谷歌AI芯片强势来袭：TPU 8t与8i发布，挑战英伟达霸主地位

BitcoinWorld

Google AI 芯片强势来袭：TPU 8t 与 8i 正式发布，向 Nvidia 的主导地位发起挑战

为了抢占蓬勃发展的人工智能市场，Google Cloud 于加利福尼亚州旧金山时间4月30日（星期三）正式宣布推出其第八代定制 AI 芯片。该公司采取了双轨并进的策略，推出两款专用芯片：用于 AI 模型训练的 TPU 8t，以及用于推理工作负载的 TPU 8i。此举标志着 Google 迄今为止最重要的一次行动，旨在为企业提供一个强大且具成本效益的替代方案，以取代 Nvidia 行业标准的 GPU。不过，这家搜索巨头表示，与这位芯片领导者的合作关系依然比以往任何时候都要稳固。

Google AI 芯片：训练与推理的双管齐下策略

Google 决定将其第八代张量处理器（TPU）拆分为两款独立型号，代表着其硬件战略的重大演进。历史上，TPU 同时承担训练与推理的工作，但对专用 AI 计算能力的爆发性需求推动了这一架构转变。TPU 8t 专为训练大型语言模型及其他 AI 系统这一计算密集型过程而设计。相反，TPU 8i 则针对推理进行了优化，即持续运行已训练模型以响应用户提示的过程。

根据 Google 的性能基准测试，新芯片相比前代产品实现了显著提升。该公司声称 TPU 8t 提供高达 3 倍的 AI 模型训练速度以及每美元性能提升 80%。此外，Google 的工程技术现已允许超过一百万个 TPU 在单一大型集群中协同工作。这种规模使得此前不可行的下一代前沿模型训练成为可能。对云客户而言，这意味着在更低能耗和更低成本下获得更强大的计算能力。

超大规模云服务商芯片竞赛白热化

Google 的公告使其牢牢置身于各大云服务商开发定制芯片这一更广泛趋势之中。亚马逊云服务（AWS）拥有 Graviton 和 Trainium 芯片，而 Microsoft Azure 则正在开发其 Maia 加速器。这一趋势通常被称为"超大规模云服务商芯片竞赛"，其驱动力在于对供应链的更强掌控、针对特定软件栈的性能优化，以及更优的成本利润率。然而，分析师提醒，这并非一场针对 Nvidia 的零和博弈。

"'超大规模云服务商对抗 Nvidia'这一说法往往被夸大了，"知名芯片市场分析师 Patrick Moore 解释道。"这些公司是在构建补充性产能，并针对自身生态系统进行优化。他们并非旨在完全取代 Nvidia，尤其是在短期内。"Moore 曾于 2016 年预测 Google 首款 TPU 可能威胁 Nvidia 和 Intel，但这一预测被证明为时过早，因为 Nvidia 的市值此后已飙升至近 5 万亿美元。当前的现实更具共生性。例如，Google 已确认将于今年晚些时候在其云平台上提供 Nvidia 即将推出的 Vera Rubin 芯片。

合作而非对抗的未来

事实上，Google 强调其与 Nvidia 的持续合作。这两家科技巨头正在联合开发计算机网络解决方案，以使基于 Nvidia 的系统在 Google Cloud 基础设施上更高效地运行。其中一个关键项目涉及增强 Falcon——这是 Google 于 2023 年创建并开源的一项基于软件的网络技术。这一合作凸显了行业的一个关键洞见：AI 云服务的增长扩大了所有高性能芯片的整体潜在市场，无论其品牌是 Nvidia 还是云服务商。

其背后的财务逻辑十分清晰。随着企业日益将其 AI 工作负载迁移至云端，对算力的需求呈爆发式增长。云服务商随后可将特定的优化工作负载引导至其定制芯片，同时为其他工作负载提供 Nvidia GPU 的广泛兼容性。这种混合模式使他们能够在部分工作负载上提升盈利能力，同时维持客户的完整选择权。对 Nvidia 而言，托管在 Google Cloud 上的每一个新 AI 应用，都代表着其网络设备、软件许可证以及在许多情况下其 GPU 的潜在客户。

