2026 年 11 月 9 日,谷歌母公司 Alphabet 宣布推出两款新的张量处理单元:TPU 8tx 与 TPU 8i Max。这是谷歌今年第二次更新 TPU 产品组合,也是其首次在一年内推出四款 TPU 系统。消息公布后,据 Gate 股票行情数据显示,Alphabet Class C(NASDAQ: GOOG)当日收于 286.01 美元,涨幅 0.73%;同期英伟达股价承压,市值蒸发规模显著,市场对算力竞争格局的定价正在发生边际变化。

来源:Gate 股票行情数据
但若仅将这一事件理解为“谷歌发芯片、英伟达受挑战”,会错过更关键的信号:谷歌此次的产品逻辑,不是在同一维度上追赶英伟达的通用算力峰值,而是将竞争引向英伟达尚未完全覆盖的细分场景——硬件级数据安全与超大上下文推理。 当算力竞争从“谁的芯片更快”扩展为“谁能在特定负载上以更低成本、更低转换摩擦完成交付”,英伟达的竞争优势就不再是一个静态的数字,而是一个需要被重新审视的结构性问题。
两款芯片的真实定位:场景切割,而非正面对标
TPU 8tx 面向政府机构及金融、医疗等受监管行业。其核心能力是将数据加密直接嵌入硬件层,使敏感数据和模型权重在计算过程中保持加密状态,而不必先解密再处理。谷歌表示,与上一代产品相比,8tx 的处理速度最高可提升至两倍,同时几乎不因加密产生性能损失。8tx 搭配 AMD 的 CPU 协同工作,是谷歌在芯片组合层面引入外部供应商的延续。
TPU 8i Max 则指向另一个方向:AI 智能体从简单问答转向复杂任务执行时,瓶颈不再仅是浮点算力,而是内存带宽能否及时向处理器供给数据。谷歌将两颗 TPU 8i 芯片封装在同一封装体内,使计算能力、内存容量和 HBM 带宽翻倍,以支持百万 Token 级上下文处理,目标负载包括 AI 编程助手、复杂数学推理与药物研发。
这两款产品共享一个特征:它们不是在英伟达最擅长的通用训练峰值上做等比例追赶,而是在英伟达的通用 GPU 需要以“冗余算力”覆盖的负载上做专用化切割。 英伟达下一代 Rubin 芯片的算力评级约为 35 拍浮点,谷歌 TPU 8i 约为 10 拍浮点,8i Max 约为 20 拍浮点。在绝对算力维度上,差距仍然存在。但 8i Max 的设计意图并不在于以 20 拍浮点去替代 35 拍浮点的通用训练芯片,而在于用更高的内存带宽和封装密度,在长上下文推理这一特定负载上提供单位成本更优的解。
需求侧的结构性位移:推理权重上升,专用芯片获得入场窗口
理解谷歌此次产品切割的合理性,需要回到 AI 算力需求的结构变化。2026 年,AI 推理负载在总算力消耗中的占比已从 2023 年的约三分之一上升至约三分之二,推理芯片的市场规模约为训练芯片的 2 至 3 倍。训练任务对通用性、编程灵活性和峰值浮点算力高度敏感,这正是 CUDA 生态与英伟达 GPU 的强项;但推理任务——尤其是智能体驱动的长上下文推理、机密推理和批量在线服务——对单位 Token 成本、内存带宽和特定场景的专用化效率更为敏感。
这一位移并不意味着英伟达失去主导地位。英伟达数据中心业务在 AI 浪潮最初两年的收入增长接近八倍,其 GPU 需求持续超过可供供应,短期内仍是训练侧最完整的平台选择。但结构性变化的意义在于:增量市场中出现了英伟达的通用架构无法以最优成本覆盖的细分层,而谷歌 TPU 的产品迭代节奏恰好对准了这些层。 谷歌芯片业务负责人 Amin Vahdat 的表态——“未来属于专业化”——是对这一逻辑的概括,而非单纯的市场宣传。
客户结构的信号:TPU 从“云内租赁”走向“系统外销”
比芯片规格更能说明竞争性质变化的,是客户结构的演进。谷歌 TPU 过去主要通过云业务以算力租赁形式对外提供。2026 年 4 月,谷歌首次宣布向部分客户直接销售 TPU 系统,允许其部署在自有数据中心;第二季度完成首批交付,第三季度财报中 TPU 系统销售已被明确列为云业务收入增长的重要贡献项。谷歌云第三季度收入同比增长 103% 至 307.1 亿美元,营业利润率从上年同期的 23.7% 升至 36.2%。TPU 外销打开的不只是一条硬件收入线,更是一个独立于云服务租赁的客户触点。
客户名单进一步印证了这一判断。苹果、Meta、甲骨文、Anthropic 及 Jump Trading 已在 TPU 之上部署工作负载,OpenAI 也有采购计划。其中最具结构性意义的是 Anthropic:其监管文件显示,持有在 2028 年至 2031 年间购买最多 1,500 亿美元 TPU 的期权。这一量级的长期采购安排,意味着头部 AI 实验室正在将 TPU 纳入其算力架构的长期规划,而非仅作为英伟达供应紧张时的边际替代选项。
