Google 正加速將其自研的張量處理單元（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。根據最新消息，Google 已經與博通（Broadcom）合作，將 TPU 業務擴展至為 Anthropic 等外部客戶提供完整的 AI 基礎設施解決方案。這項合作標誌著 Google TPU 戰略的根本性轉變。
TPU 的商業化之路
Google 的 TPU 已成為其 AI 超級電腦的核心元件，並通過與博通的合作，成功拓展至外部市場。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。根據報導，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。
TPU 的技術演進與博通的角色
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。
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。
從產業面來看，Google 的 TPU 商用化戰略將有助於平抑市場的算力價格，推動 AI 應用更快落地。對於大型企業而言，TPU 提供了一種更具成本效益的選擇，有望加速 AI 技術的普及與應用。
Google 的 TPU 商用化不僅是對辉达的挑战，更是对整个 AI 行业的一次重大推动。隨著 TPU 技術的不斷進步和外部需求的增長，Google 有望在 AI 晶片市場佔有一席之地。
展望未來，Google TPU 的商業化戰略將如何影響整個 AI 晶片市場？我們拭目以待。
本文改寫整理自公開新聞來源，原始報導由T客邦發布。
常見問題 FAQ
Google TPU 是什麼？
Google TPU 是 Google 自研的專用 AI 晶片，主要用於加速 AI 模型的訓練和推論任務。
Google TPU 和 NVIDIA GPU 有什麼不同？
Google TPU 與 NVIDIA GPU 的主要差異在於 TPU 專為 AI 計算設計，成本更低且能效更高；而 NVIDIA GPU 擁有成熟的 CUDA 生態系統，廣受開發者歡迎。
Google TPU 的成本優勢是多少？
根據報導，Google TPU 處理 AI 工作負載的成本可比競爭對手的處理器低 30%。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。