AI芯片“分工”时代开启:谷歌双芯出击,全面挑战英伟达霸权

2026年4月，在拉斯维加斯举行的Google Cloud Next大会上，谷歌正式发布了其第八代张量处理单元（TPU）的两款专用芯片：TPU 8t（专为训练优化）与TPU 8i（专为推理优化）。这不仅是谷歌自研AI芯片的一次常规迭代，更是其战略路线的重大转向——首次将训练与推理两大核心任务拆分至独立的硬件架构。此举标志着AI计算正式进入“分工”时代，也吹响了谷歌向英伟达AI算力霸主地位发起全面挑战的号角。

一、 战略转向：从通用到专精，应对智能体时代新需求

谷歌此次发布双芯片，其核心逻辑源于AI应用范式的根本性变化。过去，生成式AI以“一问一答”的推理为主，计算负载相对统一。然而，随着AI智能体（Agent）的崛起，任务变得复杂、多步且需持续学习。这导致基础设施面临双重挑战：一方面，前沿模型的训练需要前所未有的算力规模和集群可靠性；另一方面，智能体交互要求极低的响应延迟和高并发处理能力。通用芯片难以同时满足这两种截然不同的需求。

谷歌高级副总裁阿明·瓦赫达特指出：“随着人工智能代理的兴起，我们认为，如果芯片能够根据训练和服务的需求进行个性化定制，那么整个社区将会受益。”因此，TPU 8t与TPU 8i应运而生，分别瞄准了计算密集型的模型训练和内存密集型的低延迟推理。

二、 技术深析：两款芯片如何各显神通

TPU 8t被设计为面向超大规模训练的“算力巨兽”。其目标是“将前沿模型开发周期从数月压缩至数周”。为实现此目标，它追求极致的规模和吞吐量。单个TPU 8t超级计算集群可扩展至9600颗芯片，通过全新的Virgo网络实现近百万芯片的近乎线性扩展，提供高达121 ExaFlops的算力。其芯片间带宽翻倍至19.2 Tb/s，并集成了复杂的可靠性设计，如光路交换（OCS）和实时故障绕行，旨在将有效训练时间维持在97%以上，这对动辄数月的万亿参数模型训练至关重要。

TPU 8i则是为智能体时代量身定制的“低延迟专家”。智能体复杂的多步工作流会放大任何微小的延迟。TPU 8i的核心创新在于突破“内存墙”：它集成了高达384MB的片上SRAM，是上一代的三倍，使得模型推理时的关键数据（如KV缓存）能完全驻留片上，极大减少了访问高延迟外部内存的次数。同时，其Boardfly网络拓扑将通信直径缩减50%以上，并配备专用的片上集体加速引擎（CAE）来卸载通信负载。谷歌称，这些创新使TPU 8i的每美元性能提升80%，意味着客户能以相同成本服务近两倍的请求。

两者均采用谷歌第四代液冷技术，以应对近千瓦级的芯片功耗。更重要的是，它们首次运行在谷歌自研的基于Arm的Axion CPU上，实现了从主机到加速器的全栈协同优化，提升了整体系统能效。

三、 竞争全景：谷歌在“一超多强”市场中身处何位

谷歌并非唯一挑战者。全球科技巨头均已深入AI芯片战场，市场竞争格局呈现“一超多强”态势。

直面霸主英伟达：英伟达的护城河远不止单芯片性能，而在于其CUDA全栈生态。从训练到推理，从硬件到软件，英伟达提供了一站式解决方案。其最新产品如专攻推理的H200和全能旗舰B200/GB200，性能依然强悍。谷歌TPU的优势在于与自家云服务及软件栈（如JAX）的深度垂直整合，能在特定场景（如运行Gemini模型）下实现更优的能效和性价比。然而，其生态相对封闭，难以在谷歌云之外使用，这是其与英伟达竞争的最大短板。

应对开放生态挑战者AMD：AMD凭借MI300系列在绝对硬件性能上已逼近英伟达，并通过开源ROCm平台和性价比策略积极争取客户。其即将推出的MI455X搭载192GB HBM4，推理性能宣称超越H200。AMD路线与英伟达更相似，提供通用的加速器。谷歌则走的是云服务绑定、软硬一体的路径，两者竞争维度不同。AMD威胁的是英伟达的通用市场，而谷歌旨在巩固自身云生态。

与其他云巨头的“内战”：亚马逊AWS的Trainium（训练）和Inferentia（推理）芯片组合与谷歌路线最为相似，核心目标都是为自身云服务降本增效。微软也发布了自研的Maia AI芯片。这场“内战”的胜负，将取决于各云厂商的整体服务性价比、软件易用性和全球基础设施能力。

此外，报道显示谷歌正与芯片设计公司Marvell合作，开发内存处理单元（MPU）和新型推理TPU。这意在丰富其芯片矩阵，并降低对博通等单一供应商的依赖，同时针对英伟达GPU在推理场景的高成本发起更精准的打击。

四、 产业链共振与未来挑战

谷歌TPU的演进正深刻影响上游产业链。其芯片功耗（前代已近千瓦）使得液冷散热从可选项变为AI数据中心的硬性门槛，催生了巨大的温控系统需求。同时，为了喂养这些“算力巨兽”，800G/1.6T光模块、高端PCB以及HBM（高带宽内存） 的需求暴增。SK海力士宣布投资128亿美元建先进封装厂，正是为了应对HBM的爆炸性需求。

摩根士丹利的报告进一步指出，在智能体时代，CPU和内存的重要性急剧提升，因为任务调度和控制流处理占据了大部分执行时间。这印证了谷歌集成自研Axion CPU的战略眼光，也意味着AI算力竞争正从单一的GPU加速，演变为CPU、GPU/TPU、内存和互联技术的全系统较量。

展望未来，谷歌双芯发布标志着AI算力市场进入了专业化、多元化的新阶段。然而，挑战依然巨大：CUDA生态的粘性、自研芯片的持续巨额投入、以及如何在保持性能领先的同时扩大生态开放性，都是谷歌必须面对的课题。可以预见，未来市场将长期呈现“一超多强”的格局：英伟达凭借全栈生态保持领先；谷歌、亚马逊等云厂商通过自研芯片深化垂直整合；AMD则以开放硬件的角色争夺市场份额。谷歌的这次“分工”尝试，不仅是一次产品发布，更是对AI算力未来形态的一次重要宣言——没有单一架构能通吃一切，专精与融合将是通往AGI时代的必由之路。