性能与市场影响分析

Google 新款 TPU 的技术规格表明，其与顶级 GPU 之间的性能差距正在缩小。对每美元性能和能效的关注，解决了企业扩展 AI 规模时的两大主要痛点：成本飙升和环境影响。Google 连接超过百万个 TPU 的能力，也直接挑战了 Nvidia 的一项关键优势——其用于连接大量 GPU 的市场领先 NVLink 技术。

Google 新款 TPU 的主要优势：

• 专业化：专用于训练（TPU 8t）和推理（TPU 8i）的芯片针对特定任务进行优化。
• 成本效益：每美元性能提升 80%，可大幅降低 AI 项目的入门门槛。
• 规模：百万芯片集群支持前所未有的 AI 模型训练。
• 集成性：与 Google 的 AI 框架（如 TensorFlow 和 JAX）深度软件集成。

尽管如此，Nvidia 的生态系统，尤其是其 CUDA 软件平台，仍是一道强大的护城河。数以百万计的 AI 开发者在 CUDA 上接受训练，无数应用程序基于此构建。尽管 Google 的芯片可运行主流框架，但潜在的应用程序移植需求仍会带来阻力。长期竞争可能不在于原始晶体管速度，而更多在于哪个平台能为开发者和企业提供最具吸引力的整体解决方案。

结语

Google 推出 TPU 8t 和 TPU 8i，标志着 AI 基础设施演进历程中的一个关键时刻。这展示了该公司在高风险 AI 硬件领域参与竞争的坚定决心，为企业提供强大的新款Google AI 芯片以应对专项任务。然而，此次公告也强化了现代半导体行业复杂而协作的本质。Google 并非发动全面进攻，而是执行一套成熟的双路径策略：在推进自有芯片的同时，深化与 Nvidia 的合作伙伴关系。这一方式确保 Google Cloud 能够满足最广泛的 AI 工作负载需求，从针对其定制 TPU 优化的工作负载，到需要 Nvidia GPU 通用标准的工作负载，均可兼顾。最终的赢家很可能是企业用户，他们将从日益激烈的竞争、更多的选择以及性能与成本方面的持续创新中获益。

常见问题解答

问题1：Google 的 TPU 8t 与 TPU 8i 芯片有何区别？
TPU 8t 专为 AI 模型训练而设计——即利用海量数据集教导模型的过程。TPU 8i 则针对推理进行了优化，即利用已训练模型实时作出预测或生成响应的过程。

问题2：Google Cloud 会停止提供 Nvidia GPU 吗？
不会。Google 已明确表示不会取代 Nvidia。该公司确认将于今年晚些时候在其云平台上提供 Nvidia 下一代 Vera Rubin GPU，并正积极与 Nvidia 在网络技术方面展开合作。

问题3：Google 的新款 AI 芯片与以往的 TPU 版本相比如何？
Google 声称新款第八代 TPU 与前代相比，训练速度提升高达 3 倍，每美元性能提升 80%。它们还支持超过一百万个芯片的集群，从而实现更大规模的模型训练。

问题4：为什么像 Google 这样的云服务商要自研 AI 芯片？
云服务商开发定制芯片，旨在针对其特定软件和服务优化性能、对供应链获得更强掌控、提升成本效益，并在竞争激烈的市场中实现差异化。

问题5：这对 Nvidia 的未来意味着什么？
尽管超大规模云服务商的定制芯片构成竞争，但 AI 市场的整体增长正在扩大对所有高性能算力的需求。Nvidia 强大的软件生态系统（CUDA）及其持续创新，意味着其很可能仍将保持主导地位，即便它同时与开发替代芯片的公司展开合作。

This post Google AI Chips Unleashed: TPU 8t and 8i Launch to Challenge Nvidia's Dominance first appeared on BitcoinWorld.