廣東
在后摩爾時代技術迭代加速、全球AI算力競爭白熱化的背景下，傳統GPU單一主導的算力格局正在被快速改寫。隨著專用算力效率革命到來，TPU技術商業化進程全面提速，全球正式邁入GPU與TPU雙線并行、協同驅動的全新算力時代，也為我國國產算力實現結構性突破、重塑產業格局打開了戰略窗口。
后摩爾時代，開啟效率算力競爭新范式
今年5月，華為正式發布了“韜（τ）定律”，提出以“時間縮微”替代傳統的“幾何縮微”作為半導體產業演進的核心邏輯。以韜定律為標志的后摩爾時代新規律，正在為全球算力競爭開辟一條全新的賽道。在這個以“效率”為關鍵詞的新格局中，TPU這一專為深度學習張量運算定制的專用芯片，正躍升為AI算力格局中與GPU并駕齊驅的關鍵力量。
GPU主打通用算力、適配多元場景，TPU深耕專用算力、極致適配AI深度學習，兩條路線互為支撐、缺一不可，共同構成人工智能產業發展的底層算力基座。任一技術路線的缺失，都將形成算力體系短板，制約人工智能全場景發展。
海外路徑成熟：巨頭布局，TPU完成產業化體系驗證
海外頭部廠商的商業化落地，直觀印證了TPU賽道的爆發潛力。The Information最新消息顯示，谷歌已向英特爾下達大額訂單，計劃2028年量產超300萬顆自研TPU。瑞穗證券調研報告進一步預判，2028年谷歌TPU整體出貨量將突破3500萬顆，增長速度遠超行業預期，打破海外通用GPU的長期壟斷格局。
自2016年首款推理專用TPU誕生以來，谷歌持續迭代技術架構，第八代TPU已形成訓練、推理雙產品線布局。憑借優異的能效比與成本優勢，TPU獲得Meta、蘋果、Anthropic等全球頂級科技企業規模化采購。業內人士指出，TPU的全球化普及，源于算力產業的結構性升級：云廠商自研芯片投入持續加大、定制化芯片成為產業增長主力、上下游成熟供應鏈協同發力，共同構筑起TPU系統化、規模化的產業競爭力，標志著專用算力賽道已完全成熟。
國產算力進階：雙輪驅動格局成型，國產TPU實現破局
在海外技術壟斷、先進制程管制的外部環境下，國內算力產業加速構建“GPU通用補齊、TPU專用突破”的雙輪驅動格局。數據顯示，英偉達在中國AI芯片市場份額已從三年前95%降至8%，國產AI加速卡市場份額突破60%，國產化替代進程全面提速。隨著效率優先規則的提出，國產專用算力賽道的戰略價值愈發凸顯，TPU迎來結構性發展機遇。
作為國內TPU賽道核心標桿，中昊芯英是國內唯一掌握高性能TPUAI專用算力芯片核心技術并實現芯片量產的企業，公司自成立以來堅持全棧自研路線，構建了完全自主可控的TPU技術體系。2023年，中昊芯英首款TPU算力芯片“剎那?”完成流片并實現產業化落地，該芯片擁有完全自主可控的IP核與全自研指令集及計算平臺，在AI計算場景中實現了算力性能超越海外知名GPU近1.5倍、能耗降低30%的突破。基于“剎那”芯片構建的“泰則”大規模AI計算集群，已在多個超大規模智算中心中落地。在軟件生態層面，公司自研軟件棧已實現對DeepSeek、智譜、百度文心等國內主流大模型的適配，完成國產專用算力領域的關鍵補位。
圖：中昊芯英首款TPU算力芯片“剎那?”
在后摩爾時代，韜定律的提出揭示了一個變化：算力競爭的核心已從“更大規模”轉向“更高效能”。GPU通用算力+TPU專用算力雙線并行，共同支撐人工智能全場景落地。如果忽視TPU產業布局、放緩發展步伐，我國AI算力體系或將出現卡脖子短板。以中昊芯英為代表的國產TPU企業，憑借技術深耕與生態構建，在國產算力的關鍵賽道上完成了從“0到1”的補位。未來，唯有堅持雙路線協同發展，大力扶持本土TPU產業壯大，不斷完善技術體系與應用生態，才能持續夯實我國安全、自主、高效的AI算力產業底座，推動人工智能產業行穩致遠。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
