輝達：三十年未有之大變局

2026/01/06

•

目前，Google正積極接觸那些依賴租賃輝達晶片的小型雲服務提供商，勸說它們在資料中心託管Google的TPU處理器。首戰告捷，Google已與倫敦的Fluidstack達成協議，將在紐約的一個資料中心部署TPU。

同時，Google的觸角伸向了為OpenAI建造資料中心的Crusoe，以及向微軟租賃晶片並與OpenAI簽有供應合同的CoreWeave——後者被業內視為輝達的親兒子。這一系列動作，意圖再明顯不過：Google不僅要搶奪輝達的客戶，更要直接切入其最核心、利潤最豐厚的AI算力供應鏈。輝達以200億美元現金，收購初創公司Groq的核心資產，這筆交易不僅刷新了輝達自身的歷史收購紀錄，遠超其2019年以70億美元收購Mellanox的規模，更以雷霆之勢，將一顆冉冉升起的輝達挑戰者直接納入麾下。此次遠非一次簡單的收購，而是一場精心策劃的戰略圍剿。畢竟已經冒出來一家GoogleTPU了，輝達不允許再有任何真正的挑戰者存在，要麼被擊敗，要麼被收購。

01 Google的決心

Google為這一戰所做的鋪墊，遠比我們想像的更為漫長，也更為深遠。早在2015年，第一代TPU v1的性能優勢，就已經在AlphaGo的演進中得到了最戲劇化的體現：1）AlphaGo Fan（2015年10月）：擊敗歐洲冠軍樊麾的版本，運行在Google雲上，動用了1202個CPU和176個GPU的分佈式叢集。2）AlphaGo Lee（2016年3月）：擊敗李世石的版本，同樣在雲端運行，但硬體已取代為僅48個第一代TPU。計算裝置從上千個銳減到幾十個，背後的電力、機房空間和維運成本呈數量級下降。3）AlphaGo Master（2017年5月）：戰勝世界第一柯潔的版本，運算量僅為上一代的十分之一，甚至可以在單台伺服器上運行，僅需4個第一代TPU。從1202個CPU+176個GPU，到4個TPU。這組對比再直觀不過地揭示了專用AI晶片帶來的效率飛躍。第一代TPU的成功，迅速從實驗室走向了Google龐大的產品線，被部署到Google搜尋、廣告、YouTube以及雲平台等服務的每一次請求中，處理著每天數百億次的推理任務。自此，Google意識到，他們需要的不是一顆更快的通用晶片，而是一把為特定任務量身定製的手術刀。TPU項目應運而生，其設計哲學極其清晰：為神經網路推理任務做極致最佳化，追求極致的性能功耗比，放棄GPU使用的32位浮點數，轉而使用8位整數INT8進行計算。這大幅減少了電晶體數量、功耗和記憶體頻寬需求，而精度損失對於許多推理任務而言是可接受的。但是TPU v1僅專注於推理，而AI發展的瓶頸正迅速轉向需要巨大算力的大模型訓練環節。Google的TPU迭代之路就此全面展開，其升級不僅體現在單晶片性能，更在於系統級和生態級的突破。此後，TPU迅速迭代：1）TPU v2/v3：首次支援訓練任務。更重要的是，Google提出了 “TPU Pod” 的概念，通過高速網際網路絡將成千上萬個TPU晶片連接成一個超級電腦，為訓練大型模型提供了可能。2）TPU v4：性能顯著提升，並開始通過Google雲對外提供服務，但主要客戶仍是Google自身和少數雲使用者。

3）TPU v5p：被視為一個重大飛躍，在一些基準測試中與輝達H100相當。同時，推理需求再次爆發，v5系列中更側重低價的v5e版本，將戰略重心轉回高性價比、高吞吐量的推理，旨在以更低成本服務海量使用者。

4）TPU v6 (Trillium) 與 v7 (Ironwood)：最新的兩代產品。TPU v6在理論算力上已非常接近輝達H200，而v7則進一步縮小了與輝達旗艦產品在發佈時機和理論算力上的差距。v7 Ironwood首次支援FP8計算格式，單晶片FP8算力與輝達B200非常接近，屬於同一性能梯隊。在系統層面，由近萬顆晶片組成的Ironwood超級叢集總算力也達到了與輝達Blackwell系統相當的等級。Google的策略很清晰，從滿足內部需求出發，用十年時間，逐步將TPU打造成一項可對外銷售的雲端運算核心服務——2025年，GoogleTPU全年出貨量預計為250萬顆，其中v5系列佔190萬顆，v6系列佔60萬顆；2026年，預計全年出貨量將高達400萬顆，其中v7 Ironwood佔據主導地位將超過200萬顆。從數量上來看，輝達資料中心GPU在2026年出貨量約600萬顆，TPU的追趕勢頭已經不容小覷。

