谷歌TPU v9 2028年部署量将达1500万颗 首次超越NVIDIA GPU

过去几年，AI 浪潮中受益最大的无疑是 NVIDIA，无论训练还是推理都离不开采购 GPU 显卡。不过，根据最新预测，到了2028年，GPU 恐怕不再是唯一的主宰，谷歌的自研 TPU 有望后来居上。

在 AI 芯片技术路线中，可以简单分为以 NVIDIA 为主的 GPU 通用计算，以及以谷歌为主的 ASIC 专用计算。谷歌自研的张量处理器（TPU）已有十年历史，但长久以来部署量远不及 NVIDIA 的 GPU。然而过去两年，各家厂商都不希望算力完全被捆绑在 NVIDIA 显卡上，自研 AI 芯片开始爆发，谷歌的 TPU 部署量也随之迅速增长。第七代 TPU v7 已经投入部署，今年 4 月发布的第八代 TPU v8 首次针对训练和推理做了区分。

其中，TPU v8t 偏重 AI 训练，虽然谷歌表示也可用于推理，但主要面向训练负载。每个 Pod 节点堆叠了 9,600 颗 v8t 芯片，FP4 性能达到 121 EFlops，并配备 2PB HBM 内存，内存带宽 19.2TB/s，芯片内部带宽 400GB/s——相比上一代，几乎所有指标都是 2～4 倍的提升。v8i 则主要面向 AI 推理负载，规格有所降低，每个节点仅 1,152 颗芯片，算力降至 11.6EFlops，但内存带宽保持 19.2TB/s 不变。

再下一代的第九代 TPU v9 会更加激进，将采用 4 芯封装技术，对封装提出更高要求。因此，除了原有的台积电合作外，谷歌还会启用 Intel 的 EMIB 封装，分给 Intel 大约 300 万颗 TPU 芯片的订单。这也预示着 TPU v9 这一代的总出货量极为惊人——供应链消息指出，谷歌 2028 年部署的 TPU v9 数量将达到 1,200 万至 1,500 万颗。这是什么概念？作为对比，NVIDIA 的 AI GPU 显卡几乎供应了市面上大多数算力厂商，预计今年销量为 820 万颗，到 2028 年将提升到 1,240 万颗。这意味着，谷歌 TPU 将首次在芯片数量上超越 NVIDIA 的 GPU。

ASIC 路线的 AI 芯片数量超过 GPU，这件事本身并不令人意外。谷歌、微软、亚马逊等云巨头显然不希望 AI 芯片完全依赖 NVIDIA 或 AMD，自研芯片不仅能降低成本，还能减少技术依赖。可以预见，未来 AI 芯片市场的竞争格局将更加多元化。