電子發燒友網報道（文/莫婷婷）在AI技術飛速發展的今天，算力已成為決定企業競爭格局的核心要素。作為全球科技巨頭，谷歌不僅在AI算法和大模型領域持續引領創新，更通過自主研發的張量處理單元（Tensor Processing Unit, TPU）構建了一套完整的AI算力基礎設施體系。

11月，谷歌宣布第七代 TPU v7（代號 Ironwood）將在后續幾周大規模上市。與此消息同步出來的還有：允許客戶在自有數據中心部署Ironwood。該消息一出，被認為是谷歌向英偉達發起挑戰的信號，一度拉升其股價，截至24日收盤價318.47美元，該股今年以來累計上漲87.79%，大幅超過英偉達同期35.94%的漲幅。


TPU芯片可部署在客戶數據中心，英偉達緊急回應

TPU芯片是谷歌于2015年首次推出的專用集成電路（ASIC），圍繞張量計算展開，可以說是專為AI而生，用于谷歌的模型訓練和云端部署。

不同于通用GPU依賴高度可編程的微內核結構，TPU在芯片中堆疊大規模矩陣運算單元和高速內存，將芯片資源高度集中于深度學習中最常見的運算——如卷積、矩陣乘法和激活函數，從而實現極致的能效比。

數據顯示，2015年谷歌發布TPU V1，帶有8位低精度乘法的硬件單元。10年后，TPU芯片已經進化至第七代，在能效、內存等各個方面都迎來升級。

在2025 年 Hot Chips 2025 大會上，谷歌公開TPU v7 Ironwood的細節。Ironwood單芯片算力達4614 TFLOPS（FP8精度），集群規模達到9216顆芯片，較2022年推出的TPU V4翻倍（集群規模為4096顆芯片）。顯存容量高達192GB HBM3e，帶寬約為7.4 TB/s。通過Google Jupiter 數據中心網絡，整個系統可以連接高達數十萬個TPU。

在能效方面，谷歌宣稱其最新TPU相較前代Trilium在每瓦性能提升兩倍，這使其在大規模推理場景中具備顯著的成本優勢。

在當前AI芯片市場中，英偉達憑借其CUDA生態和GPU平臺長期占據主導地位。業內常將TPU v7 Ironwood與英偉達B200作比較，在部分關鍵參數上，TPU v7已具備與英偉達Blackwell架構B200 GPU匹敵甚至略勝一籌的性能水平，能夠在特定場景下展現出強大的競爭力。

例如，B200 GPU提供192GB HBM3e（2x96GB），帶寬為8 TB/s，單芯片算力為4500 TFlops（FP8精度）。在互聯架構方面，英偉達和谷歌已經構建了各自的“護城河”：GB200 NVL72系統通過NVLink可以連接36個Grace CPU和72個Blackwell GPU。但Ironwood在谷歌ICI（芯片間互聯）技術下，可以實現在單Pod內能以9.6 Tb/s的帶寬連接數千顆芯片，高拓展性讓大模型能快速實現迭代。

英偉達似乎也感受到谷歌帶來的競爭壓力，在社交平臺X上發文回應稱：“我們對谷歌的成功感到高興——他們在人工智能方面取得了巨大進展，而我們也將繼續向谷歌供貨。”同時強調：“英偉達領先行業整整一代，是唯一一個能運行所有AI模型、并在所有計算場景中部署的平臺。”并指出，英偉達提供的性能、通用性性和可替代性更強的芯片，ASIC是為特定AI框架或功能設計的芯片。

可以看出，GPU和TPU是通用和專精之間的選擇：GPU面向通用計算，TPU可面向專用優化范式。未來隨著TPU專用芯片的發展，TPU與GPU之間的競爭是否會日益白熱化，值得關注。

目前來看，業內已有多家巨頭轉向ASIC，例如馬斯克宣布組建團隊并在數據中心部署自研AI芯片。除了性能與能效優勢外，更在于極具誘惑力的價格。

公開資料顯示，相較于OpenAI所依賴的英偉達H100、A100等高端GPU，谷歌自研的TPU在實現相近算力水平的同時，成本僅為其五分之一。這意味著，在動輒部署數萬顆芯片的大模型訓練和推理場景中，采用TPU顯示出強大的競爭力。浙商研究所預測，到2028年AI ASIC的市場規模約占AI芯片的19%。


