上個(gè)月科技圈的焦點(diǎn)，無疑落在了谷歌身上。憑借性能強(qiáng)勁的Gemini 3，谷歌不僅在半個(gè)月內(nèi)實(shí)現(xiàn)股價(jià)攀升，更是在AI競技場內(nèi)外掀起波瀾——對(duì)內(nèi)挑戰(zhàn)OpenAI，對(duì)外直指英偉達(dá)的市場地位。這一系列動(dòng)作，讓外界對(duì)谷歌自研的TPU（張量處理單元）充滿好奇，甚至有人猜測其是否會(huì)顛覆英偉達(dá)的CUDA生態(tài)。

TPU并非橫空出世的新技術(shù)。自2015年啟動(dòng)以來，這一專為AI設(shè)計(jì)的芯片已迭代至第七代。其誕生源于谷歌的痛點(diǎn)：傳統(tǒng)GPU在深度學(xué)習(xí)訓(xùn)練中效率低下，能耗過高。GPU的通用架構(gòu)雖能處理圖形渲染、科學(xué)計(jì)算等多種任務(wù)，但在AI矩陣運(yùn)算中，數(shù)據(jù)頻繁在顯存與核心間搬運(yùn)，導(dǎo)致大量能耗浪費(fèi)在“數(shù)據(jù)搬運(yùn)”而非“計(jì)算”上。谷歌工程師因此決定砍掉GPU中與AI無關(guān)的模塊，專注于優(yōu)化矩陣乘法，最終開發(fā)出“脈動(dòng)陣列”架構(gòu)——數(shù)據(jù)在計(jì)算單元間高效傳遞，減少存儲(chǔ)讀寫，顯著提升能效。

初代TPU僅支持推理任務(wù)，功能單一，但能效比已達(dá)同期英偉達(dá)Tesla K80的30倍。隨著技術(shù)迭代，第二代TPU通過增加內(nèi)存容量和傳輸速度，解鎖了訓(xùn)練能力；第三代則通過規(guī)模化部署，進(jìn)一步縮短模型訓(xùn)練周期。然而，盡管TPU在成本與性能上具備優(yōu)勢，其市場滲透卻長期受限——谷歌始終將TPU綁定在自家云服務(wù)中，僅提供租賃而非銷售。這種封閉策略讓許多企業(yè)望而卻步：將核心算力依賴單一供應(yīng)商，風(fēng)險(xiǎn)過高。即便如此，蘋果等巨頭仍因成本考量，選擇部分采用TPU。

轉(zhuǎn)機(jī)出現(xiàn)在第七代TPU Ironwood的推出。谷歌首次開放TPU銷售，打破“只租不賣”的傳統(tǒng)。這一決策迅速引發(fā)市場反應(yīng)：meta被曝正與谷歌洽談數(shù)十億美元合同，計(jì)劃從2027年起在數(shù)據(jù)中心部署TPU，并可能提前啟動(dòng)租賃。消息公布后，谷歌股價(jià)上漲2.1%，英偉達(dá)則下跌1.8%。有內(nèi)部人士透露，TPU的商業(yè)化或使英偉達(dá)損失數(shù)十億美元收入，占其年?duì)I收的10%。資本市場同樣看好這一變化，博通等TPU供應(yīng)鏈企業(yè)股價(jià)隨之攀升。

盡管TPU來勢洶洶，但其顛覆GPU的可能性仍存爭議。作為專用集成電路（ASIC），TPU的優(yōu)化方向高度聚焦于矩陣計(jì)算，在AI大模型訓(xùn)練中表現(xiàn)卓越，但缺乏通用性。若未來AI技術(shù)路線轉(zhuǎn)向非矩陣運(yùn)算領(lǐng)域，TPU的專用性可能成為劣勢——四年前的TPU v4已因技術(shù)迭代而逐漸退出市場。相比之下，GPU憑借CUDA生態(tài)的“軟實(shí)力”構(gòu)建了深厚壁壘：開發(fā)者代碼、庫優(yōu)化甚至錯(cuò)誤調(diào)試均圍繞CUDA展開，遷移至TPU需重構(gòu)代碼、適應(yīng)新環(huán)境，甚至掌握特定語言如JAX，這對(duì)中小型企業(yè)而言成本過高。即便谷歌自身，其云服務(wù)仍依賴大量英偉達(dá)GPU以滿足客戶多樣化需求。

當(dāng)前，TPU與GPU的競爭更可能形成“專用與通用”的分野：TPU占據(jù)頭部企業(yè)的定制化需求，GPU繼續(xù)主導(dǎo)通用市場。這種競爭格局或推動(dòng)算力成本下降，最終惠及整個(gè)行業(yè)。無論結(jié)果如何，科技巨頭在算力領(lǐng)域的博弈，已為AI發(fā)展的下一階段埋下伏筆。