在AI算力焦点从训练转向推理之际，谷歌关键谷歌(GOOGL.US)即将推出新一代定制AI芯片——张量处理单元（TPU）。新向英该消息在即将举行的即将击Google Cloud Next大会上发布。谷歌负责AI算力的发布发起Amin Vahdat未提供具体细节，但暗示很快会有更多信息披露。推理

当前，时代全球AI算力竞争正发生转变——重点从模型训练转向大规模推理。伟达伴随AI应用和AI智能体的谷歌关键迅猛发展，算力衡量标准从“峰值性能”转变为“单位token成本、新向英延迟与能效”，即将击这正是发布发起TPU等AI ASIC所擅长的领域。

TPU加速出圈：谷歌向英伟达的推理算力霸权发起挑战

在这样的背景下，谷歌企图借助自主研发的时代TPU体系对占据80%-90%市场份额的英伟达展开重磅挑战。谷歌在短短几个月内独立研发并于数据中心广泛应用的伟达TPU AI芯片已经成为科技市场的热门商品，吸引了领先AI技术开发商的谷歌关键关注。

随着AI推理时代的来临，云端AI算力需求激增，谷歌独特的TPU AI算力系统正有力冲击英伟达近90%的市场份额。谷歌通过即将推出的专用AI加速器芯片，意图在增长势头上再度发力。

随着生成式AI与智能体的蓬勃发展，云计算与芯片巨头加紧AI芯片研发，争先为大型AI数据中心设计高效能的算力基础设施集群。博通及其竞争对手迈威尔公司正在与亚马逊、谷歌和微软等合作，以定制ASIC算力集群，推动事业务快速增长。

科技巨头们面对经济性与电力制约，积极推行自研AI ASIC，力求提升算力系统的性价比和能效。尽管建设超大规模AI数据中心成本高昂，科技公司都在追求经济性，强调降低“单位Token成本、单位功耗”。

类似于英伟达的供不应求，谷歌的自研AI ASIC显然为其提供了更灵活的采购、定价和服务策略。谷歌、微软等云计算巨头通过高度集成的芯片系统，提升算力基础设施利用率，降低总拥有成本。

未来，GPU依然主导前沿训练和广义云算力，而超大规模推理和固定高频负载将加速转向ASIC，开启真正的异构算力时代。

TPU的崛起：从谷歌自用工具到全球科技行业的重要资产

谷歌的TPU背景主要参与于AI计算瓶颈，自去年吸引广泛关注，Anthropic PBC宣布扩展TPU使用协议，获得多达100万个TPU授权。紧接着，谷歌推出Gemini 3模型，获得高度评价。

自此，大型企业对TPU需求增大，包括Meta与谷歌签署多亿美元的AI算力供给协议，Meta基础设施负责人表示正在测试TPU，并指出推理方面的独特优势。其他企业如Citadel Securities和阿布扎比的G42也参与了TPU的使用讨论。

谷歌迅速应对当前市场需求，测试TPU在用户数据中心运行，允许使用外部工具如PyTorch，改变了对TPU的认识。TPU最初是为满足谷歌内部需求而研发。

谷歌意识到其AI计算加速器需关注特定任务，以应对来自芯片和硬件的高成本压力。Vahdat强调，TPU旨在解决关键问题，并帮助解决AI领域的重大计算挑战。

随着AI技术的演变，谷歌TPU也在不断发展。自2017年后，GPUs的技术推进速度减缓，谷歌决定开发专用的AI计算加速器，以优化特定工作负载的经济性。

面对AI推理的技术和供给挑战，谷歌必须平衡市场需求和技术进步，以应对竞争激烈的AI领域。同时，为了避免“技术孤岛”，谷歌正努力确保TPU的市场多样性和灵活性，以满足广泛的客户需求。