談談Google TPU ：全球AI加速器革命與中國A股機遇

在人工智慧浪潮席捲全球的當下，專用計算硬體已成為定義勝負的關鍵戰場。Google 的 Tensor Processing Unit（TPU）作為AI領域的標誌性ASIC（Application-Specific Integrated Circuit），以其脈動陣列架構和極致能效，深刻影響著從模型訓練到即時推理的全流程。

最近隨著第七代TPU Ironwood的正式發佈，Google挑戰了輝達的GPU霸權， 在中國A股市場，這一波“Google鏈”熱潮已然點燃，光庫科技、德科立、騰景科技等概念股應聲暴漲，對應出本土企業深度嵌入AI基礎設施的潛力。

一、TPU的起源與全球影響：從Google內部工具到生態引擎

TPU的誕生可追溯至2013年Google對AI計算瓶頸的深刻洞察。當時，RankBrain和Google Photos等項目面臨海量矩陣運算的挑戰，傳統CPU/GPU的馮·諾依曼架構難以滿足低延遲、高吞吐的需求。 僅用15個月，Google團隊便推出第一代TPU（v1），於2015年內部部署。這不僅是硬體創新，更是資料流計算範式的復興，借鑑了上世紀80年代的脈動陣列（systolic array）思想。

從v1的整數推理專用，到2025年v7 Ironwood的4.7倍性能躍升（峰值4614 TFLOPS），TPU已迭代七代。 其全球影響力體現在：AlphaGo的蒙特卡洛樹搜尋、Gemini 3的訓練均依賴TPU Pod超大規模叢集。 2025年11月，Google與Meta的TPU合作傳聞進一步放大其效應，Meta擬部署百萬級TPU晶片，挑戰輝達供應鏈。 這波“偷家”行動，不僅推升Google股價破300美元，還波及A股“Google鏈”類股。

在中國語境下，TPU的興起加速了本土AI硬體自主化。A股公司如寒武紀，其思元系列NPU（Neural Processing Unit）在架構上與TPU高度相似，均採用脈動陣列最佳化矩陣乘法。 同時，光庫科技作為GoogleOCS（Optical Circuit Switching）交換機核心代工廠，份額超70%，直接受益TPU Pod的互聯升級。 2025年Q3，光庫科技訂單激增30%，市值一度翻番，也成為從被動供應鏈到主動創新的雙重角色。

二、TPU核心架構剖析：脈動陣列與資料流革命

TPU的魅力在於其“為AI而生”的設計，無法運行通用任務，卻在神經網路負載上碾壓對手。 核心是TensorCore，包括矩陣乘法單元（MXU）、向量/標量單元，以及高頻寬記憶體（HBM）整合。這些元件協同，實現從資料注入到結果輸出的無縫流水線。

2.1 MXU：脈動陣列的計算心臟

MXU是TPU的靈魂，採用256x256（v7）脈動陣列，每周期執行海量乘累加（MAC）操作。 資料如心跳般“脈動”流動：權重從HBM載入，啟動值逐行注入，避免傳統架構的記憶體瓶頸。v7支援FP8精度，峰值吞吐達4614 TFLOPS，頻寬7.37 TB/s。

對比A股寒武紀，其MLU系列NPU同樣嵌入脈動陣列，支援BF16/INT8混合精度，適用於雲端訓練。 2025年，寒武紀發佈MLU290，性能逼近TPU v6，訂單覆蓋阿里雲和華為鯤鵬生態，年營收增長45%。 這表明，中國ASIC設計已從模仿到平行，填補TPU在本土部署的空白。

2.2 輔助單元與互聯：高效擴展的基石

向量單元處理啟動函數（如GELU），標量單元管理控制流。 TPU的infeed/outfeed佇列實現主機-加速器零複製傳輸，延遲低至微秒級。互聯方面，ICI（Inter-Chip Interconnect）支援9216晶片Pod，採用3D立方拓撲。

