谷歌连推两颗专用TPU，英伟达通用算力版图遭正面冲击

Google 近日正式发布两款新型 TPU 芯片——TPU 8tx 与 TPU 8i Max。作为 Google 自研十余年的专用 AI 加速芯片，TPU 最初仅用于支撑其搜索等内部业务。而本次发布标志着产品策略的重大转变：8tx 针对政府与受监管行业，主打芯片层面的数据加密；8i Max 则将两颗芯片合封，专注承载超长上下文窗口的高负载任务。

Google 芯片业务负责人 Amin Vahdat 明确表示：“未来将属于专业化。”这番表态直接指向了 NVIDIA 的核心护城河。二十多年来，NVIDIA 凭借通用 GPU 确立了“单芯片胜任一切工作”的行业标杆，而如今，专用芯片阵营正向通用生态渗透，通用芯片巨头也在探索定制化，两套算力逻辑正式迎来正面交锋。

研发节奏提速：从两年一迭代到精准分流

以往 Google 通常每两年推出一代 TPU。如今，产品迭代节奏明显加快。Vahdat 解释称，面对快速分化的 AI 需求，打造一款满足所有场景的通用芯片往往会妥协效率，推出针对特定场景优化的专用版本，反而能为客户释放更多端到端价值。

产品线迅速扩充的底气来自持续膨胀的外部客户群。Google TPU 已经陆续进入 Apple、Meta 以及甲骨文的供应链。今年 10 月，甲骨文宣布将在其云基础设施中首次接入 Google TPU；Anthropic 则在最新监管文件中披露了一项选择权，可在未来数年内采购最高达 1500 亿美元的 TPU 算力；彭博社此前亦披露 OpenAI 有意采购相关算力。Google 在财报中明确指出，目前可供外销的 TPU 产能已全部被客户预订。

面对算力基建投资回报周期的市场顾虑以及数据中心建设的外部环境变化，Google 此时密集推新，意在向企业级客户传递明确信号：算力底座已完成场景化就绪。

8tx 与 8i Max：按需定做的算力刀刃

这两款芯片并非全新架构，而是在现有成熟架构上做针对性定制：

• TPU 8tx：面向对数据主权和安全性要求极高的政企与金融监管客户。通过与 AMD CPU 紧密配合，8tx 实现了硬件层面的数据加密运算，绕过了传统计算在内存中先行解密的潜在泄漏风险。
• TPU 8i Max：面向需要超大上下文窗口的大语言模型应用。该芯片在单封装内集成双芯，使单节点内存容量与算力大幅跃升，尤其适配生物医药分子计算、复杂数学推导及代码智能体（Agent）等高吞吐长文本任务。

成本低 30%，但 CUDA 壁垒依然牢固

彭博行业研究（Bloomberg Intelligence）分析指出，与 NVIDIA GPU 相比，Google TPU 的部署成本可降低约 30%，且在处理吞吐量上极具竞争力。成本优势源于 TPU 精简了大量与模型计算无关的通用计算单元，同时 Google 自身庞大的内部调用规模摊薄了前期的研发成本。

然而，算力性价比并不等同于市场迁移。NVIDIA 真正的防御壁垒在于沉淀十余年的 CUDA 开发者生态与工程惯性。量化交易机构 Jump Trading 拥有数千颗 TPU 用于辅助交易模型研究，但其核心训练管线仍然牢固绑定在 NVIDIA 平台上。TPU 成功攻克的是高性价比的特定负载，而通用训练生态的阵地依然被 NVIDIA 牢牢把控。

为应对生态与供应链短板，Google 正在两端同步发力：硬件端在博通之外引入迈威尔与联发科以分散制造风险；软件与芯片设计端，则提前调用最新的 Gemini 模型辅助微调能效并排查架构漏洞，防范高昂的流片失误风险。

算力市场正在经历结构性重塑。随着客户对推理成本和特定任务吞吐的要求日益苛刻，通用芯片一统天下的格局正在被撕开裂口。专用架构与通用生态的较量，最终不仅关乎单颗芯片的算力峰值，更取决于谁能让开发者以最低的代码迁移成本跑通业务全流程。