在英伟达 GPU 主导的 AI 芯片市场里，谷歌是少数既有自研芯片、又有云业务、还能自己造模型的玩家。据彭博社报道，谷歌 11 月 9 日再次扩充自研张量处理单元产品线，推出 TPU 8tx 与 TPU 8i Max 两款新品。
谷歌芯片业务负责人 Amin Vahdat 对这两款产品的定性很明确：并非完全重新设计，而是在现有芯片基础上重新配置，以满足客户提出的具体需求。他的原话是「未来将属于专业化，而专业化带来的优势仍然十分显著」。这句话是理解这次发布的关键——不是追求一颗通吃所有负载的通用芯片，而是按客户场景切分。
TPU 8tx 面向需要处理安全、机密数据的客户，例如政府机构与受严格监管的行业企业。技术上它会在芯片层面加密数据，避免传统流程中的一个结构性暴露点：计算机处理数据时通常需要先在内存中解密，而内存是共享资源，也是攻击面。8tx 的一个特点是它与 AMD 的 CPU 协同工作，这是谷歌与 AMD 合作的一部分。
TPU 8i Max 走的是另一条路：把两颗 TPU 芯片集成在同一个封装内，提供更强算力与更大内存容量，面向需要超长上下文窗口的 AI 应用。上下文窗口决定模型处理单次请求时能考虑多少数据，Vahdat 说这类能力对药物研发、数学计算尤其重要，对编程类应用同样关键。这条产品线与当下模型的演进方向直接咬合——上下文从 128K 涨到百万级，对内存容量的需求是指数级的。
节奏上的变化也值得注意。谷歌过去通常每两年推出一款新的 AI 处理器，今年已经一次性推出两款，加上这次的两款，产品线扩充到四款。迭代加速的动因是市场结构：AI 芯片市场规模已达数千亿美元，而英伟达的供应仍跟不上需求，这个缺口给了其他玩家建立规模业务的空间。
商业化数据可以说明谷歌这块业务的体量变化。彭博行业研究预计，到 2028 年谷歌 TPU 销售额将超过 1350 亿美元，包括相关软件与硬件收入，远高于今年预计的 120 亿美元，且尚未计入客户通过谷歌云使用 TPU 的收入。客户名单里有苹果、Meta、甲骨文，以及量化交易公司 Jump Trading——后者首席技术官 Alex Davies 说公司已花数年测试 TPU，约一年前签了更大规模协议，目前拥有数千颗 TPU 用于训练交易研究模型。
成本是 TPU 的核心卖点之一。彭博行业研究的分析师 Mandeep Singh 指出，与英伟达 GPU 相比，TPU 成本低约 30%，但在吞吐量上具有竞争力。Jump Trading 的实践也从侧面印证：在 TPU 性能达到或超过 GPU 的领域，它更省电，能进一步降低使用成本。不过他同时提醒，与英伟达相比，谷歌 TPU 业务的利润率并没有那么高。
需求侧的信号更硬。甲骨文上个月宣布，从明年开始首次允许其云客户使用谷歌 TPU，此前只能选英伟达和 AMD；甲骨文云基础设施高级副总裁 Karan Batta 的说法是「随着 AI 工作负载越来越复杂，客户需要更多选择」。Anthropic 则持有一项选择权，可在 2028 至 2031 年间购买价值最高 1500 亿美元的 TPU。谷歌在财报中直言，目前所有能供应的 TPU 都已被客户预订。
竞争压力同样真实。一家叫 Tenspresso 的初创公司由两名前 TPU 工程师创立，正在做面向长上下文窗口推理的首款芯片，直接对标 8i Max，不过据彭博社上周报道，其产品至少还需一年才能完成设计；OpenAI 与 Anthropic 也在推进自研芯片，团队里有不少参与过 TPU 开发的资深工程师。供应链侧，谷歌长期依赖博通协调 TPU 制造，近几个月又与迈威尔的竞争对手签署了涉及部分 TPU 工作的合作协议，另有报道称联发科在提供支持，Vahdat 拒绝评论具体分工。
还有一个宏观变量不该忽略：AI 基础设施投资放缓的风险。Singh 预计，针对数据中心建设的反对声音，可能让科技公司原计划 2027 年投入的 1.4 万亿美元减少约 5% 至 7%，这些支出涵盖芯片、网络设备、土地与建设材料。对刚扩完产品线的谷歌，这是需求侧的不确定性；对英伟达，这同样是估值叙事的一部分。