当地时间4月22日，谷歌正式对外发布第八代张量处理单元（TPU）。此次发布最大的突破的是，谷歌打破了此前TPU“一芯通吃”的设计传统，将AI模型训练与推理这两项核心任务，拆分为两颗独立的专用芯片，分别命名为TPU 8t（训练专用）与TPU 8i（推理专用）。两款芯片预计于今年晚些时候正式面向市场推出，这也成为谷歌在AI硬件领域正面挑战英伟达主导地位的重要举措。
谷歌高级副总裁、AI与基础设施首席技术专家阿明·瓦赫达特在博客中解释了这一转变的原因，他表示，随着AI智能体的快速崛起，业界对芯片的需求呈现出明显分化，训练与服务场景对硬件的要求各有侧重，只有为这两类场景分别打造专用芯片，才能实现效率最大化，更好地满足行业需求。在此之前，谷歌自2015年开始自研AI芯片以来，所有TPU产品均采用单一芯片设计，同时承担训练与推理任务，2018年起，谷歌开始将自研TPU出租给云服务客户，逐步在AI芯片领域布局。
此次发布的两款专用芯片各有侧重，性能均实现大幅提升。其中，TPU 8t专注于AI模型的训练任务，在同价位下，其性能较去年11月发布的第七代Ironwood TPU提升了2.8倍，能够更好地适配超大模型的预训练与微调需求，兼顾算力密度与可扩展性；TPU 8i则聚焦于推理任务，性能较上一代提升80%，最突出的亮点是单芯片集成了384MB的静态随机存取存储器（SRAM），容量达到上一代的三倍，这一设计能够大幅降低长上下文场景与多智能体并发运行时的延迟。
谷歌母公司阿尔phabet的CEO皮查伊也在博客中强调，这款新架构的核心目标，是在保证成本效益的前提下，提供同时运行数百万AI智能体所需的高吞吐与低延迟能力。值得关注的是，英伟达即将推出的Groq 3 LPU芯片，同样主打大容量SRAM设计，这也意味着谷歌与英伟达在AI推理芯片的技术路线上，形成了直接对标。
谷歌的这一举措，也契合了当前全球头部科技公司自研AI芯片的行业趋势。如今，全球顶尖科技企业纷纷布局定制化半导体研发，目的是最大化AI运行效率，适配自身的专业化场景需求：亚马逊AWS早在2018年就推出了推理专用的Inferentia芯片，2020年又发布了训练专用的Trainium芯片，同样采用双芯分立路线；微软在今年1月发布了第二代Azure Maia AI芯片；Meta则在上周宣布与博通合作，推进多款AI处理器的研发；而苹果多年来一直在自研iPhone芯片中融入神经网络引擎，深耕终端AI硬件领域。
尽管目前英伟达在AI芯片市场仍占据主导地位，但谷歌并未选择直接对标单芯片性能，而是聚焦于云原生集群效率与整体拥有成本（TCO），依托自身Google Cloud生态，打造差异化竞争优势。从生态落地情况来看，谷歌新一代TPU已经获得了不少头部客户的认可，对冲基金巨头Citadel Securities基于TPU构建了量化研究系统，美国能源部的全部17个国家实验室都在使用基于TPU开发的AI科研助手，AI独角兽Anthropic更是承诺将使用数吉瓦级的谷歌TPU算力资源，这些都为谷歌TPU的市场推广奠定了基础。
分析认为，此次谷歌TPU从“一芯通吃”转向训练与推理双芯分立，不仅是谷歌自身AI硬件布局的重要升级，更标志着全球AI芯片行业正式进入分工专业化的新阶段。从实际情况看，训练芯片比拼的是规模与带宽，推理芯片比拼的则是延迟与片上存储。作为云厂商自研AI芯片的代表，谷歌此次推出的双芯组合，为全球AI基础设施提供了英伟达之外的重要替代方案，未来也将深刻影响大模型与AI智能体的部署成本和应用形态，推动整个AI产业的高效发展。
一直牛配资提示：文章来自网络，不代表本站观点。
