前段時間，Google宣布正式開始向第三方數據中心及客戶直接出售自研TPU芯片，以及配套的AI算力硬件。作為Google在AI領域的“秘密武器”，第三方以前只能通過云數據中心租用TPU，業界也一度以為Google不會對外出售這些芯片，卻沒想到在今年6月等來了這個好消息。

那么問題來了，什么是“TPU”？這玩意的全稱是“Tensor Processing Unit（張量處理器）”，它與CPU、GPU不同，是專為AI計算中的“矩陣與張量數學運算”所設計的芯片，能夠用極高的效率來處理相關計算。

聽起來像是輔助芯片？然而事實并非如此，因為當下的AI大模型技術，其本質上就是對海量數據的復雜數學運算（主要是矩陣乘法）。所以Google做了一件事，那就是將數以千計的TPU組合成超算集群，然后通過用CPU主機來進行調配（拆解任務、轉換數據），打造出擁有極高效率的AI算力中心。

圖源：Google

這也是為什么Gemini能夠以更低的訂閱費用和更高的使用額度，瘋狂搶占OpenAI等企業的用戶群。即使單獨看token價格，Gemini也是海外AI產品中旗艦模型定價較低、且主流模型定價與DeepSeek等國產模型廠商接近的代表之一。

而且，TPU也更擅長處理日常用戶的海量計算請求，與未來的AI生態算得上是“專業對口”，以至于外界其實眼饞這套芯片已經很久了。在官宣銷售計劃后，Google同時也公布了一項50億美元的協議，將與著名私募公司黑石共同建造一座大型算力中心，暫定容量為500兆瓦。

雷科技（ID：leitech）猜測，這個消息放出后，找Google詢價或合作的企業估計不少，特別是那些想自建算力中心的企業。這時候可能有人覺得，亞馬遜應該要急了，畢竟這是明搶云服務生意啊。其實不然，現在最頭疼的估計是英偉達。

Google給英偉達來了一記“釜底抽薪”？

首先小雷想問一個問題：英偉達為什么能在AI時代成為最重要的公司之一？如果你的答案只是“GPU算力強”，那其實只說對了一半。

英偉達真正厲害的地方，是它早就不只是賣GPU。CUDA、NVLink、DGX、InfiniBand網絡、AI軟件庫、開發者生態、服務器合作伙伴、云廠商適配，這些東西共同構成了英偉達的護城河。

所以，當你買來一張英偉達的算力卡并啟動時，你買的并不只是一塊卡，而是一整套已經被行業驗證過的AI生態，那么對于大多數公司來說，英偉達的CUDA生態讓他們無需“重復造輪子”，也就省下了許多精力和成本。

這也是為什么很多AI公司明知道英偉達GPU很貴，仍然不得不用。因為在AI大爆發的時期，“成本”是可以忽略的，唯一的指標是能不能領先對手或更快地追趕對手。但是，隨著AI大模型進入普及期，大家想要的就不再只是“速度”了，面對龐大的用戶基數，效率和性價比成為了新的重點。

圖源：雷科技

Google顯然也看到了這一點，所以他們押注TPU，并且將其打包成一套完整的方案，這套方案里的芯片并不是為了在算力性能上打敗英偉達，而是要把Google過去多年在芯片、數據中心、網絡、存儲、調度和模型訓練上的經驗，包裝成企業可以直接購買的云服務能力。

這才是Google真正“學英偉達”的地方，它學的不是賣芯片，而是賣系統和生態，把一系列硬件變成客戶可以使用的“生產力”，這對于那些希望將算力中心掌握在自己手中的企業來說有著不小的吸引力。

那么，英偉達要慌了？倒也不至于，但是頭疼也是真頭疼，畢竟旗艦算力卡雖然賺錢，但是大家不可能一直處于“有多少買多少”的狀態，而是會逐漸將目光投向其他更具性價比的芯片上，屆時Google的TPU方案勢必會對英偉達的這部分市場造成沖擊。

不過對于整個AI行業來說，目前英偉達仍然是AI算力市場最認可的通用標準，CUDA生態的地位也不是一兩代芯片就能輕易撼動的。尤其是在大模型訓練環節，很多團隊已經圍繞英偉達的體系積累了大量經驗，貿然切換平臺風險并不低。

比如DeepSeek，前段時間上線的新模型就宣布可采用華為昇騰芯片訓練，這還是在華為與DeepSeek深度合作后，經過幾個版本的迭代后才做到的。

圖源：昇騰

但是站在Google的角度來看，其實也不需要在所有場景里取代英偉達，只要它能抓住一部分企業客戶，然后證明自己的效率高于其他算力生態，那么它就已經能從AI基礎設施市場切走一塊蛋糕。

尤其是推理階段，Google的TPU算力服務器明顯更占優勢。大家都知道，token真要用起來，消耗速度不比開閘放水慢多少，前有Uber四個月燒光一年預算、神秘企業一個月花掉5億美元的token費用，后有財大氣粗的微軟限制員工權限，勒令他們使用自家算力。

