当地时间11月9日，谷歌宣布推出两款新的自研AI芯片：TPU 8tx和TPU 8i Max，分别面向安全与机密推理、超大上下文处理两类需求。这是谷歌今年第二次更新TPU产品组合，也是它首次在一年内推出四款TPU。（来源：新浪科技、第一财经）

和过去主要堆计算性能不同，谷歌这次把重点放在了AI智能体带来的新需求上，官方称新TPU是"专为智能体时代打造"。两款芯片分工明确：8tx主打硬件级数据安全，能在处理敏感数据的同时运行和训练AI模型，适合金融、政府这类对数据安全要求高的客户，还可与AMD芯片协同；8i Max用双芯片封装设计，把计算能力、内存容量和带宽提升到TPU 8i的两倍，支撑百万Token级超长上下文处理。（来源：网易财经、IT之家）

商业化也在提速。谷歌首席技术官Amin Vahdat表示，TPU已是快速增长的业务，目前拥有近100家客户，覆盖前沿AI实验室、交易公司、零售商和大学。过去TPU主要通过谷歌云对外提供算力，今年4月起首次向部分客户直售TPU系统，允许部署在自有数据中心；三季度财报显示，TPU销售已成为云业务收入的重要增长贡献之一。（来源：新浪科技）

大客户名单里不乏谷歌在大模型领域的对手。Anthropic此前宣布扩大与谷歌云合作，计划使用最多100万颗TPU，合作规模达数百亿美元；另有10月底报道称OpenAI也在考虑采购谷歌TPU，以减少对英伟达GPU的依赖，但尚未获官方确认。10月底谷歌还与甲骨文达成合作，计划2027年起通过甲骨文云提供TPU算力。（来源：每日经济新闻、新浪科技）

资本市场也给出反应。11月9日谷歌盘中一度大涨约4%，收盘上涨1.18%，报288.15美元/股，总市值约3.54万亿美元。（来源：新浪科技）

不过要真正撼动英伟达，谷歌光靠硬件性能还不够。英伟达积累多年的CUDA软件生态，是大量AI开发者使用GPU的重要基础，企业换平台往往要承担额外的适配和迁移成本。谷歌也在补短板：上个月开源TorchTPU，让PyTorch代码和Hugging Face模型能直接在TPU上运行，不必重写代码，并为主流开源推理框架提供TPU支持。（来源：IT之家、新浪科技）

谷歌另一项优势是"全栈AI"：它既是芯片研发者，也是大模型开发商和云服务商，能把芯片、软件和模型研发拧在一起。官方提到，用TPU训练出的Gemini模型反过来也在加速下一代TPU开发，借助AlphaChip强化学习系统和Gemini辅助芯片布局，把原本数周的工作缩短到数小时。（来源：新浪科技）

那这事跟咱普通人有什么关系？

普通人未必买芯片，但芯片格局直接影响你用到的AI服务贵不贵、稳不稳。如果AI算力长期被一家独大，厂商议价能力强，模型订阅、云服务和相关硬件成本都可能往上走；多几家供应商竞争，价格才有下探空间，普通人免费用到的功能和额度也更可能保住。对就业和产业链来说，自研芯片、配套软件和服务器制造都会带动上下游岗位。谷歌能否拿下更多订单，还要看软硬件生态、部署灵活性和整体成本，由市场和时间给出答案。（来源：综合自新浪科技、第一财经、IT之家、每日经济新闻及相关公开报道）

AI算力这块大盘子，正在从一家独大走向多方分食。

评论区聊聊：你觉得未来AI芯片，会不会像手机芯片一样出现多家混战的局面？

（本文信息综合自新浪科技、第一财经、网易财经、IT之家、每日经济新闻及相关公开报道。）