文章圖片
最近 ， OpenAI又傳出購(gòu)買芯片的消息 ， 但采購(gòu)對(duì)象卻并非英偉達(dá)或谷歌 。
據(jù)了解 ， 這筆訂單落在了晶圓級(jí)芯片公司Cerebras身上 ， 協(xié)議總金額超過100億美元、對(duì)應(yīng)最高約750兆瓦算力容量 ， 并將分階段在2026—2028年落地 。
眾所周知 ， 長(zhǎng)期以來 ， OpenAI的核心訓(xùn)練體系一直建立在英偉達(dá)GPU之上 。 但最近一段時(shí)間里 ， OpenAI一直在嘗試把算力“雞蛋”放進(jìn)多個(gè)籃子里 。
去年6月 ， 有媒體披露稱OpenAI計(jì)劃通過Google Cloud租用芯片 ， 為包括ChatGPT在內(nèi)的產(chǎn)品提供部分推理算力 。
這一算力供應(yīng)策略上發(fā)生變化背后 ， 是美國(guó)AI產(chǎn)業(yè)的兩大陣營(yíng)相互作用下的結(jié)果：一邊是以英偉達(dá)為核心的GPU生態(tài) ， 另一邊是近年來崛起的谷歌陣營(yíng)TPU（谷歌自研的AI專用加速芯片）生態(tài) 。
在大模型爆發(fā)初期 ， 英偉達(dá)幾乎是算力的唯一中心：從訓(xùn)練到推理 ， 從芯片到CUDA生態(tài) ， 行業(yè)別無其他選擇 。
但在過去兩年 ， 這種“絕對(duì)核心”地位開始松動(dòng) 。 一方面GPU供給長(zhǎng)期緊張、價(jià)格高企；另一方面超大模型推理負(fù)載激增 ， 催生對(duì)專用加速器與替代架構(gòu)的現(xiàn)實(shí)需求 ， 也為其他算力路線留下切口 。
在這一背景下 ， 谷歌的TPU路線逐漸成型 。 通過把TPU與Gemini、VertexAI的節(jié)奏深度綁定 ， 谷歌逐步搭建起一套“從芯片到模型、云服務(wù)”的一體化供給體系 。 ?
Cerebras則是OpenAI在兩大陣營(yíng)之外插入的一枚籌碼：它主打晶圓級(jí)芯片的技術(shù)路線 ， 主打低延遲推理與特定負(fù)載的吞吐優(yōu)勢(shì) 。 這家公司也一直被各路機(jī)構(gòu)視為美股潛在IPO標(biāo)的 。
在英偉達(dá)和谷歌兩大陣營(yíng)的“楚河漢界”之間 ， 頭部AI企業(yè)們?cè)凇罢娟?duì)”與“合作”間不斷交錯(cuò) 。
01
兩大基座陣營(yíng) ， 既要“合縱”也要“連橫”
盡管在AI算力版圖出現(xiàn)了“兩大陣營(yíng)”分化的現(xiàn)象 ， 但在過去一年里 ， 英偉達(dá)仍是市場(chǎng)的絕對(duì)主力：IDC在2025年二季度的統(tǒng)計(jì)顯示 ， 英偉達(dá)在AI算力廠商份額占比約85.2% 。
只是在AI產(chǎn)業(yè)中 ， “盟友”與“敵人”的界限往往并不清晰 ， 但仍能在頭部企業(yè)身上 ， 窺探到一絲生態(tài)上的偏好 。
英偉達(dá)的主力合作伙伴中 ， 微軟和AWS（亞馬遜云服務(wù)）持續(xù)把英偉達(dá)新品作為云端算力主力；與此同時(shí) ， 谷歌也在加速把TPU打造成更“可遷移”的選項(xiàng) ， 并通過改進(jìn)對(duì)PyTorch等主流框架的支持、與包括Meta在內(nèi)的企業(yè)/開發(fā)者社區(qū)協(xié)作 ， 降低外部使用門檻 。
