AI芯片的迭代,不再只靠制程!谷歌TPU四连发,定义系统级竞争新范式

11月9日,谷歌发布新一代AI芯片TPU 8tx和TPU 8i Max,第八代TPU一年内凑齐四款。重点不在数量,而在打法变了。谷歌不再拼单颗芯片性能,而是围绕训练、推理、保密、长上下文等场景定制系统,算力竞争的规则正在被改写。

11月9日,谷歌给第八代TPU再添两员:TPU 8tx主打机密计算,TPU 8i Max主打超大上下文与机柜算力密度。

加上4月Cloud Next发布的训练芯片8t和推理芯片8i,第八代TPU家族一年内落地四款系统,这是谷歌自研芯片十余年来的第一次。

但数量的意义有限。真正值得分析的是这次发布折射出的三层变化:竞争的单位变了,需求的定义权变了,最后比拼的东西也变了。

竞争的单位从芯片变成了系统

谷歌官方博客特意强调,这次发布的是system,不是chip。

图片

8tx用的还是8t那颗硅,8i Max不过是把两颗8i芯片封进同一基板,算力、SRAM、HBM带宽均为8i的两倍。没有新制程,没有新流片,靠重组封装、网络、内存和主机配置,就交出了两款新产品。

这背后是谷歌十多年前的一次押注。TPU从一开始就被设计成AI Hypercomputer的可替换积木,系统围绕芯片构建,数月内即可针对新需求重新组合,而不是把命运交给一次以年为周期的流片。8tx搭配第五代AMD EPYC主机,把机密计算做进硬件层;8i Max在原有机柜占地内塞进两倍硅面积。这些都是同一思路的延伸。

芯片竞争的护城河,正在从制程和晶体管,部分迁移到架构的模块化程度和系统重组的速度。一年四款,靠的不是四次流片,而是把一次流片的产出榨出四种产品形态。这和英伟达一年一迭代的节奏,是两种不同的快。

需求的定义权:客户开始直接写规格书

看这两款产品各自解决什么问题。

8tx解决的是数据在使用中也要加密。传统上数据在存储和传输时加密,一旦进入内存处理就必须解密,这是受监管行业上AI的最后一块心病。8tx把保护做进硬件层,让敏感数据和模型权重在运算过程中也保持隔离。

图片

8i Max解决的是内存墙。几十个智能体同时啃一个代码库、几小时的视频时,瓶颈不是算力,是内存喂不饱处理器。

软件层的新功能指向同一批需求。Agent Compute Engine会自动挂起等待数据库或人工反馈的空闲智能体会话。TPU Sync把芯片HBM、主机内存、共享存储和网络融合成统一的内存层级,KV缓存可以毫秒级下沉到芯片外,官方口径是把KV传输延迟和首token时间压低90%以上。

这说明算力厂商开始按智能体工作负载的真实特征来设计硬件:

● 有状态

● 长上下文

● 多步骤

● 大量等待

衡量标准从峰值算力转向有效吞吐,也就是谷歌反复说的goodput,每瓦电能输出的有效智能。

客户结构也在印证这个转变。

TPU已从内部芯片变成对外业务,客户接近100家,从AI前沿实验室到交易公司、零售商、大学。

监管文件披露,Anthropic已承诺采购2028年至2031年间谷歌交付的额外TPU算力,预计支出1250亿至1500亿美元,具体取决于产能、交付方式等条件,且未列入合同义务表。

2月媒体披露Meta与谷歌达成多年期TPU租赁协议当天,英伟达股价下跌4%。10月底,甲骨文成为谷歌之外第一家分销TPU的超大规模云厂商,2027年起其云客户即可使用。

软件生态是最后的硬仗

硬件参数追平之后,胜负手在生态。

英伟达的CUDA是数十万开发者从学生时代养成的肌肉记忆,迁移成本是一笔隐形税,这也是第一财经文章中强调的最大障碍。

谷歌这次的回应力度罕见。上月开源TorchTPU,PyTorch代码和Hugging Face模型无需改写即可原生运行,vLLM、SGLang等主流推理引擎直接提供TPU后端。新开源的TPU agent套件能接入Claude Code、Cursor等编程工具,用自然语言完成算子调优。

上一代TPU的门槛是你要先学会Jax。

这一代的姿态是你甚至可以意识不到自己在用TPU。配合GKE动态切片把任务启动时间缩短到原来的五分之一、Cloud Pathways把DeepMind运行时开放给所有云客户,谷歌在补的不是单项性能,而是整个使用习惯的落差。

图片

先泼几瓢冷水。

TPU不是英伟达的替代,是第二选择。Jump Trading部署了数千颗TPU训练交易研究类模型,但训练主力仍是英伟达,这在顶级客户中具有代表性。

TPU的利润率不及英伟达。分析师口径是TPU价格比英伟达GPU低约30%,性价比是敲门砖,也意味着谷歌在用毛利换份额。

供给比需求更卡脖子。谷歌在财报中表示所有可用TPU已被客户订完,存储芯片和制造产能短缺是全行业约束。谷歌已在博通之外与美满电子签署协议,联发科也被报道参与TPU业务,供应多元化是在为放量做准备。

彭博行业研究的预测是含软硬件的TPU销售额今年约120亿美元,2028年超过1350亿美元,且尚未计入云租赁口径。盘子确实在快速变大,但对照分析师预计2027年1.4万亿美元量级的科技基建支出,TPU夺走的更多是增量的分配权,而非英伟达的存量。

还有OpenAI和Anthropic都在推进自研芯片,两名前TPU工程师创办的Tenspresso,首款产品同样瞄准长上下文推理,只是距离完成设计至少还需一年。大厂自研潮在削弱英伟达的同时,也在给谷歌培育明天的对手。

结语

这次发布真正传递的信号不是谷歌多了两款芯片,而是算力竞争的计价单位正在改写:从芯片改写为系统,从峰值算力改写为有效吞吐,从通用改写为场景定制。

英伟达仍握着训练市场、CUDA生态和全行业最高的利润率,但战争的地形已经变了。接下来值得盯的不是谁又发布了什么,而是谁的系统重组速度更快,以及哪家先解开共同的瓶颈:内存、封装产能和电力。


算力“芯”动向 · 专注AI与算力产业观察

今日参考阅读文章:

(1)谷歌发布新AI芯片,HBM带宽翻倍

(链接:https://www.36kr.com/p/4063406179013506)

(2)Our newest TPUs: 8tx and 8i Max, built for the agentic era

(链接:https://blog.google/innovation-and-ai/infrastructure-and-cloud/global-network/tpu-8i-max-and-8tx/)

(3)谷歌推出两款新TPU,挑战英伟达霸主地位!

(链接:https://wallstreetcn.com/articles/3785589)

(4)谷歌加速挑战英伟达?一年连发四款TPU

(链接:https://www.yicai.com/news/103433310.html)

本文若有歧义欢迎读者分享指正。


本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信