可以說，隨著AI在各個領域的使用頻率越來越高，肯定會有更多的案例證明，token的成本才是未來AI競爭的關鍵。因為誰的token成本更低，誰就能把AI普及到更多的業務線中，去搶占用戶和市場。

算力變成基本資源，云廠商的機會來了

小雷覺得有個網友的比喻非常貼切：訓練模型就像買車，而推理服務則像每天要燒的汽油，就算是大戶人家，也不能天天讓所有車都燒98；Google提供的算力就像是92，雖然動力有點不足，但是車一樣跑，活一樣干，而且更便宜。

前段時間，小雷就寫過一篇文章，提到如今行業有個共識：AI算力正在變得越來越像電、水、寬帶這樣的基本資源。

而且對于用戶來說，用戶并不需要去知道“算力”是怎么生產出來的，但是會像關心水電費一樣關心算力的價格，這個“用戶”既可以是個人，也可以是企業、城市，乃至國家。

所以，在未來的AI市場中，英偉達仍然會很重要，因為沒有高性能芯片，一切都無從談起。但是當算力需求變成長期、穩定且規模化的基礎資源后，話語權反而會逐漸轉到云服務廠商手中。

這也是為什么Google、微軟、亞馬遜、阿里云、華為云這些云廠商不再滿足于只做英偉達GPU算力的“轉售商”，而是都在布局自己的算力生態。這當然不是說他們就不會繼續采購英偉達GPU，因為市場需要，客戶也需要，同樣能賣出好價錢。

圖源：雷科技

但與此同時，他們的真正發展重心必將轉向自己的生態，這也是英偉達最需要警惕的事情，畢竟英偉達如今的市值，很大程度上都是以其作為“AI基礎底座”為前提計算的，一旦英偉達失去對非頂級算力卡市場的掌控，那么就可能逐漸回到5年前在游戲顯卡市場的位置：雖是頂尖，但并不是非你不可。

事實上，如果我們把視角拉回國內，類似的變化已經出現了。以前我們在聊國產AI算力卡的時候，往往會把焦點放在算力性能對比上，去討論單卡性能距離頂尖算力卡還有多遠。

這個問題固然重要，但如果只盯著芯片性能本身，就會忽略另一個關鍵：國內云廠商也在把芯片、集群、云平臺、模型服務和行業解決方案變成一個完整的AI生產系統，而這才是國產AI最核心的競爭力。

這不是小雷說的，而是華為云、阿里云等核心云服務商都在做的事情。比如說華為的昇騰云服務，雖然屢次出圈的仍然是昇騰芯片，但是如今的華為已經圍繞昇騰算力提供云化工具鏈、超節點集群、模型遷移、訓練推理優化和行業落地能力。

圖源：微博

而且，華為也在把這套算力生態推給更多的國產AI公司，除了前面提到的DeepSeek外，還有百度、科大訊飛、智譜、MiniMax等頭部AI大廠。可以說，華為已經逐漸搭建好自己的算力生態，接下來要做的就是將更多伙伴拉上車，然后用更低的token價格去占領市場。

阿里云同樣如此，他們在今年5月發布了真武M890訓推一體AI芯片，而在此之前，真武810E也早就大規模部署到阿里云的靈駿智算平臺中。在今年的阿里云峰會上，阿里云也直接宣布平頭哥真武系列AI芯片累計出貨量已達到56萬片，年化營收規模跨入百億級別。

可以說，在學習英偉達這件事上，國內云服務廠商不僅走得更快，而且也走得更早。

最強算力？不，全世界需要“最優算力”

當然，英偉達并不會因為Google開始賣TPU，就突然失去AI時代的核心位置。

至少在很長一段時間里，GPU、CUDA和開發者生態，依然會是整個AI產業繞不開的標準。尤其是在大模型訓練、高性能計算和通用AI開發場景中，英偉達仍然是目前最成熟且最被行業認可的選擇。

但問題在于，AI算力市場正在進入下一個階段。

過去大家爭的是“誰的芯片更強”，而現在企業真正關心的，正在變成“誰能把算力變得更便宜”。這時候，Google、華為云、阿里云這類云服務廠商的優勢就開始顯現了：它們擁有海量的個人和企業客戶、數據、應用和場景，同時也更擅長把各種硬件包裝成一套可以直接使用的生產力系統。

換句話說，AI時代真正稀缺的，已經不只是芯片本身，而是把芯片變成生產力的系統能力。

當算力越來越像水、電、寬帶這樣的基礎資源，最終勝出的公司，未必只是那個單卡性能最強的廠商，而是那個能以更低成本、更高效率，把AI算力持續交付給客戶的廠商。

所以，在雷科技看來，Google開賣TPU其實是一個信號，它在提醒整個行業：AI基礎設施的競爭，已經不只是芯片大戰，而是系統大戰。