02 輝達的正面交鋒

Google的戰略，正在發生根本性轉變：從自產自用的封閉生態，轉向直面市場的晶片供應商。2023-2026四年時間，GoogleTPU的總產量預計高達800萬顆。然而，僅2027和2028兩年，其新規劃的總產量就高達1200萬顆。這意味著，Google計畫用未來兩年時間，生產遠超過去四年總和的晶片。這種擴張速度在半導體行業堪稱罕見，不僅遠超市場預期，更清晰地指向一個目標——大規模商業化。如此龐大的產能規劃，已遠遠超出Google自身雲服務Google Cloud的預期需求。兩年1200萬顆的規模，瞬間將TPU推向了與一線AI晶片廠商比肩的層級。這筆產能經濟帳，是Google轉型的核心動力。以此推算，若Google在2027年實現100萬顆TPU的對外銷售（約佔其當年規劃產量500萬顆的20%），即可創造約260億美元的新增營收。作為對比，這相當於Google雲2024年全年營收的相當大一部分，凸顯了其成為新增長極的潛力。若2027年500萬顆、2028年700萬顆TPU的預測成真，那麼到2028年，GoogleTPU的年產量將直逼輝達GPU的預計出貨規模。這意味著在短短兩年內，Google可能從一個主要的晶片消費者，轉變為一個能在供應量上與輝達正面交鋒的競爭者。此前，TPU如同GoogleAI商業版圖的私人彈藥庫，專為驅動其搜尋、廣告、YouTube及雲平台AI服務而最佳化，這種垂直整合帶來了極高的效率和性能壁壘。然而，將其轉化為對外銷售的商品，意味著Google要直面截然不同的商業規則：標準化、軟體生態、客戶支援、市場價格競爭。Google的突破口在於提供 “AI解決方案”而非“AI通用晶片” 。它可以將TPU與自家強大的AI軟體棧（如TensorFlow、JAX）、雲服務和預訓練模型進行打包，為客戶提供“開箱即用”的AI能力，以降低客戶整體擁有成本TCO。但這套策略也面臨嚴峻挑戰：輝達的CUDA生態歷經十餘年建設，已成為AI開發的事實標準，Google需要建構一個堪比CUDA的、開放且繁榮的開發者生態，這比製造晶片本身更為艱難；第三方客戶是否願意將AI未來押注在Google晶片上？這取決於TPU的性能、性價比、軟體相容性、長期支援承諾，以及客戶對“不被單一雲廠商繫結”的深度顧慮；作為後來者，TPU必須在性能或成本上提供顯著優勢，才能說服客戶遷移已基於輝達GPU建構的複雜工作流。頭部AI公司動向上看，TPU的吸引力是真實的。AI獨角獸Anthropic此前使用亞馬遜的Trainium晶片，最近被發現在招聘TPU核心工程師；馬斯克的xAI也對採購TPU表現出濃厚興趣。這些領先的模型開發商對算力成本極為敏感，它們的傾向是行業趨勢的最佳觀察——畢竟2025下半年，圍繞GoogleTPU的開發者活躍度也激增了近100%。GoogleTPU的產能激增，是一部剛剛拉開的序幕而已。前方的核心懸念早已不再是技術，而是商業模式的抉擇：Google能否成功將其技術優勢轉化為市場認可的開放生態和客戶信任？這場Google十年佈局的下半場，將決定TPU是止步於一個有力的挑戰者，還是真正成為重塑AI算力格局的顛覆性力量。面對圍攻，輝達並未坐以待斃。其反擊策略是：開放生態，以退為進。輝達正式發佈NVLink Fusion技術，允許資料中心將輝達GPU與第三方CPU或定製化AI加速器混合使用。這看似輝達正式打破自身硬體生態壁壘，實則是以GPU為核心，建構一個更包容、更強大的“輝達中心化”生態系統。輝達真正的核心壁壘，還是在於其軟體生態CUDA——畢竟主流AI框架無論是TensorFlow還是PyTorch都是通過呼叫CUDA的API進而在GPU上執行計算，其背後都是對CUDA庫函數的呼叫（如TensorFlow和PyTorch都會呼叫cuDNN來執行核心的神經網路計算）。

03 AI戰爭進入整合階段

表面上看，這是一筆資產收購。但細究協議條款，其核心是一次典型的矽谷式人才收購。輝達並非全盤買下Groq公司，而是達成了一項“非獨家技術許可協議”，進而獲得Groq推理技術的授權。同時核心團隊整體遷移，Groq創始人兼首席執行長Jonathan Ross、總裁Sunny Madra，以及其他高級領導層將加入輝達，以推進所授權的技術。這種操作模式在科技巨頭間已屢見不鮮，2024年微軟也曾以6.5億美元挖走Inflection AI的創始人與核心團隊。其高明之處在於：既能以最快速度獲取頂尖人才和核心技術，又能最大程度規避傳統併購可能引發的反壟斷審查和整合難題。對於輝達而言，200億美元買下的不僅是技術，更是由前GoogleTPU核心班底組成的團隊。畢竟已經冒出來一家GoogleTPU了，輝達不允許再有任何真正的挑戰者存在，要麼被擊敗，要麼被收購。

Groq團隊中匯聚了大量前GoogleTPU工程師，堪稱GoogleTPU核心班底的二次創業。他們帶著在Google未竟的抱負，旨在打造一款超越GPU和TPU的專用AI推理晶片。同時成本上，Groq其解決方案可低至同等性能GPU的十分之一，進而精準地擊中了接下來即將興起的AI產業推理階段的核心痛點，對輝達在推理市場的統治地位構成了直接威脅。

黃仁勳絕非意氣用事。這筆天價收購背後，是輝達面對複雜競爭格局的深謀遠慮。訓練市場輝達已近乎壟斷，但推理市場格局未定。Groq在低延遲、高並行推理場景所展現出來的優勢，正吸引著那些對成本和延遲敏感的企業。通過收購，輝達直接將最具顛覆性的技術路線收入囊中，這本質上是一次昂貴的防禦性收購。長期來看，對於AMD、博通以及其他AI晶片初創公司，競爭環境更加惡劣。它們不僅要在技術上對抗輝達的“GPU+LPU（TPU）”組合拳，還要在資本和生態上應對輝達的進攻。如今回望，Google為這一戰所做的鋪墊，遠比我們想像的更為漫長，也更為深遠，但同時也更勝券在握。 (新財富)