谷歌TPUv7战略转型：携手Anthropic商业化硬闯AI芯片市场，直面英伟达竞争

长期以来，谷歌的张量处理单元（TPU）一直专注于支撑自家AI模型的运行。但随着TPUv7的推出，这一策略发生了根本性转变。芯片分析机构SemiAnalysis披露，谷歌正积极向第三方企业销售其TPU芯片，直接与行业巨头英伟达展开正面交锋。

AI初创公司Anthropic成为了谷歌TPU的首批重要外部客户之一。分析指出，这笔交易涉及大约100万颗TPU芯片，采购方式包括直接购买硬件和通过谷歌云平台（GCP）租赁。支持这套庞大硬件体系运转的基础设施，其总功耗预计将超过1吉瓦（即10亿瓦）。

市场竞争态势已然生变。SemiAnalysis的报告提到，OpenAI因为转向采用TPU或其他替代方案，在与英伟达的采购谈判中成功获得了大约30%的价格折扣。

与Anthropic合作：向外部客户提供商业化硬件

TPU技术栈虽然在性能上一直能与英伟达的AI硬件抗衡，但过去其主要服务于谷歌的内部计算需求。即便谷歌在2018年将TPU开放给GCP客户使用，它也并未完全走向市场化。

然而，这一局面正在持续改变。近些年，谷歌调动了其全栈资源，不仅通过GCP向外部客户提供TPU算力，甚至开始作为商业供应商销售完整的TPU系统。依托其强大的内部芯片设计实力，谷歌正逐步转型为一个提供差异化服务的云服务商。

这一动向恰好与Anthropic（谷歌的关键合作伙伴）希望降低对英伟达依赖的战略相契合。因此，与Anthropic达成的这项合作，被视为谷歌在外部商业化道路上迈出的关键一步。

谷歌在早期就对Anthropic进行了投资，并同意不享有投票权，同时设定了15%的股权上限，旨在推动TPU在谷歌生态系统外的应用。这一策略的成功，部分得益于Anthropic团队中拥有前DeepMind成员，他们精通使用TPU进行大规模模型训练，这使得Anthropic能够利用TPU等硬件成功训练出其Sonnet和Opus 4.5模型。

除了通过GCP租用算力，Anthropic还将在其自建的数据中心内部署TPU硬件，这使得谷歌能够直接以硬件供应商的身份，与英伟达在销售层面竞争。

关于100万颗TPU的详细分配，将分为两个步骤进行：

第一步是直接销售：博通公司将直接向Anthropic出售价值约100亿美元的成品机架，其中包含40万颗TPUv7（代号Ironwood）芯片。这笔交易使得Anthropic成为了博通财报中所披露的第四个重要客户。

第二步是云租用：Anthropic还将通过谷歌云平台（GCP）租用另外60万颗TPUv7芯片。这部分业务预计将产生约420亿美元的履约价值，占据了GCP第三季度新增订单积压（490亿美元）的绝大部分。

需要指出的是，Anthropic并不自行运维这些硬件。现场的安装、测试以及远程运维等工作，外包给了谷歌云顶级服务商Fluidstack；而数据中心的基础设施则由合作伙伴TeraWulf和Cipher Mining提供。

SemiAnalysis预测，在未来几个季度，谷歌云有望与Meta、OpenAI等其他AI领域巨头达成类似的交易，从而进一步拉动其云服务和硬件销售业务的增长。

TPU跻身顶级AI模型首选

实际的应用案例表明，TPU已不再是备选方案。近期发布的两款顶尖AI模型——谷歌的Gemini 3 Pro和Anthropic的Claude 4.5 Opus，都主要依托于谷歌TPU和亚马逊的Trainium芯片进行训练。其中，Gemini 3更是完全基于TPU训练完成。

从技术参数看，TPUv7“Ironwood”在理论算力（FLOPs）和内存带宽上已经接近英伟达Blackwell架构的产品。但其真正的核心竞争力在于价格优势。

图：谷歌TPU芯片规格

对谷歌自身而言，每颗TPU的总拥有成本（TCO）比英伟达GB200系统低大约44%。即便是对于需要支付额外溢价的外部客户如Anthropic，每个有效计算单元的成本仍可能比英伟达系统低30%至50%。

图：单位小时总成本对比

这一优势在专业的软件优化团队手中还会被放大。谷歌的系统支持将多达9216颗芯片互联为一个统一的计算域，而英伟达的系统通常只能将64到72颗芯片组成紧密集群。这种架构上的差异使得TPU在分布式AI训练任务中具备了更出色的扩展性。

图：TPU互联方式

软件生态破局：挑战CUDA壁垒

软件兼容性一直是制约TPU广泛普及的长期障碍，英伟达的CUDA平台仍然是业界事实上的标准。为此，谷歌正在加大投入以消除这一障碍，据称正在开发对PyTorch框架的原生支持，并集成vLLM等热门推理库。

图：谷歌TPUv7与英伟达GB200/GB300对比

谷歌的目标是让TPU成为一个可行的替代方案，且不要求开发者重构整个工具链。不过，TPU软件栈核心的XLA编译器目前仍是专有技术。SemiAnalysis认为这是一个战略失误，开源该组件有望加速开发者社区的接纳。

为了推进芯片的快速部署，谷歌采用了创新的融资与合作模式：与Fluidstack等新兴云服务商以及TeraWulf等加密矿企合作。在这些合作中，谷歌常常扮演财务保障的角色：若运营方出现问题，谷歌承诺支付租金。这一策略有助于将现有的加密矿场基础设施快速转型为AI算力设施。

英伟达的反击：下一代芯片或重塑优势

面对谷歌的强势进攻，英伟达正在筹备技术反击。预计在2026年到2027年推出的“Vera Rubin”芯片将采用HBM4内存等激进设计，以提供更高的带宽和性能。

谷歌的应对策略是进行TPUv8的双线开发。据SemiAnalysis透露，谷歌计划推出两个版本：与博通合作的“Sunfish”，以及与联发科合作的“Zebrafish”。尽管实现了供应商多元化，但设计上仍显得相对保守。分析师指出项目已有延迟，且并未积极采用台积电2nm工艺或HBM4内存等前沿技术。

这对于谷歌至关重要。如果英伟达成功实现Rubin芯片的性能飞跃，TPU目前所拥有的价格优势可能会荡然无存。SemiAnalysis预警称，英伟达的Rubin系统（特别是“Kyber Rack”配置）甚至可能在谷歌内部的某些工作负载中，比其自家的TPUv8更具经济效益。

“谷歌已经亮出了底牌，现在压力来到了英伟达这边，它必须完美执行其技术路线图才能维持市场领导地位。”SemiAnalysis总结道。

如果英伟达能够精准落实其技术蓝图，则将继续领跑市场。但若其在性能兑现或量产进度上出现任何失误，其市场主导地位将面临严峻挑战。