谷歌借自研TPU芯片力推Gemini 3反超GPT-5，OpenAI被迫进入内部红色警戒

谷歌在AI硬件战中引发硬重启

独立测试显示，谷歌TPU芯片驱动的新一代Gemini系统性能已超越GPT-5，此举同时重创了OpenAI和英伟达。Gemini系统主要运行在谷歌自研的TPU芯片上，而非英伟达GPU。测试结果公布后，OpenAI**执行官要求团队重新聚焦于改进ChatGPT及其核心模型。

芯片扩张与外部销售

谷歌正计划将TPU的应用范围从自有云服务扩展到外部市场。仅最近一笔交易就向Anthropic公司交付了100万台TPU，交易估值达数百亿美元。这笔订单直接引发了英伟达投资者的担忧——若谷歌持续向外部企业销售TPU，英伟达将面临数据**需求流失的风险。

行业分析机构指出，TPU在训练和运行先进AI系统方面已与英伟达产品“并驾齐驱”。据摩根士丹利估算，每向外部客户销售50万台TPU，可为谷歌带来**130亿美元收入。该投行预计台积电明年将生产320万台TPU，2027年增至500万台，2028年达到700万台。

全栈优势与生态布局

谷歌与博通合作研发处理器，联发科提供辅助支持。其核心竞争力在于对硬件、软件和AI模型的垂直整合。谷歌AI架构师强调：“全栈解决方案是我们的独特优势。”他还指出，通过数十亿用户数据积累，公司能深入洞察Gemini在搜索引擎和AI概览等产品的运行效能。

上月有报道称Meta与谷歌就采购TPU进行洽谈，导致英伟达股价下跌。分析师预测谷歌可能继续与多家AI公司达成供应协议，未来数年潜在附加收入有望超千亿美元。

英伟达的防御与挑战

面对市场波动，英伟达宣称其技术仍“**行业一代”，是“**能运行所有AI模型的平台”，并强调持续向谷歌供货。该公司表示其系统在性能、通用性和灵活性方面优于针对特定框架的TPU。

与此同时，开发者正获得能更快迁移代码至TPU系统的工具，这削弱了英伟达通过Cuda软件构建的技术壁垒。TPU的研发历史可追溯至2013年，当时谷歌科学家发现深度学习模型将导致数据**成本激增，促使工程师团队启动芯片自研项目。

十年技术演进之路

2016年AlphaGo战胜李世石成为AI发展里程碑，此后TPU持续为谷歌搜索、广告和YouTube系统提供算力支持。谷歌原本每两年更新一次TPU架构，但从2023年起改为年度更新。公司发言人表示：“谷歌云对自研TPU和英伟达GPU的需求均在增长，我们将继续支持两种方案。”