谷歌TPU转型：向第三方销售，与英伟达正面竞争

多年来，谷歌的Tensor Processing Units（TPU）主要服务于自家的AI模型。然而，随着TPUv7的推出，这一战略正在经历重大转变。据芯片分析机构SemiAnalysis指出，谷歌正积极向第三方销售TPU芯片，直接与英伟达展开竞争。

Anthropic成为谷歌TPU的首批重要客户之一，交易涉及约100万颗TPU，包括直接采购硬件和通过谷歌云平台（GCP）租赁两种方式。这些硬件运行的基础设施功耗预计超过1吉瓦（10亿瓦）。

市场竞争格局已经发生变化。根据SemiAnalysis的报告，OpenAI在转向TPU或其他替代方案后，在与英伟达的谈判中获得了约30%的价格折扣。

与Anthropic合作：向外部客户提供商业化硬件

TPU技术栈长期以来与英伟达的AI硬件竞争，但过去主要支持谷歌的内部工作负载。尽管在2018年将其提供给GCP客户后，TPU始终未能完全实现商业化。然而，近年来，谷歌已动员其全栈资源，通过GCP向外部客户提供TPU，甚至作为商业供应商销售完整的TPU系统。

这一举措与Anthropic（谷歌的关键客户）希望减少对英伟达依赖的战略不谋而合。因此，与Anthropic的合作是谷歌在这一战略上迈出的标志性一步。

除了通过GCP租用谷歌数据中心的容量外，Anthropic还将在其自有设施中部署TPU，这使得谷歌能够直接作为硬件供应商与英伟达展开竞争。

TPU跻身顶级AI模型首选

实际应用数据表明，TPU已不再是次选方案。近期发布的两大顶尖AI模型——谷歌Gemini 3 Pro和Anthropic Claude 4.5 Opus，都主要依托谷歌TPU和亚马逊Trainium芯片。其中Gemini 3更是完全基于TPU训练完成。

技术层面，TPUv7“Ironwood”在理论算力（FLOPs）和内存带宽上已接近英伟达Blackwell架构产品。但真正的竞争优势在于价格。

对谷歌而言，每颗TPU的总拥有成本比英伟达GB200低约44%。即使对外部客户如Anthropic（需支付额外溢价），每个有效计算单元的成本仍可能比英伟达系统低30%-50%。

软件生态破局：挑战CUDA壁垒

软件兼容性长期制约TPU普及，英伟达CUDA平台仍是事实上的行业标准。为此谷歌正加大投入消除这一障碍，据称正在开发对PyTorch框架的原生支持，并集成vLLM等推理库。

谷歌的目标是让TPU成为可行替代方案，且不要求开发者重构整个工具链。然而，TPU软件栈核心的XLA编译器仍属专有技术。

英伟达的反击：下一代芯片或重塑优势

面对谷歌的强势进攻，英伟达正筹备技术反击。预计将在2026年到2027年推出的“Vera Rubin”芯片将采用HBM4内存等激进设计。

谷歌的应对策略是TPUv8双线开发。据SemiAnalysis透露，谷歌计划推出两个版本：与博通合作的“Sunfish”，以及与联发科合作的“Zebrafish”。尽管实现多元化，但设计仍显保守且已有延迟。

“谷歌已亮出底牌，现在压力来到英伟达这边。”SemiAnalysis总结道。