AI芯片市场暗流涌动。

巨头之一谷歌正加快自研AI芯片TPU的商业化步伐，有报道称谷歌正与Meta等科技大厂谈外采合作。在外界看来，如果合作落地，TPU将进入谷歌体系之外的超大规模数据中心，或对英伟达GPU主导的算力市场带来冲击。

相关消息一出，英伟达股价随即震荡。周二美股早盘，英伟达股价一度下滑7%，最终收跌约2.6%。而自10月29日以来，英伟达市值从5.03万亿美元跌至11月25日收盘的4.32万亿美元，不到一个月时间市值缩水已超过7000亿美元（约合人民币5万亿元）。

11月26日凌晨，英伟达在社交平台上正面回应谷歌的竞争：“我们对谷歌的成功感到高兴——他们在人工智能领域取得了重大进展，而我们仍将继续向谷歌供货。英伟达领先行业整整一代，是唯一能够运行所有AI模型，并可在所有计算场景中部署的平台。”

作为全球GPU市场的主导者，英伟达用“领先一代”与“全场景优势”回应这场自研芯片带来的挑战。而即便谷歌TPU得以进入Meta等巨头的数据中心，也并不意味着GPU会在短期内被替代。事实上，谷歌也表示，自家定制的TPU和英伟达GPU的需求都在加速增长。

更多业内观点认为，随着AI训练与推理的负载增长和高度多元化，未来更可能呈现ASIC、GPU异构部署，而不是哪一种架构一统天下。


谷歌加速TPU商用

谷歌对TPU的研发已久，始于2013年，并且和谷歌云服务紧密结合。

过去，TPU主要用于谷歌内部AI工作负载和Google Cloud服务。然而，日前多家媒体报道称，谷歌正在推动其自研芯片走向外部客户，Meta正考虑从2027年开始在其数据中心部署谷歌的TPU，并可能最早于明年通过Google Cloud租用TPU容量，潜在合同金额或达数十亿美元。

目前，英伟达占据AI芯片市场超过90%的份额，而以谷歌为代表的厂商，正在夺取更多份额。谷歌此举并非突然，一方面是其长期“软硬一体化”战略的自然延伸。另一方面，在大模型训练成本成几何级上升的背景下，自研芯片成为巨头降低能耗、控制成本的关键路径。

今年4月，谷歌推出了最新一代TPU——TPU v7（Ironwood），最近又迭代出了Gemini 3，谷歌正在通过模型和硬件耦合的方式，强化自身在大模型时代的技术闭环。据悉，Gemini 3已大量使用TPU完成训练和推理，为谷歌推动TPU的商业化提供了更强的验证场景。

作为AI老将，谷歌从云端、终端、芯片、大模型、平台工具等等，进行了全覆盖。而GPU王者英伟达，也在构建AI基础设施的全套体系，包括CUDA、NVLink、高速互联等壁垒。

面对外界对霸主地位动摇的讨论，英伟达迅速发声，采取主动回应。一方面，它强调与谷歌的合作稳定且持续；另一方面，其关键论点非常鲜明，GPU的通用性与兼容性仍然是当前AI创新不可替代的基础设施。

相比之下，TPU、Gaudi、Trainium等ASIC芯片往往根据特定框架或任务场景，在特定负载上取得极高效率。谷歌依然采购英伟达GPU，但未来厂商在AI训练与推理时，会采用算力供应多元策略。