当地时间11月9日,谷歌官宣推出两款第八代TPU衍生芯片TPU 8tx、TPU 8i Max,进一步丰富自研AI算力矩阵,和英伟达GPU展开竞争。
TPU 8tx(机密安全推理芯片)主打硬件级机密计算,面向政府、监管行业,搭配AMD CPU,保障敏感数据运算全程加密;TPU 8i Max(超长上下文推理芯片)采用双芯封装,算力、内存与带宽翻倍,重点支撑百万Token超长上下文任务,适配科研、代码、药物研发等AI智能体场景。
两款新品属于8代TPU衍生配置,并非全新架构芯片。今年4月谷歌已经发布基础版TPU 8t(训练)、TPU 8i(标准推理),本次两款新品落地后,第八代TPU形成4款产品组合,全部围绕AI智能体(Agent) workload优化。
谷歌芯片负责人阿明 · 瓦赫达特(Amin Vahdat)称,AI算力的趋势是专用化。两款新品计划2027年正式上市,依托谷歌云对外提供,同时支持客户部署到自有数据中心。
行业分析认为,谷歌选择差异化赛道,避开单纯算力比拼,依靠安全、长上下文场景吸引客户;但CUDA生态壁垒,依旧是TPU大规模替代英伟达GPU的最大障碍。
谷歌算力策略转向:以细分专用芯片绕开英伟达正面生态壁垒。不再单纯比拼绝对峰值算力,而是抓安全机密计算、超长上下文推理这类垂直刚需场景,吸引对数据合规、长文本有强需求的政企客户,差异化竞争。
Agent大模型带动推理硬件升级。智能体需要读取海量文档、完整代码库、多轮长链路推理,对内存容量、带宽需求爆发,8i Max就是针对这个痛点设计,是算力硬件跟随模型范式迭代的典型信号。
云厂商自研芯片内卷加剧。谷歌、AWS、微软Azure都在持续加码自研AI芯片,云厂商试图降低对英伟达GPU的采购依赖,控制算力成本,供应链分散化趋势持续。
生态仍是最大门槛。TPU原生适配谷歌框架,迁移成本高;英伟达CUDA生态沉淀多年,绝大多数开源模型、工具链优先适配GPU,这是谷歌TPU规模化普及的核心阻碍。
国内算力芯片同样可以参考“训练+推理+安全+长上下文”的细分矩阵思路,针对行业合规、长上下文等垂直场景打造差异化硬件。