在A股，德科立專注光互聯模組，供應GoogleOCS整機核心，助力TPU Pod的低功耗擴展。 2025年11月Meta合作消息後，德科立股價大漲，Q3淨利潤預增60%。 類似地，天孚通訊提供矽光子晶片，最佳化TPU的頻寬瓶頸，與TPU v7的7nm工藝高度契合。

2.3 與本土架構的異同：啟發與差距

TPU的確定性執行（無快取亂序）確保99%尾延遲穩定，功耗僅為GPU的1/3。 A股芯原股份作為ASIC設計服務商，助力企業定製類似TPU的加速器。 其VeriSilicon平台支援脈動陣列IP，2025年AI訂單佔比90%，營收同比增85%。 然而，國內公司仍面臨生態壁壘：TPU深度繫結TensorFlow，而寒武紀的Cambricon CNDK更相容國產框架。

三、TPU世代演進：技術躍遷與中國鏡像

TPU七代迭代體現了工藝縮小、精度提升與規模擴展的邏輯，每代均針對AI痛點最佳化。

3.1 v1-v3：奠基與浮點轉型

v1（28nm，92 TOPS）專注8位整數推理。 v2（16nm，45 TFLOPS）引入BF16訓練，Pod達180 TFLOPS。 v3（123 TFLOPS）最佳化液冷，1024晶片Pod。

同期，中國企業起步：曙光資訊推出“星雲”伺服器，整合國產NPU，模擬TPU Pod。

3.2 v4-v5：7nm革命與效率焦點

v4（7nm，275 TFLOPS）Pod 4096晶片。 v5e/v5p（197/459 TFLOPS）強調推理/高記憶體。

A股工業富聯作為富士康子公司，代工TPU伺服器，2025年AI產能擴至30%。 其訂單受益v5稀疏核心，淨利潤預增25%。

3.3 v6-v7：Trillium與Ironwood巔峰

v6e（918 TFLOPS）4.7倍v5e。 v7（4614 TFLOPS，FP8）定義2025標準。

騰景科技專注PCB，供應TPU封裝，11月連續漲停。 寒武紀則推出“雲端智算一體機”，性能對標v6，助力“東數西算”。

性能對比表（含本土鏡像）：

從表可見，A股產品性能追趕迅猛，但規模化仍需時日。

四、性能實測與本土應用：TPU vs. A股加速器

v1在CNN/LSTM上快GPU 15-30倍，能效80倍。 v7在Gemini 3訓練中，吞吐提升4倍。

寒武紀NPU在阿里“通義千問”推理中，延遲低20%，成本降30%。 芯原的ASIC服務助力中小企定製TPU-like晶片，2025訂單12億。 侷限：TPU生態封閉，A股需強化XLA相容。

五、相關公司案例：Google鏈與自主創新雙軌

5.1 供應鏈受益者：光通訊與封裝

光庫科技：OCS代工70%，TPU Pod互聯關鍵，2025市值翻倍。

德科立：整機供應，Q3淨利增60%。

勝宏科技：高多層PCB，TPU伺服器板卡。

5.2 自主加速器先鋒：寒武紀與芯原

寒武紀：NPU架構仿TPU，MLU雲平台支援萬卡叢集，營收45%增長。

芯原股份：IP授權費99% QoQ，AI ASIC訂單主導。

5.3 伺服器整合：曙光與富聯

曙光資訊：國產伺服器整合NPU，模擬TPU Pod。

工業富聯：TPU代工，AI產能30%。

這些公司2025年集體市值增超500億，ETF如159363漲3.45%。

六、TPU vs. 競爭：全球格局與中國突圍

TPU不僅是架構，更是AI民主化的催化劑。其在能效上勝GPU，但靈活性遜色。 A股寒武紀填補國產空白，芯原橋接自研。v8或破10 PFLOPS，融入光子計算，從鏈條末端向核心進軍，寒武紀等或領跑“TPU中國版”。

希望相關公司借勢而上，助力中國智算強國夢。 (Visionary Future Keys)