以微軟為例 ， 根據(jù)Omdia的估算 ， 2024年微軟采購(gòu)了約48.5萬塊英偉達(dá)Hopper系列GPU ， 幾乎是其競(jìng)爭(zhēng)對(duì)手的兩倍之多 ， 顯示出它在AI基建領(lǐng)域與英偉達(dá)的緊密關(guān)系 。
2025年11月 ， 微軟與數(shù)據(jù)中心運(yùn)營(yíng)商IREN簽署了一份約97億美元的合同 ， 其中包括大約58億美元的英偉達(dá)GB300芯片與相關(guān)設(shè)備 ， 用于進(jìn)一步擴(kuò)展Azure的AI計(jì)算能力 。
不止云廠商 ， 一眾大模型企業(yè)也是英偉達(dá)的基本盤 ， 馬斯克此前曾表示xAI的Colossus超算在2025年已部署約20萬塊英偉達(dá)GPU ， 用于訓(xùn)練Grok系列模型 ， 并計(jì)劃進(jìn)一步擴(kuò)容 。
不過 ， 盡管英偉達(dá)的GPU體系雖然市場(chǎng)份額高達(dá)八成以上 ， 但其高成本與軟件生態(tài)鎖定 ， 也讓一些頭部用戶開始尋求新的供應(yīng)鏈渠道 。
另一邊 ， 谷歌TPU在某些推理與訓(xùn)練場(chǎng)景上擁有更低成本的優(yōu)勢(shì) ， 并且與云服務(wù)深度整合 ， 這使得市場(chǎng)近年來對(duì)其興趣不斷增長(zhǎng) 。
幾周前 ， 曾有媒體披露Meta正在評(píng)估在2027年后引入谷歌自研芯片的可能性 ， 相關(guān)合作規(guī)?；蜻_(dá)數(shù)十億美元 ， 這使TPU有機(jī)會(huì)成為英偉達(dá)之外的一個(gè)重要替代樣本 。
類似的選擇也出現(xiàn)在Anthropic身上 。 去年10月 ， Anthropic宣布將大幅擴(kuò)大與Google Cloud的合作 ， 計(jì)劃利用多達(dá)一百萬顆TPU芯片、總價(jià)值達(dá)到數(shù)十億美元的算力資源 ， 來訓(xùn)練和服務(wù)下一代Claude模型 ， 并預(yù)計(jì)在今年實(shí)現(xiàn)超過1吉瓦的計(jì)算能力上線 。
Google Cloud CEO庫(kù)里安稱 ， “Anthropic大幅擴(kuò)大使用TPU ， 反映了團(tuán)隊(duì)多年來在使用TPU時(shí)觀察到的強(qiáng)勁價(jià)格性能比和效率 。 ”
不過 ， Anthropic和谷歌的合作離不開資本面背景 。 谷歌既是Anthropic的早期投資者 ， 也是其最重要的云算力提供方之一 。 公開信息顯示 ， 谷歌已累計(jì)向Anthropic投資超過30億美元 ， 持有約14%股權(quán) 。
Anthropic CFO Krishna Rao此前曾表示：“Anthropic與Google有長(zhǎng)期伙伴關(guān)系 ， 這次擴(kuò)展有助于持續(xù)增長(zhǎng)定義前沿AI所需的算力 。 ”
通過加大對(duì)TPU的使用 ， Anthropic在成本與算力供給上獲得更高確定性 ， 同時(shí)也加深了與谷歌在云基礎(chǔ)設(shè)施層面的長(zhǎng)期合作關(guān)系 。
