前言

小策今天要跟大家聊的，是一颗不怎么被普通人熟知，但却影响了过去10年所有重大AI事件的芯片。

这颗芯片就是谷歌自己研发的TPU，而最近它干了件大事，截胡了原本该属于英伟达的百亿订单，让很多人都在问，英伟达的老大黄仁勋，这次真的慌了吗？

2025年10月，谷歌和AI巨头Anthropic达成数百亿美元合作，要向它供应100万颗TPU，2026年就能投运，能带来超过1吉瓦的AI计算能力，这可是实打实的大动作。

谷歌这个靠广告赚钱的公司，为啥非要自己造芯片？这颗TPU真的能撼动英伟达的地位，让老黄坐不住吗？

芯片帝国

小策先跟大家说清楚，谷歌一开始根本没想过要自己造芯片，它之所以走上这条路，完全是被当时的算力危机给逼的。

时间回到2013年，那时候大模型还没影子，人工神经网络刚刚火起来，进入了各大公司的视野，谷歌内部也因此变得十分兴奋。

当时谷歌大脑做了一个很有名的项目叫谷歌猫，就是把海量的视频喂给神经网络，最后这个模型居然自己学会了识别猫，这让很多人第一次意识到，只要数据足够多、算力足够强，机器也能拥有理解能力。

谷歌大脑的负责人JeffDean看到这个结果后，就想把这种神经网络用到谷歌的实际业务里，比如语音搜索，于是他就做了一个测算。

这一算才发现，如果用户每天只用3分钟的语音搜索，谷歌当时的数据中心算力需求就可能翻倍，而为了一个看不到明确回报的新功能，让公司花几十上百亿美元扩建数据中心，明显不划算。

但JeffDean从中看到了更长远的问题，如果未来AI真的能成为所有产品和服务的底层能力，那现在的算力成本，仅仅是个开始。

如果一直用CPU这种通用计算的方式，未来的成本会像滚雪球一样，越滚越大，根本扛不住，所以谷歌意识到，现有的计算架构已经不适合AI的发展了。为了解决这个问题，谷歌同时做了三件事。

第一件事，就是花了4400万美元，击败了百度，把性能远超谷歌猫的AlexNet团队买了下来，这个团队就是AI教父杰弗里·辛顿带领的团队，有了这个团队，谷歌在AI研发上就有了更强的底气。

第二件事，就是疯狂向英伟达下订单买GPU，因为当时GPU已经是最适合跑神经网络的现成工具，谷歌这也是先稳住当下的算力需求，相当于明修栈道。

而第三件事，就是谷歌偷偷布局的暗度陈仓，那就是启动了TPU的研发计划，专门为AI计算打造专用芯片，这才是谷歌解决算力危机的终极方案。

当时很多人都觉得这个项目就是玩票，因为JeffDean给芯片团队定的目标太离谱了，从零开始，性能要比当时的GPU高10倍，而工期只有15个月，这在做芯片的人看来，几乎是不可能完成的任务。

小策也觉得，这个目标确实太苛刻了，很多做芯片的朋友要是看到这个KPI，估计都得有辞职的想法。

不过谷歌的判断很清醒，它知道如果跟着英伟达的思路做GPU，永远只能做一个不如人家成熟、不如人家量产多的替代品，所以唯一的出路就是不走寻常路，做一颗专门为AI设计的芯片。

2026年4月，谷歌又和博通签署了长达7年的合作协议，一直到2031年，双方要一起开发定制化的TPU和AI服务器网络组件，还会深化和Anthropic的合作，2027年起Anthropic将通过博通获得约30%的TPU供应。

从一开始被逼无奈启动研发，到后来不断深化合作、扩大布局，谷歌的芯片帝国，就这样一步步建了起来。

到底谁更强？

很多人都好奇，谷歌的TPU和英伟达的GPU，到底谁更厉害，小策就用最通俗的话，跟大家讲清楚它们的区别，不用任何专业术语。

先说说我们熟悉的CPU和GPU，CPU就像是一个特级大厨，啥都会做，不管是写文档、玩扫雷，还是做其他事情，它都能搞定，但缺点就是做什么都不算快。

而GPU原本是用来做图形渲染的，比如我们玩游戏的时候，画面的流畅度就靠它，它不像是CPU那样全能，但特别擅长做重复的、批量的事情。

打个比方，要是让CPU切一万个土豆，它可能要花很久，但让GPU来做，就快多了，就像是一群普通厨师，虽然不如特级大厨全能，但干批量的活更高效。

而谷歌的TPU，和它们都不一样，它从一开始就不是为了什么都能干，而是专门为AI设计的，就像是一台专门切羊肉片的机器，不能打游戏、不能做PPT，只能干一件事，就是做AI最常用的计算。

也正是因为它只专注于这一件事，所以在AI任务上，它的效率比GPU高很多，这也是TPU最核心的优势。

小策给大家举个简单的例子，传统的CPU计算的时候，每算一次，都要从内存里取一个数，算完再存回去，再取下一个，就像是厨师切一块菜，就要跑回冰箱拿一次食材，特别费时间。

