谷歌 TPU 能撼動英偉達嗎？ 週末健身時聽了硅谷 101 關於谷歌 TPU 工程師的採訪揭秘，感覺很有意思。 聽完後有了一些新的認識和思考，總結原文核心觀點，並記錄自己的想法。 1️⃣ 播客中的結論 （另有詳細 AI 文字版本總結，較長見圖 2） 1） Gemini 有個很反直覺的特性：用的人越多，速度越快。 這是 TPU 架構決定的。並行計算 + 複用緩存機制，剛好把算力打滿的時候效率最高。 當然，雙刃劍的另一面也出現了。 去年 Gemini 3 發佈，GPT 大批用戶湧入，服務頻繁崩潰…… 本質原因就是 TPU 產能跟不上，擴容沒追上用戶增速。 2）英偉達 GPU vs 谷歌 TPU，各有各的護城河。 英偉達的優勢在軟件：CUDA 生態太成熟，通用性強，改不動。 谷歌 TPU 的優勢在軟硬件結合：跑特定大模型算法時，性能可以直接碾壓英偉達。 蘋果已經成為 TPU 第一大買家，Anthropic 也在大量採購。 理由很簡單：不想把雞蛋全放在英偉達一個籃子裡。 3) 臺積電的護城河比想象的還要深。 不管是英偉達、谷歌、蘋果……所有芯片全得靠臺積電做，臺積電的工藝和良品率水平沒有第二家可以替代。 更離譜的是臺積電產能根本不夠用，各大廠商都在排隊搶。 賣鏟子是穩，我也會堅定看好和持有臺積電。 4）TPU 類似於是把算法放進硬件，有點像用 ASIC 挖礦的感覺。 GPU 是通用的，TPU 是定製的。 谷歌芯片團隊需要提前一兩年向臺積電下單，這意味著他們現在做的芯片，是為兩年後的 AI 算法設計的。 所以谷歌的 AI 團隊和芯片團隊必須深度綁定，今天押注的算法方向，決定了兩年後芯片能不能用上。 押對了是降維打擊，押錯了兩年全打水漂。 而這層約束對於英偉達來說無需面對。 2️⃣ 說點個人想法 所謂軟硬件結合，就是通用硬件設計能力不夠，或者成本過高， 乾脆直接為某一類算法設計硬件。 就硬件設計水平來講是比不上通用硬件的。 英偉達為什麼不做 NPU/TPU？ 因為沒法擴大自己的優勢。太多廠商能做了，大家都做就和手機廠商一樣。 舉個栗子🌰： 基本上安卓機都有了紅外遙控，也就是萬能遙控功能， 蘋果為什麼不做？ 這個功能難嗎？不難； 客戶有需求嗎，有。 那為什麼蘋果為什麼不做呢？ 我想商品形態可能真不一定是「完全由需求」決定的。 如果兩個集合，相同元素佔比越大，越沒有辨識度。 想想我們對手機的印象：蘋果/ 非蘋果。 如果用安卓，大部分人是不在乎小米，oppo，vivo，華為的， 因為他們同質化太高了，用戶粘性相對低。 類比計算器和計算機的區別，計算機是通用計算，計算器就是特定計算。 計算器的功耗當然低了，只能做特定計算。 TPU 相對於英偉達的 GPU 沒有硬件設計壁壘。 只是在想辦法降本。 同時，通過降本賺的盆滿缽滿的公司是很少的，提出新概念，開闢新方向的才能起飛，也容易炒概念。 目前的神經網絡計算主要就是張量計算， 捲成本對於英偉達來講是下下策。 因此不能單獨地看 TPU 是怎麼說自己的優勢的。 單從 Google 的角度來看，做 TPU 是最好的選擇。 但是從英偉達的角度來看，打成本戰是下下策。 因為英偉達已經掌握了先發優勢，英偉達的 cuda 生態，以及英偉達的頂尖 gpu 設計能力。 Google 做不了 GPU ？ 肯定不是。 摩爾都能做，谷歌怎麼可能做不了，多出點錢還怕挖不到人嗎？ 芯片的前期投入太大了，如果 Google 一開始做 GPU 沒人用，就會面臨本都收不回來的情況。 同規模下，Google 做 TPU 成本比 GPU 低，還能打包出售自己的 Gemini， 屬於上策。