不過 ， AI產(chǎn)業(yè)版圖中 ， 即使是資本合作伙伴之間 ， 也可能出現(xiàn)產(chǎn)品和業(yè)務(wù)上的競(jìng)爭(zhēng) 。 字母AI在近期的《爭(zhēng)奪AI制高點(diǎn) ， 谷歌和Anthropic必有一戰(zhàn)》一文中曾總結(jié) ， “如果Anthropic利用谷歌的TPU訓(xùn)練出了遠(yuǎn)超Gemini的模型 ， 那谷歌在應(yīng)用層的競(jìng)爭(zhēng)將變得更加困難 。 ”
正是在這一現(xiàn)實(shí)之下 ， “合縱連橫”開始成為AI基建格局中的關(guān)鍵邏輯 。 算力層面 ， 面對(duì)英偉達(dá)在GPU與生態(tài)上的長(zhǎng)期主導(dǎo) ， 谷歌以TPU、云服務(wù)和資本關(guān)系拉起穩(wěn)定合作網(wǎng)絡(luò) ， 模型公司也借此獲得更可控的算力與成本 ， 此為“合縱” 。
但這種結(jié)盟并不會(huì)延伸到產(chǎn)品前臺(tái) 。 進(jìn)入模型與應(yīng)用層 ， 競(jìng)爭(zhēng)重新回到零和博弈：Gemini、Claude、ChatGPT在前端要面臨正面廝殺 ， “連橫”隨之出現(xiàn) ， 即在基礎(chǔ)設(shè)施上交錯(cuò)合作 ， 但在產(chǎn)品上又各自為戰(zhàn) 。
英偉達(dá)與谷歌兩大陣營(yíng)并存 ， 恰恰放大了這種合縱連橫的結(jié)構(gòu) 。 不過 ， 說起這一版圖的形成以及兩條路徑之爭(zhēng)的起源 ， 還要追溯到AI爆發(fā)前的10年 。
02
GPU與TPU之爭(zhēng) ， 源自“前AI時(shí)代”
在生成式AI成為全球焦點(diǎn)之前 ， 英偉達(dá)已提前十余年布局算力生態(tài) 。
2006年CUDA發(fā)布 ， 使GPU首次成為可被通用編程調(diào)用的并行計(jì)算平臺(tái) ， 開發(fā)者得以繞開硬件細(xì)節(jié)直接釋放算力潛能 。 隨后 ， PyTorch、TensorFlow等主流框架相繼圍繞CUDA構(gòu)建 ， GPU也從圖形加速器演變?yōu)锳I訓(xùn)練與推理的事實(shí)標(biāo)準(zhǔn)底座 。
CUDA的價(jià)值不止“讓GPU可編程” ， 更在于打造了獨(dú)家軟件生態(tài)這一壁壘 。
英特爾前CEO帕特·基辛格 ， 在去年接受采訪時(shí)直言 ， 英偉達(dá)真正的護(hù)城河在于“CUDA以及NVLink這樣的軟件和互連體系” ， 而不僅僅是單一代GPU的性能優(yōu)勢(shì) 。
這一體系優(yōu)勢(shì)在2012年迎來爆發(fā)點(diǎn) ， 多倫多大學(xué)的Alex Krizhevsky等人利用兩塊英偉達(dá)GPU在ImageNet挑戰(zhàn)賽上訓(xùn)練出AlexNet并一舉奪魁 ， 展示了大規(guī)模神經(jīng)網(wǎng)絡(luò)與GPU并行計(jì)算結(jié)合的巨大潛力 ， 成為行業(yè)關(guān)注的里程碑事件 。
但在深度學(xué)習(xí)浪潮爆發(fā)的同時(shí) ， 大規(guī)模神經(jīng)網(wǎng)絡(luò)對(duì)算力效率和能耗也提出新要求 。 此時(shí) ， 谷歌意識(shí)到 ， 依賴通用GPU在大規(guī)模推理和訓(xùn)練時(shí) ， 存在著成本高且功耗大等問題 。