從自用到外供：拿下100萬定制大單，谷歌TPU商業化飛輪已啟動
需要指出的是，最終谷歌的TPU芯片能夠“攔截”下多少英偉達的市場份額，還得看其應用潛力。目前，谷歌TPU芯片未來市場能有多大，商用情況如何，能夠帶動哪些產業鏈的發展呢？

中泰證券等券商預測，2026年谷歌TPU芯片的出貨量將遠超其他ASIC芯片廠商，有望突破400萬顆。這一趨勢的背后，是谷歌自身AI業務擴張以及外部客戶訂單激增的雙重驅動。

在客戶情況方面，其中最具標志性的事件是近期谷歌與AI公司Anthropic簽署了一份價值數百億美元的協議，Anthropic將采購100萬個定制TPU芯片，用于大模型的訓練與推理。這筆訂單標志著TPU正式進入商業級AI服務市場。

在TPU芯片外供之前，谷歌早已將其深度融入核心業務體系中。11月19日，谷歌發布了全新的推理模型Gemini 3。谷歌DeepMind研究團隊將其稱為“全球最先進的多模態理解模型、谷歌最強大的Agent編程和氛圍編程模型”，該模型融合了文本、圖像、音頻等多種模態，具備推理、Agent等多種能力，是谷歌繼PaLM之后又一里程碑式成果。
Gemini 3大模型正是基于Ironwood集群完成訓練，支持100萬個token的上下文窗口，基準測試中，Gemini 3 Pro獲得1501 Elo分，成為LMArena大模型競技場排名第一的大模型，成為當前全球綜合能力最強的公開大模型。另一個具備說服力的是：Gemini 3 Pro已經支撐起谷歌的AI模式、Gemini App、NotebookLM等全部產品。

就在Gemini 3發布兩天后，11月21日，谷歌正式發布了Gemini 3 Pro的新一代圖像生成和編輯模型Gemini 3 Pro Image（即Nano Banana Pro），具備增強推理能力與知識庫。

至此，谷歌不僅證明了TPU在超大規模模型訓練中的工程可行性與性能優越性，更通過Gemini 3系列產品的成功落地，為TPU芯片的商業化鋪平了道路——技術自證、業務閉環，形成強大飛輪效應。

“電算+光連”引爆AI基建革命，TPU將催生OCS紅利
Gemini 3 Pro大模型之所以能成為“全球最先進的多模態理解模型”，其底層算力支撐正是第七代TPU芯片Ironwood。而Ironwood的性能突破不僅源于芯片本身的高算力，更關鍵在于其系統級架構創新——光電路交換機（OCS）。

Ironwood集群通過48臺光電路交換機（OCS）互聯，采用3D Torus拓撲結構，形成9216個TPU芯片組網，每個機柜單元包含96根光纖鏈路，實現高達9.6 Tb/s的芯片間互連帶寬。

這種基于OCS的光交換網絡不僅顯著降低延遲與功耗，還支持零宕機擴展，為大規模的AI集群提供穩定高效的通信底座。盡管TPU芯片內部仍為傳統CMOS電信號計算，但芯片間、機柜間的高速互聯已轉向光通信，包括第六代TPU芯片Trillium。再往前，其實谷歌在TPUv4（2022年）起，就在萬卡集群中部署了OCS技術。

隨著谷歌 OCS 光路交換網絡技術的成熟，其正加速構建起一個“電算+光連”的新一代AI基礎設施。

來自SemiAnalysis的數據顯示，谷歌定制化的OCS光路交換網絡可將整體網絡吞吐量提升30%，功耗降低40%，數據流完成時間縮短10%，網絡宕機時間更是大幅減少達50倍。尤為關鍵的是，OCS架構具備出色的可擴展性和長期經濟性，能幫助谷歌降低約30%的資本開支，為超大規模AI集群提供了高帶寬、低延遲、高可靠且更具成本效益的互聯底座。

這一趨勢正強力拉動光模塊產業鏈需求。市場調研公司Lightcounting預測，2024到2029年OCS市場將以28%的復合增速擴張。目前，中際旭創已經是谷歌光模塊核心供應商，海外子公司TeraHop布局硅光OCS，預計將送樣谷歌。除此之外，騰景科技通過 Coherent 間接向谷歌供應 OCS 光學模組，光庫科技通過收購捷普切入OCS整機代工業務。預計光模塊產業鏈上的企業能受益于TPU集群規模化部署，迎來新的成長機會。