而TPU的设计就很聪明，它就像是一条生产线，数据像波浪一样在计算单元里流动，上一层算完直接传给下一层，不用停下来，也不用频繁去内存里取数据，效率自然就高了。

根据谷歌的数据，第一代TPU在处理AI任务的时候，比当时的GPU快了15到30倍，能效比也高了30到80倍，不得不说，谷歌这步棋走对了。

但TPU也不是没有缺点，它最大的问题就是上手太难，谷歌自己的编译器太复杂，就连谷歌内部，懂这个编译器调优的工程师，跳槽出去都特别吃香，可见它有多难学。

而英伟达的优势，就在于它的生态做得好，英伟达的CUDA已经经营了几十年，全世界的工程师都习惯用它，不管是写新的程序，还是做优化，都有很多现成的工具可以用，就像是我们平时说的普通话，大家都熟悉、都能用。

2024年7月，苹果发布的技术报告显示，它的AppleIntelligence模型，完全是用谷歌的TPUv5p和TPUv4芯片训练的，没用一颗英伟达的GPU，这也能看出TPU在AI训练上的实力。

更有意思的是，英伟达也意识到了TPU的威胁，开始借鉴类似TPU的专用AI芯片技术，英伟达授权使用Groq公司的芯片技术，还挖走了Groq公司的首席执行官及核心高管团队，想要瓦解谷歌的技术优势。

2026年2月，Meta也和谷歌达成了数十亿美元的TPU合作协议，先租用TPU用于AI模型训练，同时还在洽谈2027年直接采购的事情，这也说明，越来越多的大公司开始认可TPU的实力。

总的来说，GPU就像是屠龙刀，通用性强、生态成熟，而TPU就像是倚天剑，专攻AI、效率极高，两者各有优劣，这场对决还远没有结束。

百亿订单

最近这两年，谷歌的TPU彻底火了，接连截胡了英伟达的好几笔大订单，成为了很多顶级科技公司的新选择，小策就跟大家说说，这背后到底是怎么回事。

最先出手的就是AI巨头Anthropic，这家公司目前已收到估值达8000亿美元的投资要约，但尚未接受，其当前估值为3800亿美元。

在私募股权二级交易平台Caplight上的估值约为6880亿美元，它直接宣布，2025年10月预订100万颗TPU，2026年部署，2027年还将投入上百亿美元，从谷歌手里买更多TPU。

紧接着，Meta也官宣了，要以多年期租用方式使用TPU训练新一代AI模型，交易规模达数十亿美元，其实Meta这么做，也是为了摆脱对英伟达GPU的单一依赖，毕竟一直靠一家供应商，风险太大。

除了Anthropic和Meta，苹果也选择了TPU，它在2024年7月发布的技术论文中披露，其AppleIntelligence模型的基础模型AppleFoundationModel是使用谷歌TPU训练的，没有用英伟达的GPU，这也让TPU的知名度越来越高。

看到这么多大公司都选择TPU，谷歌也顺势上调了TPU的出货量目标，2025年12月，谷歌宣布将2026年全年TPU出货量从400万颗上调到600万颗，上调了50%。

其中，V8AX和V8X这两个型号成为了主力，而且谷歌还计划在2026年下半年，推出专门用于AI推理的V8芯片，进一步扩大自己的优势。

可能有人会问，这些大公司放着成熟的英伟达GPU不用，为什么非要选择谷歌的TPU？小策觉得，核心原因就一个，它们不想被英伟达“卡脖子”。

过去几年，GPU价格疯涨，还经常断货断供，很多公司想要扩大AI业务，却因为买不到足够的GPU而受阻，所以它们必须找到英伟达之外的选择，而TPU就是最好的选择。

而且谷歌的TPU，不只是一颗芯片那么简单，它还搭配了自己的编译器、互联技术和机房，形成了一套完整的系统解决方案，这对于需要大规模AI计算的公司来说，吸引力很大。

2026年4月，谷歌还宣布要在即将到来的云大会上，发布新一代TPUv8芯片，性能比上一代提升很多，还会推出“内存池化”技术，让多台服务器之间共享内存，提升AI训练的效率。

简单来说，这个技术能让大模型训练变得更快、更便宜，对于企业来说，能节省不少成本，这也是很多公司选择TPU的重要原因。

小策还要跟大家说一个细节，谷歌在2025年7月，还和布鲁克菲尔德达成了一项30亿美元的合作，采购对方的无碳水电，用来支撑自己不断扩张的数据中心，这也能看出谷歌在AI基础设施上的投入有多用心。

从一开始的内部自用，到后来向外部公司供应，再到现在截胡英伟达的百亿订单，谷歌的TPU，已经从一个试水的备胎项目，变成了百亿美元量级的核心业务。

结语

小策跟大家聊了这么多，相信大家都能看出来，AI芯片行业的竞争，已经越来越激烈，而这场竞争的背后，是各大科技公司对AI底层话语权的争夺。

现在的顶级科技公司，越来越像现代重工业企业，它们比拼的不再是表面的产品，而是芯片、编译器、互联机房这些底层基础设施，谁的系统更厉害，谁就能在AI时代占据优势。

但不管这场竞争的结果是谁赢，最终受益的都是我们普通人，因为竞争会让AI芯片的成本越来越低，AI应用也会越来越便宜、越来越智能，我们身边的AI助手会越来越懂我们，给我们的生活带来更多便利。