彭博行业研究的预测提供了需求侧的量化锚点:包含相关软硬件在内,TPU 销售额预计从 2026 年的约 120 亿美元增长至 2028 年的超过 1,350 亿美元,两年增长超过 11 倍,且不包含通过谷歌云租赁芯片的收入。作为参照,英伟达数据中心业务在 AI 繁荣前两年的增长约为八倍。两者并非同一口径的直接对比,但增速量级所指向的方向是清晰的:专用芯片正在从“边缘补充”进入增量算力支出的实质分配环节。
英伟达的“优势”需要被拆解,而非简单否定
面对上述变化,一个常见的简化叙事是“英伟达正在失去优势”。这一判断在方向上捕捉到了竞争加剧,但在逻辑上不够精确。英伟达的竞争优势至少可以拆解为三个层次,而谷歌此次动作对不同层次的冲击强度并不相同。
第一层是绝对浮点算力与训练平台完整性。 英伟达 Rubin 架构的算力评级仍显著高于 TPU 8i Max,且在训练侧,CUDA 生态积累的库、框架与调优工具构成极高的迁移壁垒。这一层在中期内难以被系统性撼动。
第二层是推理侧的份额结构。 英伟达在推理专用算力中的市场份额已从高峰期的 87% 滑向约 75%,增量市场中有越来越大的比例被定制芯片切走。有分析预计,到 2028 年英伟达在推理专用算力中的份额可能进一步收窄。谷歌 TPU、亚马逊 Trainium 与 Meta MTIA 的共同推进,是这一滑动的直接驱动力。
第三层是软件生态的转换摩擦。 这是最容易被低估、但可能对长期竞争格局影响最深的一层。CUDA 的核心壁垒不仅是性能,更是“模型代码写在 CUDA 上,换硬件意味着重写与重调优”。2026 年 10 月,谷歌与 Meta 联合开源的 TorchTPU 补上了 TPU 的原生 PyTorch 后端,模型迁移的动作被压缩为将代码中的设备指向从 CUDA 改为 TPU;在部分基准测试中,搭配 vLLM-TorchTPU 的每百万 Token 成本较此前下降约四成。这并不意味着 CUDA 护城河一夜瓦解——峰值性能调优、大规模分布式训练的工程惯性仍然偏向英伟达——但它将“换硬件”从一个需要数月工程投入的项目,降级为一次可评估的配置切换。当转换摩擦下降到这一量级,专用芯片就可以更多地在性能、功耗与价格上展开纯粹竞争,而英伟达将首次面对一个“不完全依赖 CUDA 锁定”的推理替代选项。
因此,更准确的表述不是“英伟达的算力优势正在消失”,而是英伟达的优势正在从“唯一可行的高性能选择”转变为“性能最强、生态最成熟,但价格与场景适配不再是唯一选项的选择”。 在训练峰值上,它仍然领先;在推理的增量层,它面对的不再是零散的替代尝试,而是一组由云厂商、模型实验室和开源软件工具共同推动的系统性竞争。
结语
谷歌推出 TPU 8tx 与 8i Max,本身并不足以宣告算力竞争格局的翻转。英伟达在绝对算力、训练平台完整性和 CUDA 生态深度上的积累,仍然构成短期内难以逾越的壁垒。但这一事件提供了一个清晰的观察坐标:当推理负载成为算力消耗的主体,当专用芯片以硬件加密、超大内存封装和开源软件适配逐个拆解通用 GPU 的“冗余覆盖”逻辑,英伟达所面对的就不再是一个“有没有替代品”的问题,而是一个“在多大比例的工作负载上,替代品的单位成本足够低、转换摩擦足够小”的问题。谷歌 TPU 销售额从 120 亿美元向 1,350 亿美元的预测轨迹,以及 Anthropic 千亿美元级采购期权的存在,说明市场正在用真实的资本开支回答这个问题。竞争的性质已经改变,而定价的调整往往滞后于性质的变化。
FAQ
谷歌此次发布的两款 TPU 与英伟达 GPU 是直接替代关系吗?
不是。8tx 面向硬件级加密推理,8i Max 面向超大上下文推理,两者均针对英伟达通用 GPU 以冗余算力覆盖的细分负载做专用化切割。在训练峰值算力和 CUDA 生态完整性上,英伟达仍具明确优势,短期不构成全面替代。
彭博行业研究预测 TPU 销售额 2028 年超过 1,350 亿美元,这一数字应如何理解?
该预测包含 TPU 相关软硬件收入,但不包含通过谷歌云租赁芯片的收入,口径小于“TPU 生态总收入”。其核心信号不是绝对规模,而是增速量级:两年超过 11 倍的增长预期,说明专用芯片正在进入增量算力支出的实质分配环节。
TorchTPU 对英伟达 CUDA 生态的威胁有多大?
TorchTPU 将模型迁移的工程门槛从“重写调优”降至“设备指向切换”,降低了评估和试用 TPU 的摩擦。但 CUDA 在峰值性能调优、大规模分布式训练和成熟工具链上的积累仍是实际壁垒。其影响是结构性的渐变,而非即时性的替代。
Alphabet 当前股价表现是否已经反映了 TPU 业务的增长预期?
截至 2026 年 11 月 9 日收盘,GOOG 报 286.01 美元,当日涨幅 0.73%。TPU 销售已被管理层列为云业务增长的重要贡献项,但股价同时受搜索广告周期、AI 资本开支节奏与市场风险偏好影响,单一产品线的预期难以独立定价。




