昨天谷歌突然发布了两种新型AI芯片，英伟达股价应声下跌超过4%，而AMD则暴涨超过13%。

network

昨天谷歌突然发布了两种新型AI芯片，英伟达股价应声下跌超过4%，而AMD则暴涨超过13%。最近新闻中频频出现的TPU，很多人都有共同的疑问，我就简单整理一下这些内容。

到底英伟达GPU和谷歌TPU有什么不同，为什么每次像以前的DeepSeek事件或这次TPU发布时，英伟达股价都会动荡，还有如果TPU那么便宜又好，为什么大家还是排队买昂贵的英伟达芯片？我就简单写写这些核心要点。

1. 英伟达GPU和谷歌TPU到底有什么不同？

英伟达GPU原本是为了绘制高规格3D游戏图形而设计的芯片。

但AI的学习和生成回答的过程，需要同时计算数亿个数字这种任务，所以在现有芯片中，以数千个核心进行并行计算最擅长的GPU，就被选为最适合AI的芯片。

不过因为它是多用途芯片的出身，所以里面还包含了AI计算完全不需要的图形电路，导致芯片价格高达数千万韩元，而且耗电也很严重。

相比之下，谷歌TPU是从一开始就专为AI计算而设计的专用芯片。

它把绘制屏幕图形或其他复杂任务的电路全部去除，只密密麻麻地塞满了AI运算所需的电路。

因此，在运行相同AI任务时，制造成本当然比英伟达GPU低得多，功率效率也必然更高。

2. 为什么每次像以前DeepSeek事件或这次TPU发布时，英伟达都会动荡？

英伟达的高股价，是建立在“要运行AI，就必须购买数十万张每张数千万韩元的英伟达顶级万能芯片”这种信念之上的。

去年年初中国DeepSeek爆发时，英伟达一天内暴跌17%的原因，也是因为它证明了，不用愚蠢地塞满最贵的新型芯片，只要聪明地设计电路图，就能以远更低的成本制造高性能AI。

这次谷歌发布本质上也一样。过去是AI初次训练的学习大战，所以就算贵也必须用万能的英伟达芯片，但现在已经转向用已完成的AI每天为数亿人生成回答的维护成本之争。

谷歌今年首次一年内推出4种TPU类型，将芯片细分成训练用、回答生成用、企业安全用、大容量内存用后，大家计算出没必要固执于昂贵的英伟达万能芯片，市场资金随之剧烈波动。

3. 如果TPU那么便宜又高效，为什么大家还是无法抛弃英伟达？

理论上大家应该都用性价比高的TPU才对，但现实中有3道大墙。

首先，谷歌不像英伟达那样，向任何企业单卖芯片盒。最近开始对部分超大型合作伙伴例外开放外部供应，但基本还是坚持插在谷歌数据中心里，通过谷歌云付费月租使用的模式。

然而，用AI芯片最多的巨头们，是微软、亚马逊、埃隆·马斯克的xAI这些谷歌的竞争对手。芯片再便宜，也不能把自家核心AI托付给竞争对手谷歌的服务器，每月上交数万亿韩元的月租费，所以想在自家地盘建数据中心，就只能哭着咽下苦果，买昂贵的英伟达芯片。

其次，是AI技术明天会怎么变谁也不知道。TPU就像为当下流行的AI计算方式浇铸的固定模具。

在固定任务上，比英伟达更快更便宜，但如果几个月后出现全新的AI公式，固定型的TPU就有无法跟上那种计算的风险。相反，万能计算器的英伟达芯片，只要改改程序，就能立即运行任何新AI。

第三，是长期以来拖累的软件兼容性问题。全球90%以上的AI开发者，近20年来一直针对英伟达专属生态系统CUDA进行编码。

以前为了省点芯片钱想换成谷歌TPU，就得从头重写所有现有代码，导致年薪数亿韩元的开发者人工费和上市延误损失更大，简直是赔了夫人又折兵的局面。

4. 那么，为什么偏偏现在谷歌TPU开始威胁英伟达，闹得这么大？

因为谷歌最近一次性砸碎了企业们无法离开英伟达的这个软件壁垒和硬件空隙。

首先，就在上个月，谷歌和Meta联手发布了开源的TorchTPU。

原本要把为英伟达写的AI代码移植到谷歌芯片上，需要大工程，但现在只需在代码中把“cuda”一个词改成“tpu”，几乎无需修改就能直接运行，从而消除了转换成本。

此外，昨天发布的TPU 8tx，是解决了银行、政府、大企业最担心的机密泄露问题的安全专用芯片。

即使在AI从内存运行计算的那一刻，也将整个数据加密，让谷歌服务器管理员都绝对无法看到，而为了实现这个安全功能，采用了AMD最新服务器CPU的消息传来，加上华尔街目标股价上调，昨晚AMD股价暴涨超过13%。

同时发布的TPU 8i Max，更是把两个推理芯片合二为一，将高带宽内存（HBM）容量增加到384GB，并将数据通道速度翻倍至每秒17.2TB的怪物芯片。

如今的AI是能一次性读取几部电影分量或公司全部代码来工作的代理模式，所以内存总是堵塞，而它连同减少等待时间90%以上的开源（TPU Sync）一起发布，正面突破了这个瓶颈。

如今的AI是能一次性读取几部电影分量或公司全部代码来工作的代理模式，所以内存总是堵塞，而它正面突破了这个瓶颈。

而且，还拆除了软件壁垒，让开发者几乎无需修改就能直接在TPU上运行原本在英伟达上用的PyTorch代码。

任何产业在初期开盘时，都会被贵但万能的设备垄断市场，但技术成熟、转向维护成本之争后，按用途细分的性价比设备就会钻空子进来。

在韩国，像FurioSA AI这样的新兴企业，也瞄准这个缝隙，开发了针对推理优化的国产AI芯片，从今年开始正式向市场投放量产货。

随着这些后发者成熟、供应量增加，原本只盯着英伟达GPU或谷歌TPU的垄断格局将被打破，AI基础设施成本本身将迎来一步下降的转折点。