上個月科技圈的焦點，無疑落在了谷歌身上。憑借性能強勁的Gemini 3，谷歌不僅在半個月內實現股價攀升，更是在AI競技場內外掀起波瀾——對內挑戰OpenAI，對外直指英偉達的市場地位。這一系列動作，讓外界對谷歌自研的TPU（張量處理單元）充滿好奇，甚至有人猜測其是否會顛覆英偉達的CUDA生態。

TPU并非橫空出世的新技術。自2015年啟動以來，這一專為AI設計的芯片已迭代至第七代。其誕生源于谷歌的痛點：傳統GPU在深度學習訓練中效率低下，能耗過高。GPU的通用架構雖能處理圖形渲染、科學計算等多種任務，但在AI矩陣運算中，數據頻繁在顯存與核心間搬運，導致大量能耗浪費在“數據搬運”而非“計算”上。谷歌工程師因此決定砍掉GPU中與AI無關的模塊，專注于優化矩陣乘法，最終開發出“脈動陣列”架構——數據在計算單元間高效傳遞，減少存儲讀寫，顯著提升能效。

初代TPU僅支持推理任務，功能單一，但能效比已達同期英偉達Tesla K80的30倍。隨著技術迭代，第二代TPU通過增加內存容量和傳輸速度，解鎖了訓練能力；第三代則通過規?；渴穑M一步縮短模型訓練周期。然而，盡管TPU在成本與性能上具備優勢，其市場滲透卻長期受限——谷歌始終將TPU綁定在自家云服務中，僅提供租賃而非銷售。這種封閉策略讓許多企業望而卻步：將核心算力依賴單一供應商，風險過高。即便如此，蘋果等巨頭仍因成本考量，選擇部分采用TPU。

轉機出現在第七代TPU Ironwood的推出。谷歌首次開放TPU銷售，打破“只租不賣”的傳統。這一決策迅速引發市場反應：meta被曝正與谷歌洽談數十億美元合同，計劃從2027年起在數據中心部署TPU，并可能提前啟動租賃。消息公布后，谷歌股價上漲2.1%，英偉達則下跌1.8%。有內部人士透露，TPU的商業化或使英偉達損失數十億美元收入，占其年營收的10%。資本市場同樣看好這一變化，博通等TPU供應鏈企業股價隨之攀升。

盡管TPU來勢洶洶，但其顛覆GPU的可能性仍存爭議。作為專用集成電路（ASIC），TPU的優化方向高度聚焦于矩陣計算，在AI大模型訓練中表現卓越，但缺乏通用性。若未來AI技術路線轉向非矩陣運算領域，TPU的專用性可能成為劣勢——四年前的TPU v4已因技術迭代而逐漸退出市場。相比之下，GPU憑借CUDA生態的“軟實力”構建了深厚壁壘：開發者代碼、庫優化甚至錯誤調試均圍繞CUDA展開，遷移至TPU需重構代碼、適應新環境，甚至掌握特定語言如JAX，這對中小型企業而言成本過高。即便谷歌自身，其云服務仍依賴大量英偉達GPU以滿足客戶多樣化需求。

當前，TPU與GPU的競爭更可能形成“專用與通用”的分野：TPU占據頭部企業的定制化需求，GPU繼續主導通用市場。這種競爭格局或推動算力成本下降，最終惠及整個行業。無論結果如何，科技巨頭在算力領域的博弈，已為AI發展的下一階段埋下伏筆。