TPU（Tensor Processing Unit，张量处理单元）是谷歌自主研发的专用人工智能芯片，专为加速机器学习任务而设计。自十多年前诞生以来，TPU一直是谷歌内部AI研发的核心硬件，如今正逐步走向外部市场，成为挑战英伟达GPU主导地位的重要力量。 与英伟达GPU最初为游戏图形设计、后被用于AI不同，TPU从诞生之初就专为AI优化。它采用“阵列流”（systolic array）架构，能更高效地处理数据流，减少内存访问延迟，尤其在模型训练和推理阶段表现突出。谷歌最新发布的Ironwood TPU在训练和推理效率上比前代提升超四倍，且支持大规模集群部署，可实现数千颗TPU协同工作，形成“TPU Pod”，在大规模AI计算中具备显著成本优势。 目前，谷歌仍以自用为主，TPU广泛用于驱动搜索、地图、Gemini 3等核心产品。但近年来，外部客户逐渐增加：苹果曾用TPU训练其自研AI模型；AI公司Anthropic宣布将使用高达100万颗TPU；半导体公司博通透露已收到Anthropic总计210亿美元的Ironwood TPU订单；Meta也正在测试TPU，虽尚未确认长期合作。 尽管TPU性能优越，但其普及仍面临挑战。英伟达凭借CUDA生态建立了强大壁垒——这一软件平台让开发者能轻松调用GPU进行通用计算，且仅支持英伟达芯片。谷歌正积极应对，加大投入支持PyTorch框架（目前AI开发主流工具），以降低用户迁移门槛。 市场分析认为，TPU的外部扩张潜力巨大。摩根士丹利预测，2027年谷歌TPU出货量或达500万颗，2028年达700万颗，每50万颗可为谷歌带来约130亿美元收入。这不仅将带来可观营收，更形成“用TPU训练AI—优化TPU设计”的正向循环。 尽管如此，TPU目前仍较“selective”——谷歌对外销售非常谨慎。专家认为，TPU短期内不会立即撼动英伟达的市场地位，但随着亚马逊Trainium3等定制芯片兴起，AI芯片市场正走向多元化。未来，企业更可能采用“多芯片混合策略”，而非单一依赖某一家供应商。这或将削弱英伟达的定价权，但不会使其迅速崩塌。