在 AI 算力军备竞赛进入白热化的今天，英伟达凭借 CUDA 生态和硬件优势占据了超过 90% 的市场份额。然而，谷歌正试图打破这一垄断，将其多年来仅供内部使用的张量处理单元（TPU）转化为一种能够与英伟达正面抗衡的商业力量。
通过巨额财务担保、直接芯片销售以及针对推理场景的专用芯片研发，谷歌正在构建一个独立的 AI 硬件生态系统，旨在为市场提供除英伟达之外的“第二选择”。
核心策略：效仿英伟达，以资本换市场
谷歌的最新举措显示，它不再仅仅是一个芯片使用者，而是一个积极的生态构建者。其核心策略与英伟达如出一辙：通过支持数据中心融资，确保自家芯片被大规模部署。
- Lake Mariner 项目：在纽约州西部，谷歌为开发商提供了 32 亿美元 的财务担保，用于建设一个大型 AI 数据中心集群。该集群将配备数千个谷歌 TPU 芯片，并计划将其计算能力租赁给 Anthropic 等顶级 AI 实验室。
- River Bend 与其他项目：除了 Lake Mariner，谷歌还支持了路易斯安那州的 River Bend 项目（70 亿美元开发规模）以及德克萨斯州的 AI 计算租赁项目（14 亿美元担保）。
- 黑石集团合作：谷歌近期与黑石集团达成 50 亿美元 交易，创建新的云服务业务，直接与 CoreWeave 和 Nebius 等英伟达盟友竞争。
这种“带资进组”的模式解决了 AI 初创公司和云服务商面临的资金瓶颈，同时也为 TPU 锁定了长期的客户基础。
TPU 的进化：从内部工具到商业利器
TPU 的故事始于 2013 年。当时，DeepMind 首席科学家 Jeff Dean 意识到，若要向 1 亿用户推广基于神经网络的语音识别，谷歌需要加倍其计算机数量。这一洞察催生了 TPU 项目。
如今，TPU 已经历多代迭代，并在商业上展现出显著优势：
- 成本与效率：Citadel Securities 表示，使用 TPU 运行关键工作负载可降低 30% 的成本，并将速度提升最高四倍。
- 专用推理芯片：谷歌推出了首款专门为推理设计的 TPU，针对大模型部署后的实际应用场景进行了优化，吸引了那些过去只关注训练性能的客户。
- 系统协同改进：TPU 在不同系统中的协同工作能力得到增强，使得大规模集群的管理更加高效。
市场反响：逃离“黄仁勋监狱”
尽管英伟达 CEO 黄仁勋对 TPU 的成本优势持怀疑态度，并强调 CUDA 生态的不可替代性，但市场对于“单一供应商依赖”的担忧日益加剧。
- 避免锁定：许多云服务提供商担心陷入所谓的“黄仁勋监狱”（Huang’s Prison），即因过度依赖英伟达而失去议价能力和技术自主权。
- 迫切需求替代品：Bessemer Venture Partners 合伙人 Adam Fisher 指出，许多公司迫切需要英伟达之外的替代方案，但由于缺乏其他成熟选项而被迫接受现状。谷歌的介入正好填补了这一空白。
领导层变革：Amin Vahdat 的铁腕推进
谷歌 TPU 业务的崛起离不开关键人物的推动。去年 12 月，Amin Vahdat 被任命为公司 AI 基础设施建设的首席技术专家，直接向谷歌云负责人 Thomas Kurian 和 Alphabet CEO Sundar Pichai 汇报。
Vahdat 以要求严格和好胜著称，他正在推动 TPU 业务实现更明确的商业目标。尽管他明确表示这并非一场“零和游戏”，且谷歌数据中心仍在运行英伟达 GPU，但他致力于将 TPU 打造为一个稳定、高性能且具有竞争力的独立选项。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
