近日，科技行業因一則消息掀起波瀾——meta被曝將與谷歌簽訂價值數十億美元的TPU（張量處理單元）采購訂單。這一消息迅速引發市場連鎖反應，英偉達股價盤中最大跌幅達7%，按當前市值計算，市值蒸發超3000億美元；而谷歌股價則在盤中情緒高漲時一度上漲4%，市值增加約1500億美元，相當于人民幣超1萬億元。美國《華爾街日報》將此視為谷歌向英偉達市場主導地位發起挑戰的信號，但業內人士卻對此提出不同看法。
OpenAI技術人員Clive Chan指出，谷歌的Gemini模型一直在TPU上訓練，而Claude、MidJourney等知名模型也曾使用TPU。他表示，meta與谷歌簽訂TPU訂單并非新鮮事，若meta從未使用過TPU反而更令人意外。這一觀點很快得到驗證——meta研究員謝賽寧證實，公司自2020年起便開始應用TPU，當時何愷明主導了TensorFlow和JAX代碼庫的初步開發，MAE、MoCo v3等研究項目均完全基于TPU完成。謝賽寧團隊在紐約大學的多個項目也依賴TPU支持。
面對競爭，英偉達在祝賀谷歌的同時強調自身優勢，稱其產品是唯一能運行所有AI模型并適配所有計算場景的平臺。不過，Clive認為英偉達的“護城河”并不穩固。例如，OpenAI開發的Triton工具可繞過CUDA生態，僅需25行Python代碼就能達到cuBLAS的性能水平。從技術層面看，谷歌、meta等巨頭繞開英偉達并非難事。
成本因素同樣值得關注。第三方機構Artificial Analysis以Llama 3.3模型為基準，對比了英偉達H100、B200芯片，AMD MI300X以及谷歌TPU v6e的性價比。結果顯示，H100每美元產生的Token收益是TPU v6e的5倍：以每秒處理30個Token的速度運行輸入輸出各100萬個Token的任務，H100僅需1.06美元，而TPU v6e需5.13美元。谷歌最新發布的TPU v7在成本核算上與B200接近，其FP8運算速度為4.6PFLOP/s，功耗約1000瓦；B200的FP8運算速度為5PFLOP/s，功耗約1200瓦。
有分析指出，谷歌出售TPU的核心目標并非盈利，而是鎖定芯片產能。Artificial Intuition作者Carlos E. Perez提出，谷歌通過與meta、蘋果等企業簽訂長期云服務合同，以出貨量換取代工廠的排產優先權和價格優惠，從而對沖芯片代工風險。代工廠需要多年期合約才會啟動新生產線，而初創公司難以提供這種“安全感”。Perez設想，谷歌可能向代工廠表示：“我與meta、蘋果簽了六年合同，他們每年將消耗20萬個TPU。請將N2產能的25%按成本價給我。”代工廠為獲取穩定訂單很可能接受條件，導致其他芯片公司只能以原價購買剩余產能。這種策略與蘋果早年鎖定優質顯示屏供應的做法如出一轍——當時蘋果通過預付巨款壟斷高端面板，迫使競爭對手長期使用次級屏幕。
目前，谷歌的TPU是市場上唯一可批量供應的芯片，meta和蘋果愿意簽署協議也源于此。在代工廠層面，能與谷歌抗衡的僅有英偉達。這場交易背后，實則是科技巨頭圍繞芯片供應鏈展開的深層博弈。
