一年连发四款TPU 谷歌被曝向英伟达发起挑战
内容提要
谷歌一年内发布四款第八代TPU，最新推出TPU 8tx和TPU 8i Max，分别面向硬件级机密计算和百万Token级长上下文推理，体现算力专用化思路。TPU已从自用转向对外销售，客户近百家，成为云业务增长点，对英伟达构成挑战。但英伟达CUDA生态壁垒仍高，谷歌能否扩大份额取决于软件生态、供应能力及客户对专用化价值的认可。
延伸解读
专用化切割：TPU 8tx与8i Max的场景逻辑
谷歌此次发布的两款TPU并非全新硅设计，而是在TPU 8t和8i基础上的重新配置与衍生，核心思路是围绕AI智能体时代分化的算力需求做专用化切割。TPU 8tx主打硬件级机密计算，让敏感数据和模型权重在计算过程中保持加密，瞄准政府、金融等受监管行业；TPU 8i Max则针对大模型推理中的内存墙，通过双芯片封装将计算、内存容量和HBM带宽提升至TPU 8i的两倍，支持百万Token级上下文。这种场景化产品矩阵体现了谷歌对专用化路线的押注。
商业化提速：从自用工具到近百家客户
TPU最初是谷歌为内部负载定制的自用工具，十多年前与博通共同开发，如今已逐步走向对外销售和外部数据中心部署。今年4月谷歌首次宣布向部分客户直接销售TPU系统，第三季度财报显示TPU销售已成为云业务收入的重要增长贡献之一。谷歌高级副总裁Amin Vahdat表示，TPU已成为一项快速增长的业务，目前拥有近100家客户，包括前沿AI实验室、交易公司、零售商、大学等。公开报道显示，苹果、Meta、甲骨文均是谷歌客户，OpenAI也有采购计划。
挑战英伟达：CUDA生态仍是最大壁垒
尽管谷歌通过一年四款TPU的产品节奏和专用化矩阵对英伟达形成挑战，但英伟达最坚固的壁垒仍是CUDA软件生态。大量AI开发者长期以CUDA为默认编程模型，迁移成本不容低估。此外，英伟达在训练市场地位尤其稳固，Jump Trading首席技术官坦言公司训练工作仍主要依靠英伟达芯片，TPU的吸引力更多体现在特定任务上表现相当且能效更高、有助于降低成本的场景。谷歌能否扩大份额，取决于软件生态成熟度、供应能力及客户对专用化价值的认可。
Q&A
谷歌今年发布了哪几款TPU？各自面向什么场景？
谷歌今年共发布四款第八代TPU：4月推出TPU 8t（面向大模型训练）和TPU 8i（针对实时推理优化）；11月推出TPU 8tx（主打硬件级机密计算）和TPU 8i Max（面向百万Token级长上下文推理）。
TPU 8tx有什么特别之处？适合哪些客户？
TPU 8tx是谷歌首款支持硬件强制机密计算的云端TPU，能让敏感数据和模型权重在计算过程中保持加密，避免明文暴露在内存中。主要面向政府机构、金融机构和受监管行业客户，并搭配AMD第五代EPYC处理器作为主机配套基础设施。
TPU 8i Max如何解决大模型推理中的内存墙问题？
TPU 8i Max采用双芯片封装架构，将计算能力、内存容量和HBM带宽均提升至TPU 8i的两倍，支持百万Token级别的超大上下文窗口，适用于药物研发、数学推理和编程等需要单次请求处理海量信息的任务。
谷歌TPU的商业化进展如何？有哪些客户？
TPU最初是谷歌自用工具，今年4月首次宣布向部分客户直接销售TPU系统，第三季度财报显示TPU销售已成为云业务收入的重要增长贡献。目前拥有近100家客户，包括前沿AI实验室、交易公司、零售商、大学等，公开报道的客户有苹果、Meta、甲骨文，OpenAI也有采购计划。
谷歌TPU挑战英伟达面临哪些主要障碍？
主要障碍包括：英伟达CUDA软件生态壁垒高，大量AI开发者长期以CUDA为默认编程模型，迁移成本不容低估；英伟达在训练市场地位尤其稳固，有公司坦言训练仍主要依靠英伟达芯片；此外，谷歌还需提升软件生态成熟度、供应能力，并让客户认可专用化价值的真实工作负载表现。
谷歌一年发布四款TPU体现了什么战略思路？
体现了谷歌押注“专用化”算力的战略，围绕AI智能体时代日益分化的算力需求做场景化切割，用专用化的TPU矩阵在机密推理、长上下文、大规模训练等细分战场与英伟达争夺份额。谷歌CTO表示这遵循了谷歌的核心理念，即未来在于专用化。