于是 ， 從2015年起 ， 谷歌開始研發(fā)TPU——一種面向神經(jīng)網(wǎng)絡(luò)推理負(fù)載的定制芯片 。 彼時(shí)的目標(biāo)還不是今天的通用AI計(jì)算 ， 而是支撐搜索、翻譯和廣告等核心業(yè)務(wù)中的深度學(xué)習(xí)模型 ， 在數(shù)據(jù)中心內(nèi)以更低能耗、更穩(wěn)定時(shí)延完成大規(guī)模推理任務(wù) 。
2018年 ， 谷歌將TPU正式引入Google Cloud ， 對(duì)外開放使用 ， 試圖證明TPU在云端的現(xiàn)實(shí)價(jià)值 。 ResNet-50等模型的測(cè)試數(shù)據(jù)顯示 ， TPU上訓(xùn)練可顯著縮短時(shí)間并降低成本 ， 使原本需要數(shù)天的任務(wù)在更短周期內(nèi)完成 。
不過 ， 在幾年后的生成式AI爆發(fā)初期 ， 英偉達(dá)迅速成為了那個(gè)最大贏家 。 2020—2022年 ， 大模型訓(xùn)練從研究走向工程化 ， A100等GPU憑借成熟的軟件生態(tài)和穩(wěn)定供給 ， 成為各大云廠商和模型公司的默認(rèn)選擇 。
TPU的轉(zhuǎn)折點(diǎn) ， 出現(xiàn)在算力需求持續(xù)放大之后 。 2023年起 ， 隨著大模型推理負(fù)載激增、電力與成本壓力上升 ， 谷歌TPU因在單位能耗和價(jià)格性能比上的優(yōu)勢(shì)開始受到行業(yè)重視 ， 逐步獲得更廣泛采用 。
字母AI在此前的報(bào)道《AI在美國(guó)“與民爭(zhēng)電”》中曾披露 ， AI數(shù)據(jù)中心的驚人能耗 ， 已經(jīng)迫使美國(guó)AI企業(yè)親自下場(chǎng) ， 投身能源基礎(chǔ)設(shè)施建設(shè) 。 因此 ， TPU的能耗和成本優(yōu)勢(shì) ， 無疑是吸引諸多AI企業(yè)用戶的重要因素 。
另一方面 ， 為降低開發(fā)者遷移門檻 ， 谷歌近年明顯加大了TPU的軟件生態(tài)投入 。 去年 ， 曾有多家外媒披露 ， 谷歌正推進(jìn)代號(hào)為TorchTPU的內(nèi)部項(xiàng)目 ， 核心目標(biāo)是提升TPU對(duì)PyTorch的原生支持能力 。
據(jù)了解 ， 該項(xiàng)目與Meta的需求密切相關(guān) ， 部分軟件組件可能開源 ， 以縮小TPU與英偉達(dá)GPU在主流開發(fā)環(huán)境中的使用差距 。
事實(shí)上 ， 以谷歌為代表的TPU生態(tài)的發(fā)展 ， 一定程度上也宏觀層面 ， 對(duì)沖了英偉達(dá)一直占據(jù)絕對(duì)主導(dǎo)地位的擔(dān)憂 。
“讓一家企業(yè)成為全球AI未來的守門人是危險(xiǎn)的 ， 會(huì)帶來嚴(yán)重的經(jīng)濟(jì)風(fēng)險(xiǎn) 。 ”美國(guó)參議員伊麗莎白·沃倫 ， 曾這樣呼吁美國(guó)司法部啟動(dòng)對(duì)英偉達(dá)反壟斷調(diào)查 。
尤其對(duì)于OpenAI這樣的頭部模型公司而言 ， “合縱聯(lián)橫”的算力格局 ， 無疑比依賴單一技術(shù)路線更具戰(zhàn)略彈性 。
【英偉達(dá)和谷歌，美國(guó)AI棋局的楚河漢界】03
OpenAI的“搖擺”和“押注”
