谷歌狂砸千億造芯：不是跟風(fēng)內(nèi)卷，是捅破AI時代的“算力牢籠”

有消息稱，谷歌攜手黑石成立人工智能云業(yè)務(wù)聯(lián)合體，由黑石出資50億美元注資，此舉旨在擴大這家科技巨頭自研專用芯片的應(yīng)用范圍，正面對標英偉達。計劃在明年建成投產(chǎn)500兆瓦的數(shù)據(jù)中心算力規(guī)模，并后續(xù)持續(xù)擴容。谷歌將向這家新合資企業(yè)提供硬件產(chǎn)品，其中就包括專為訓(xùn)練與部署人工智能模型打造的自研張量處理單元。

2025年，谷歌第七代TPU芯片Ironwood橫空出世，不僅在性能上與英偉達旗艦產(chǎn)品正面抗衡，更憑借超大規(guī)模系統(tǒng)優(yōu)勢重塑AI基礎(chǔ)設(shè)施競爭格局。谷歌于2026年4月22日公布了其第七代張量處理單元（TPU v7）的技術(shù)細節(jié)。與之前版本最大的不同在于：整個芯片的宏塊布局、時鐘樹綜合和電源網(wǎng)絡(luò)規(guī)劃均由深度強化學(xué)習(xí)算法自動完成，僅有不到5%的核心模擬電路由人類工程師手工繪制。谷歌稱這一過程為“電路級大模型”，其訓(xùn)練數(shù)據(jù)來自過去十年六代TPU的數(shù)百萬個模塊布局案例。

TPU v7采用臺積電N2（2納米）制程，晶體管數(shù)量達到1400億，峰值算力為982 TOPS（INT8），比TPUv6e提升35%，而熱設(shè)計功耗（TDP）從700瓦降至560瓦，下降了20%。性能功耗比的躍升主要歸功于AI生成布局帶來的布線長度縮短（平均減少18%）和電壓降改善（最大壓降從10%降至6%）。有人說，谷歌造芯是跟風(fēng)大廠內(nèi)卷，是為了蹭AI熱度；但只有看透行業(yè)本質(zhì)的人才懂：谷歌的野心，從來不是造一顆“更好的芯片”，而是要打破英偉達筑起的“算力牢籠”，重構(gòu)AI時代的底層規(guī)則。

AI的戰(zhàn)場，從來都是算力的戰(zhàn)場。而過去十年，這場戰(zhàn)場的規(guī)則，一直由英偉達說了算。眾所周知，生成式AI的爆發(fā)，讓算力需求呈指數(shù)級暴漲。訓(xùn)練一個千億參數(shù)的大模型，需要上萬顆高端GPU同時運轉(zhuǎn)，而英偉達的H100、H200芯片，幾乎是所有AI企業(yè)的“唯一選擇”。這種壟斷帶來的后果，是整個行業(yè)的被動：芯片價格被炒到天價，企業(yè)利潤被算力成本吞噬，甚至連谷歌、Meta這樣的科技巨頭，都要受制于“卡脖子”的算力供給。

谷歌的困境，正是整個行業(yè)的縮影。十年前，谷歌就發(fā)現(xiàn)了一個致命問題：如果繼續(xù)依賴CPU和GPU，隨著深度學(xué)習(xí)全面滲透到搜索、廣告、翻譯等核心業(yè)務(wù)，全球數(shù)據(jù)中心的功耗將暴漲十倍，成本更是難以承受。2015年，谷歌被逼無奈啟動TPU項目，初衷不過是“自救”——造一顆專門適配自身AI場景的芯片，擺脫對外部硬件的依賴。

這一“自救”，就走出了一條顛覆行業(yè)的道路。與英偉達追求“通用算力”不同，谷歌的TPU從誕生起就堅守“專用路線”：不追求單卡性能的極致，而是聚焦AI訓(xùn)練與推理的核心需求，通過軟硬件深度協(xié)同，打造“芯片-云-模型-應(yīng)用”的全棧閉環(huán)。從2016年TPU v1支撐谷歌翻譯，到2021年TPUv4用4096顆芯片組成超節(jié)點訓(xùn)練PaLM 540B模型，再到如今TPU v7成為“推理時代最省錢的商業(yè)引擎”，谷歌用十年時間，把一個“救命項目”，打造成了撼動行業(yè)格局的戰(zhàn)略武器。

很多人不解，谷歌明明可以采購英偉達芯片，為什么要花千億成本、耗十年時間自研？答案很簡單：在AI時代，算力的自主可控，不是“選擇題”，而是“生存題”。看看當下的行業(yè)現(xiàn)狀。AI創(chuàng)業(yè)公司因為搶不到GPU而被迫暫停研發(fā)，巨頭企業(yè)因為算力成本過高而壓縮AI投入，甚至有些企業(yè)為了節(jié)省算力，不得不閹割模型性能。英偉達的“GPU+CUDA”生態(tài)，就像一個無形的牢籠，把所有AI玩家困在其中——你可以用我的算力，但必須遵守我的規(guī)則，支付我定的價格。而谷歌的自研芯片，本質(zhì)上就是要打破這種壟斷，掌握自己的“算力命門”。

谷歌的造芯邏輯，戳中了所有AI企業(yè)的痛點。TPU v7針對大模型推理進行了專項優(yōu)化，在運行Llama 3 140B模型時，令牌生成延遲降低40%，支持動態(tài)稀疏計算可節(jié)省60%的能耗；更重要的是，通過谷歌云提供的TPU v7實例，成本比同等性能的英偉達H200低30%至40%。對于那些預(yù)算有限、追求高效能的AI企業(yè)來說，這無疑是“雪中送炭”，也讓谷歌在與英偉達的競爭中，找到了差異化的破局點，不是比性能，而是比“性價比”，比“場景適配度”。

谷歌知道自研芯片不是“一蹴而就”的捷徑，而是一場“長期主義”的硬仗。就像谷歌發(fā)言人所說，他們依然會與英偉達保持合作，但同時也要打造自己的算力底座，這不是“非此即彼”的選擇，而是“未雨綢繆”的布局。畢竟，在科技行業(yè)，沒有永遠的霸主，只有永遠的創(chuàng)新；沒有永恒的依賴，只有永恒的自主。

谷歌的造芯野心，背后是整個科技行業(yè)的覺醒。如今，不僅谷歌在發(fā)力，Meta、阿里、騰訊、字節(jié)跳動等巨頭，都在紛紛加碼自研芯片賽道。算力自主，才是AI時代的核心競爭力；掌握芯片，才能掌握未來的話語權(quán)。AI時代的競爭，早已超越了模型、算法的較量，進入了“算力底層”的決戰(zhàn)。谷歌狂砸千億造芯，不是為了一時的熱度，而是為了在未來的AI格局中，掌握自己的命運；不是為了打敗誰，而是為了捅破那個束縛行業(yè)發(fā)展的“算力牢籠”，讓更多企業(yè)能夠平等地享受算力紅利，讓AI真正成為推動社會進步的力量。

不可否認的是，谷歌的發(fā)力，已經(jīng)點燃了科技行業(yè)“算力自主”的火種。當越來越多的企業(yè)加入自研芯片的賽道，當“自主可控”成為行業(yè)的共識，那個被壟斷的算力時代，終將被打破。畢竟，科技的本質(zhì)是創(chuàng)新，而創(chuàng)新的核心，從來都是“掌握自己的命運”。谷歌造芯的故事，才剛剛開始；而整個AI行業(yè)的“算力革命”，也將因這場突圍，迎來全新的未來。