（来源：第一财经资讯）

　　谷歌正在加快AI芯片的迭代速度。当地时间11月9日，谷歌宣布推出两款新的TPU（张量处理单元）：TPU 8tx和TPU 8i Max，分别面向安全与机密推理、超大上下文处理两类需求。

　　这是谷歌今年第二次更新TPU产品组合，也是其首次在一年内推出四款TPU。与过去主要追求计算性能提升不同，谷歌此次将重点放在了AI智能体（AI Agent）带来的需求上，博客称新的TPU是“专为智能体时代打造”的。

　　其中，TPU 8tx主打硬件级数据安全，能够在处理敏感数据的同时运行和训练AI模型；TPU 8i Max则通过双芯片设计，将计算能力、内存容量和内存带宽提升至TPU 8i的两倍，以支持百万Token级上下文处理。

　　11月9日美股开盘，谷歌（GOOGL.US）一度大涨约4%，随后涨幅收窄，截至收盘，谷歌涨1.18%，报288.15美元/股，总市值3.54万亿美元。

　　在今年4月的Google Cloud Next大会上，谷歌已推出两款第八代TPU，分别是面向大模型训练的TPU 8t，以及针对实时推理优化的TPU 8i。此次发布的两款新TPU，则进一步针对企业AI应用中的具体问题进行了优化。

　　通常企业数据在存储和网络传输过程中可以进行加密，但在计算机实际处理数据时，往往需要将其解密，这带来了潜在的安全风险。据谷歌介绍，TPU 8tx能将安全能力直接集成至硬件层，使敏感数据和模型权重在实际计算过程中也能受到保护。这项能力尤其适用于金融机构、政府部门等对数据安全要求较高的客户。

　　另一款TPU 8i Max则解决的是AI行业的内存墙问题。随着AI智能体从简单问答转向复杂任务执行，限制计算效率更多的是内存能否及时向处理器提供数据。为解决这一问题，谷歌将两颗TPU 8i芯片整合到同一个封装中，使其计算能力及HBM带宽翻倍。谷歌表示，这一设计主要服务于超大上下文窗口和高密度计算需求。

　　谷歌TPU的商业化正在加速。谷歌高级副总裁兼首席技术官Amin Vahdat表示，TPU已经成为一项快速增长的业务，目前拥有近100家客户，包括前沿AI实验室、交易公司、零售商、大学等。

　　过去，谷歌TPU的商业模式主要是通过谷歌云向外部客户提供算力服务，今年4月，谷歌首次宣布将向部分客户直接销售TPU系统，允许其部署在自有数据中心。

　　第二季度，谷歌表示已完成首批交付。在最新的三季度财报中，谷歌进一步表示，TPU销售已成为云业务收入的重要增长贡献之一，预计2027年相关收入将明显增长。

　　谷歌在大模型领域的竞争对手也是其较大的TPU客户之一。2025年10月，大模型厂商Anthropic宣布扩大与谷歌云的合作，计划使用最多100万颗TPU，合作规模达数百亿美元。随后在今年4月，Anthropic再次宣布与谷歌及博通扩大合作，新增数吉瓦下一代TPU算力。

　　OpenAI也在考虑采购谷歌TPU。10月底有报道称，OpenAI计划购买谷歌AI芯片，以减少对英伟达GPU的依赖。此外，OpenAI官网正在招聘TPU编译器工程师，负责优化其前沿模型在TPU上的运行性能。但相关采购计划还没有获得官方确认。

　　10月底，谷歌还宣布与甲骨文（Oracle）达成合作，计划从2027年开始通过甲骨文的云服务提供TPU算力。甲骨文将成为谷歌之外首家提供TPU的超大规模云服务商。

　　虽然英伟达在AI算力市场仍拥有重要地位，但谷歌正试图通过更多产品和销售渠道扩大市场空间，对英伟达形成挑战。

　　不过要与英伟达竞争，谷歌仅靠硬件性能还不够。英伟达的一大优势是其长期积累的CUDA软件生态。CUDA是英伟达推出的并行计算平台和编程模型，也是大量AI开发者使用GPU的重要基础，企业如果转向其他芯片平台，往往需要承担额外的软件适配和迁移成本。

　　谷歌也在尝试解决这一问题。此次发布中，谷歌重点介绍了TPU软件生态的开放进展。上个月，谷歌开源TorchTPU，使PyTorch代码和Hugging Face模型能够直接运行在TPU上，不需要重新编写代码。同时，谷歌还为主流开源推理框架提供TPU支持，希望通过各种途径降低开发者使用TPU的门槛。

　　AI芯片的竞争是多维度的，包括软硬件生态、部署灵活性以及整体计算成本等，谷歌能否拿下更多订单或许还需要市场和时间验证。

　　不过，谷歌被外界看好的另一项优势在于“全栈AI”，它既是AI芯片研发者，也是大模型开发商和云计算服务商，能够将芯片、软件和模型的研发相结合。

　　在此次博客中谷歌提到，用TPU训练的Gemini模型，也反过来在加快下一代TPU的开发。“团队正在利用AlphaChip强化学习系统，以及Gemini模型辅助芯片布局设计，将部分原本需要数周的工作缩短至数小时。”软硬件协同是谷歌试图建立的差异化竞争优势。