在大模型爆發(fā)期 ， OpenAI就與對(duì)英偉達(dá)的算力體系緊緊捆綁在一起 。 公開信息顯示 ， 在GPT-3時(shí)代 ， OpenAI曾動(dòng)用約3600臺(tái)HGXA100服務(wù)器、近3萬塊英偉達(dá)GPU進(jìn)行訓(xùn)練 。
這種緊密的關(guān)系一直持續(xù)到今天 ， 去年年底 ， OpenAI宣布和英偉達(dá)展開新一輪合作 ， 計(jì)劃部署至少10吉瓦的英偉達(dá)算力系統(tǒng) ， 這些系統(tǒng)將包括數(shù)百萬塊英偉達(dá)GPU ， 用于訓(xùn)練并運(yùn)行下一代模型 。 首批算力預(yù)計(jì)將在今年下半年上線 。
不過 ， 這種緊密捆綁背后 ， OpenAI也在探索“去中心化”的舉措 。 尤其是隨著近年來模型規(guī)模與推理負(fù)載急劇上升 ， 新的算力供給路徑迫在眉睫 。
去年6月 ， 有媒體披露稱OpenAI開始通過Google Cloud租用TPU ， 為包括ChatGPT在內(nèi)的產(chǎn)品提供部分推理算力 ， 希望借此降低推理成本 。 這是OpenAI首次計(jì)劃批量使用非英偉達(dá)芯片 。
OpenAI發(fā)言人隨后稱“公司目前僅處于對(duì)部分谷歌TPU的早期測(cè)試階段 ， 尚無計(jì)劃進(jìn)行大規(guī)模部署 。 ”
但這份相對(duì)克制的回應(yīng) ， 仍難以掩蓋OpenAI尋求供應(yīng)鏈平衡的意圖 。 Forrester高級(jí)分析師Charlie Dai此前指出 ， OpenAI開始測(cè)試TPU ， 反映出“隨著推理成本不斷上升 ， AI提供商正嘗試在英偉達(dá)GPU之外 ， 尋找更具成本控制能力的專用方案” 。
而在幾個(gè)月后 ， OpenAI在10月宣布與AMD簽署協(xié)議 ， 將在未來幾年部署最高6吉瓦的AMD GPU資源 ， 計(jì)劃從今年下半年開始落地 ， 進(jìn)一步做實(shí)了上述觀點(diǎn) 。
時(shí)間來到2026年初 ， 近期 ， Cerebras也被納入OpenAI的算力“雞蛋籃” 。 外媒報(bào)道稱 ， 雙方簽署了一項(xiàng)多年期協(xié)議 ， 總額超過100億美元 ， 對(duì)應(yīng)最高750兆瓦算力 ， 并將分階段交付至2028年 。
OpenAI在公告中由高管Sachin Katti發(fā)言 ， 稱其算力策略是構(gòu)建一個(gè)“Resilient Portfolio”（有韌性、抗風(fēng)險(xiǎn)的算力組合） ， 按不同負(fù)載匹配不同系統(tǒng)；在這一組合中 ， Cerebras以“低時(shí)延推理”能力發(fā)揮補(bǔ)位作用 。
值得關(guān)注的是 ， 在技術(shù)路線上 ， Cerebras走的是另一條路：把整片硅晶圓直接做成一顆“晶圓級(jí)芯片”（WSE-3） 。
Cerebras一顆芯片面積約4.6萬平方毫米 ， 是英偉達(dá)主流數(shù)據(jù)中心GPU（約800平方毫米）的數(shù)十倍 ， 集成約4萬億晶體管和90萬個(gè)核心 ， 并將計(jì)算與存儲(chǔ)高度集中在同一器件內(nèi) ， 從而減少GPU集群中常見的跨卡通信瓶頸 。
而在資本層面 ， 這樁合作背后有一個(gè)無法忽視的背景：OpenAI首席執(zhí)行官奧特曼 ， 此前以個(gè)人身份投資過Cerebras 。
