堆代码讯 在周三举行的 Google Cloud Next 2026 大会上，谷歌云正式推出了第八代定制 AI 芯片 —— 张量处理单元（TPU），这是谷歌 AI 硬件路线的一次重大转向：首次将 AI 模型的训练与推理任务，拆分到了两款独立的定制芯片当中，分别是面向模型训练的 TPU 8t，以及面向推理任务的 TPU 8i，针对 AI 全生命周期的不同需求，做了针对性的深度优化。

双芯片战略：训练与推理拆分，针对性优化性能

随着 AI 大模型时代的到来，模型训练和推理的算力需求差异正在越来越大，谷歌也因此选择了拆分芯片的路线。其中，TPU 8t 专门针对大规模的模型训练任务做了优化，能够将前沿大模型的训练时间，从数月缩短到数周；而 TPU 8i 则是为推理任务量身打造，推理正是用户提交提示词之后，模型运行给出结果的过程，这款芯片针对延迟敏感的推理负载做了专项优化，能够更好地支撑 AI 智能体的运行。

谷歌对这两款新芯片的性能给出了亮眼的指标：相比上一代产品，AI 模型的训练速度最高提升了 3 倍，每美元的性能提升了 80%，更重要的是，谷歌能够打造出支持超过 100 万颗 TPU 协同工作的超大规模集群，实现前所未有的算力规模。这意味着，用户可以用更低的成本、更少的能耗，获得更强的计算能力。而谷歌之所以将这款芯片命名为 TPU 而非 GPU，正是因为其定制的低功耗芯片，最初就是以 Tensor（张量）为核心设计的，这也是 TPU 这个名字的由来。

不是取代，而是补充：谷歌仍在加码与英伟达的合作

不过，这次谷歌发布自研的新 TPU，并不意味着要对英伟达发起全面冲击，至少目前还不是。和微软、亚马逊这些大型云厂商一样，谷歌并没有打算用自研芯片完全取代英伟达的 GPU，而是用自研芯片来补充自己的基础设施，给用户提供更多的选择。事实上，谷歌还承诺，今年晚些时候，会在自己的云平台上，提供英伟达最新的 Vera Rubin 芯片，继续为用户提供英伟达的顶级硬件。

更有意思的是，谷歌还在和英伟达展开深度合作，双方正在共同优化名为 Falcon 的软件定义网络技术，让基于英伟达的系统，能够在谷歌云里跑得更快、更高效。Falcon 是谷歌在 2023 年创建的网络技术，并且已经通过开放计算项目开源，现在两家巨头联手优化这项技术，就是为了让英伟达的硬件，能够更好地适配谷歌云的基础设施，发挥出全部的性能。

长期来看，随着企业把 AI 需求迁移到云端，并且把应用移植到这些自研芯片上，谷歌、亚马逊、微软这些超大规模云厂商，未来确实有可能减少对英伟达的依赖。但就目前而言，押注英伟达会失败，显然还为时过早。知名芯片市场分析师帕特里克・穆尔黑德，就曾在 X 上开过一个玩笑：早在 2016 年，谷歌推出首款 TPU 的时候，他就预测这会对英伟达和英特尔构成坏消息。但这么多年过去，英伟达的市值已经涨到了接近 5 万亿美元，那个当年的预测，显然并没有经受住时间的考验。

对于英伟达而言，谷歌的增长，其实反而会给自己带来更多的业务，而不是更少。哪怕谷歌的云里，越来越多的工作负载运行在自研的 TPU 上，谷歌云的整体规模在变大，剩下的英伟达的业务，也会跟着水涨船高。更何况，双方现在还在深度合作，共同优化基础设施，一起做大 AI 的市场。这次谷歌的第八代 TPU，其实标志着 AI 芯片进入了分工的时代：训练和推理分开，自研和第三方芯片并存，云厂商和芯片巨头，不再是你死我活的对手，而是竞合并存的伙伴，一起推动整个 AI 产业的发展。