

谷歌膀大腰圆，倒是不差钱，但是这样下去不是办法啊，要是以后每人每天用30分钟呢？难道再建10个数据中心吗？

没这么过日子的，得精打细算。

于是，谷歌打上了TPU的主意。

前面说了，TPU属于ASIC，可以私人定制，需要什么功能就给你做什么功能。

而在此之前，他们用的是英伟达GPU，算力确实大，但有点浪费；相比之下，TPU小而精准，从大水漫灌改成针孔滴灌。

具体来说，它采用了软硬件协同的“提前编译”策略。传统芯片需要高能耗的缓存来应对不可预测的数据访问；而TPU是定制的，编译器在程序运行前就规划好了所有数据的路径，这样就不再需要复杂的缓存了，大大提高了效率。

2015年，谷歌第一代TPU问世，搭载在谷歌旗下DeepMind的AlphaGo上，第二年AlphaGo打败李世石，TPU功不可没。之后TPU不断进化，一直为谷歌的AI战略效力。现在谷歌的大模型Gemini主要就是用TPU训练的，算力成本只有OpenAI使用GPU成本的1/5，简直不要太香。

今年，谷歌TPU已经进化到第七代了，代号“Ironwood”。

Ironwood的整体性能跟英伟达的看家产品B200不相上下了，最高配集群有9216个液冷芯片，峰值算力是世界上最大的超级计算机El Capitan的24倍以上。

在此之前，谷歌TPU都是自己消化。70%-80%用在DeepMind、Gemini等自家业务上，剩下的也只租不卖。

而现在，经历十年打磨后，谷歌终于要卖TPU了。预计出货量2025年250万片，2026年超过300万片。

敢报这么大的数，谁给谷歌的勇气？他自有办法。就是挖墙脚。

比如开头提到的Fluidstack，本来人家用英伟达GPU用的好好的，谷歌找上门来说：别光用他们的，哥哥家的TPU也不错！你要不把数据中心扩建一下，装上哥哥的TPU？Fluidstack表示：扩建要租新场地，我没钱。谷歌给出了一个无法拒绝的理由：这是32亿美元，只要听哥的，你就拿去花吧。

不只是Fluidstack，包括AI独角兽Anthropic，最近被发现正在招聘TPU内核工程师；马斯克旗下的X-AI也表现出采购TPU的兴趣。

3、血拼英伟达

甚至有传言说，谷歌可能要让TPU业务独立出来，跟英伟达直接拼刺刀。

花旗银行分析师预测，因为TPU的竞争，预计2026年英伟达GPU销售额要减少120亿。

当然，英伟达的护城河不只是算力，更是整个CUDA生态。经过近20年的建设，CUDA已经聚集了500多万开发者，如果不用英伟达GPU，就要离开CUDA，把代码迁到别的平台，这意味着要重写30%-50%的核心逻辑（例如内存管理、并行优化），同时面临30%-60%的性能损失，迁移成本太大了。

但谷歌也是有备而来，他构建了能在TPU上运行的高性能计算Python库JAX，还发布了模型流水线解决方案“Pathway”，外部开发者用上Pathway，不需要重新设计就能开发Gemini等大模型。过去半年，围绕TPU的开发者活跃度激增96%。

这对英伟达来说是不可接受的威胁。

野村证券预计，到2026年ASIC总出货量会超过GPU，而TPU是目前最成熟的ASIC。

谷歌十年磨一剑，利刃已出鞘，接下来就看老黄这块盾牌的成色了。

出品 | 嘉宾商学