谷歌自研张量处理单元（TPU）的路径在2026年进入新阶段。2026年4月，谷歌发布第八代TPU，首次拆分为面向训练的TPU 8t与面向推理的TPU 8i两条产品线。这一变化标志着其自研芯片从提供通用大算力转向按任务类型分级供给。
谷歌的造芯历程始于2015年。第一代TPU为矩阵乘法优化，支撑了AlphaGo的运算。此后，TPU v2于2017年引入BF16格式并支持训练，TPU v3于2018年配合大规模液冷上线。2024年发布的第六代Trillium较上一代性能提升4.7倍、能效提升67％，承担Gemini大模型训练任务。2025年第七代Ironwood单芯片FP8峰值算力达到4614 TFLOPS。上述各代产品均部署于谷歌自身的搜索、广告、YouTube推荐及Gemini训练推理业务中。
商业化半径的扩展是2026年的关键变化。此前TPU长期仅用于谷歌内部及谷歌云，2026年第二季度起开始向第三方数据中心交付。公开信息显示，2025年10月谷歌向Anthropic承诺供应最多100万块TPU，价值数百亿美元；2026年4月Anthropic再下数吉瓦规模订单。Meta亦被曝签署数十亿美元合同，租赁谷歌TPU集群。2026年8月，蚂蚁集团将高强度计算负载迁至TPU v7，训练性能提升200％。同月，谷歌与迈威尔科技达成协议，由后者为其定制AI推理加速器、存储控制器等并接入TPU生态，谷歌最多以121.82亿美元投资，持股约6.7％。
谷歌CFO阿什克纳齐在财报会上表示，2026年TPU收入只占一小部分，大部分订单将在2027年兑现。出货量方面，TPU 2025年约为250万片，2026年目标上调50％，总量预计突破370万片。
从产业格局看，谷歌同时扮演多重角色。对英伟达而言，TPU构成推理市场的替代选项，IDC预测ASIC在推理市场的份额将从2024年的15％向2030年的80％演进。对OpenAI、Meta、Anthropic等模型厂商，谷歌既是Gemini的竞争对手，又是算力供给方。其竞争基础在于芯片、模型、XLA编译器、光学电路交换机（OCS）网络、数据中心与云服务的垂直一体化能力，这一体系难以被单纯采购GPU的企业复制。
TPU从内部工具转为对外商品，意味着AI算力供给格局中新增了一个具备全栈能力的巨头级参与者。其订单兑现节奏与生态开放程度，将影响未来数年AI基础设施的竞争走向。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
