【CNMO科技消息】近日，谷歌在Cloud Next 2026大会上发布第八代TPU，首次将训练与推理任务拆分为两款独立芯片——TPU 8t专攻大规模训练，TPU 8i专司高效推理。这一&quot;训推分离&quot;的硬件设计，标志着谷歌在算力专属化道路上迈出了最彻底的一步，引发了业界对AI算力未来发展方向的深度思考。<br> 谷歌TPU 8i<br> 过去十年，英伟达GPU凭借通用性与CUDA生态几乎垄断AI算力市场，成为全球AI发展的核心驱动力。然而，谷歌却始终坚持从零开始自研TPU，从2015年内部部署到如今全面对外服务，走了一条截然不同的技术路线，展现了其在AI基础设施领域的长期战略眼光。<br> 如今，推理需求即将占据AI总算力的70%以上，行业正站在算力范式的拐点。从聊天机器人到AI代理再到数字员工，每一次应用跃迁都意味着推理负载的指数级增长。与此同时，微软、亚马逊、Meta纷纷入局自研芯片，AI算力市场正从单极走向多极。<br> 那么，谷歌为何选择走算力专属化这条路？<br> 从通用到专用<br> 谷歌将TPU拆分为训练与推理两款独立芯片，根本驱动力来自AI计算需求的结构性转变。巴克莱预测，到2026年推理计算需求将占AI总算力的70%以上，是训练需求的4.5倍，市场规模达1450亿美元，正式取代训练芯片成为行业核心引擎。<br> 谷歌TPU 8i<br> 德勤同期报告指出，2026年全球AI算力芯片市场突破2800亿美元，推理芯片需求首次超越训练芯片。巴克莱预计2028年英伟达推理芯片份额将从目前的80%降至约50%，主要原因是云服务商推出定制ASIC芯片以提升推理市场占有率。<br> 进入AI代理时代后，推理需求进一步激增。巴克莱将AI发展分为三个阶段：当前“聊天机器人时代”，2025-2026年“AI代理时代”，以及2027年后“数字员工时代”。代理时代中，AI智能体使单交互Token消耗暴增20-30倍，多步骤推理需求呈指数级增长。<br> 在此背景下，通用GPU的局限日益突出。其数千个并行计算单元和复杂内存调度在训练时是优势，在推理时却造成不可预测的延迟抖动。谷歌Amin Vahdat明确指出：“随着AI智能体的兴起，我们认定针对训练和推理分别提供专门优化的芯片，将使整个技术生态受益。”<br> 挣脱“英伟达枷锁”<br> 算力专属化的另一重动力，来自科技巨头对英伟达供应链依赖的深度焦虑。目前英伟达控制着全球约85%至92%的AI加速器市场，2026财年数据中心营收达2159亿美元，毛利率高达73.6%，其市场地位近乎垄断。<br> 英伟达<br> 英伟达的护城河不仅在于硬件，更在于CUDA软件生态系统。经过二十余年积累，CUDA已拥有超过400万注册开发者。面对高昂采购成本和供应短缺风险，全球最大的几家云服务商纷纷投身自研芯片。<br> 这一趋势已从谷歌一家扩展为全行业共识。2026年1月，微软发布第二代自研AI芯片Maia 200，采用3纳米制程。Meta在2026年4月宣布与博通合作研发MTIA定制加速器。亚马逊CEO安迪&middot;贾西透露Trainium需求进入爆发期，Trainium 3计划于2026年初出货。<br> 从资本支出来看，TrendForce预估2026年全球八大CSP合计资本支出超7100亿美元，年增约61%。其中Alphabet资本支出有望超1783亿美元，年增95%。谷歌是各CSP中唯一ASIC出货比例高于GPU的业者，预计2026年TPU在其AI服务器中占比将逼近78%。<br> 算力专属化带来了什么<br> 谷歌算力专属化战略本质上是对AI时代算力权力格局的一次主动重构——从依赖第三方通用算力，转向深度定制、软硬协同的专用算力体系。这一转型的价值体现在三个层面。<br> 首先是性能效率的直接提升。TPU 8t在同等价格下效能较上一代提升2.8倍，每瓦性能提升124%；TPU 8i效能提升80%，每瓦性能提升117%。两款芯片均整合基于安谋架构的Axion CPU，消除数据预处理延迟瓶颈，确保TPU持续满载运转。<br> 其次是成本效益的显著优势。谷歌借助TPU大幅压缩大模型部署成本，将Gemini等产品的使用成本压低至极具竞争力的水平。投资银行D.A. Davidson估算，谷歌TPU业务加上DeepMind的总价值约为9000亿美元，接近谷歌总市值约4万亿美元的四分之一。<br> 第三是软件生态的自主构建。CUDA生态覆盖全球超过95%的AI开发者，被视为最难撼动的壁垒。谷歌启动“TorchTPU”计划，与Meta合作让TPU顺畅运行PyTorch。第八代TPU现已支持JAX、PyTorch、Keras等主流框架，开发者可直接迁移模型而无需修改代码。<br> 从宏观视角看，算力专属化正在重塑云服务市场的基础逻辑。TrendForce指出，业者正日益扩大导入ASIC基础设施，以确保AI应用服务的适用性及数据中心建置的成本效益。能够自主掌控从芯片到框架、从训练到推理全流程的厂商，将在AI竞赛中获得长期核心优势。<br> 总结<br> 英伟达凭借CUDA生态和通用GPU确立了一个时代的算力话语权，但AI工作负载的分化正在打破这一格局。推理不再是训练的“配角”，而是独立成为算力需求的主力，这对芯片架构提出了崭新的要求。科技巨头已无法承受唯一供应商的锁定风险，自研芯片成为降低成本和分散风险的唯一出路。<br> 在这场算力重构的大潮中，谷歌凭借十年TPU积累和第八代芯片的战略转向，正从一个算力使用者转变为算力定义者。CNMO认为，算力专属化在未来将不仅仅是谷歌的选择，更将成为AI时代大型科技企业的标准配置。<br> “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。<br> Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”