另一邊 ， OpenAI的布局并未止步于引入外部算力替代方案 。 去年以來 ， 多家外媒披露OpenAI已在內(nèi)部組建芯片團(tuán)隊(duì) ， 并與博通展開合作 ， 推進(jìn)自研AI加速器芯片 ， 研發(fā)重點(diǎn)是圍繞自身模型體系 ， 優(yōu)化推理負(fù)載與系統(tǒng)級(jí)效率 。
奧特曼曾在和博通的合作公告中表示：“通過開發(fā)我們自己的加速器（芯片） ， 可以將我們?cè)谧钋把啬Ｐ秃彤a(chǎn)品設(shè)計(jì)中學(xué)到的經(jīng)驗(yàn)直接嵌入硬件 ， 從而釋放更強(qiáng)大的能力 。 ”
而在谷歌TPU和其他供應(yīng)商之間的搖擺 ， 一定程度上也映射出OpenAI對(duì)于谷歌這位競(jìng)爭(zhēng)對(duì)手態(tài)勢(shì)的警惕 。
蘋果在近期宣布與谷歌達(dá)成多年合作 ， 將用Gemini模型升級(jí)Siri與Apple Intelligence 。 毫無疑問 ， 這一合作將強(qiáng)化谷歌在與OpenAI競(jìng)賽中的位置 ， 鞏固其在移動(dòng)端AI入口的生態(tài)影響力 。
更長(zhǎng)遠(yuǎn)地看 ， 美國(guó)AI算力產(chǎn)業(yè)格局并非單純的陣營(yíng)間的商戰(zhàn) ， 而是一條可跨越的“楚河漢界” 。 在基礎(chǔ)設(shè)施層 ， 英偉達(dá)與谷歌分別構(gòu)筑起兩套穩(wěn)定運(yùn)轉(zhuǎn)的算力基座 ， 成為企業(yè)繞不開的長(zhǎng)期投入方向 。
但這條“界線”并不意味著割裂 。 對(duì)模型公司而言 ， 算力是必須“合縱”的底座 ， 而產(chǎn)品與模型競(jìng)爭(zhēng)才是真正的戰(zhàn)場(chǎng) 。 越是頭部玩家 ， 越需要在底層結(jié)盟、在上層博弈 。
作為模型側(cè)的頭部玩家 ， OpenAI的多路徑布局 ， 正是這一現(xiàn)狀的縮影：既要依托英偉達(dá)的強(qiáng)大生態(tài) ， 但也不能持續(xù)單點(diǎn)依賴 。 同時(shí)開始布局自研算力 ， 為下一輪算力與模型競(jìng)賽預(yù)留空間 。
2026年 ， 美國(guó)AI產(chǎn)業(yè)的“楚河漢界”之間 ， “合縱連橫”的戲碼仍將繼續(xù)上演 。
推薦閱讀
- AI基礎(chǔ)設(shè)施需要更多投入 英偉達(dá)CEO黃仁勛稱還要數(shù)萬億美元
- 真我Neo8發(fā)布，2399元起售，看齊一加享受OPPO售后和商城雙重支持
- 尼康Z50 II和Z50的主要區(qū)別是什么
- 英偉達(dá)護(hù)城河告急？Claude Code 半小時(shí)移植 CUDA 至 AMD
- CUDA要涼？Claude 30分鐘鏟平英偉達(dá)護(hù)城河，AMD要笑醒了
- 預(yù)估售價(jià)高達(dá)2萬元！你會(huì)買嗎？iPhone Fold配置全面預(yù)測(cè)
- 2025年存儲(chǔ)器產(chǎn)業(yè)產(chǎn)值2354億美元，預(yù)估2027年達(dá)8427億美元
- Gleam 1.14.0增強(qiáng)外部類型支持和性能優(yōu)化
- 計(jì)算機(jī)上“中斷”的本質(zhì)是什么？有什么作用和意義？
- 英偉達(dá)，登頂臺(tái)積電