1. 首頁 > 生活百科 > >

OpenAI甩開英偉達，谷歌TPU“橫刀奪愛”

三星臺積電it芯片

OpenAI甩開英偉達，谷歌TPU“橫刀奪愛”

文章圖片

OpenAI甩開英偉達，谷歌TPU“橫刀奪愛”

文章圖片

OpenAI甩開英偉達，谷歌TPU“橫刀奪愛”

文章圖片


本月初 ， 英偉達超越微軟重奪全球市值第一的寶座 ， 算是從DeepSeek帶來的沖擊中緩過了勁 。 但按下葫蘆浮起瓢 ， 作為AI行業的“帶頭大哥” ， OpenAI最近站出來給英偉達添堵了 。 根據海外媒體The Information的相關報道顯示 ， OpenAI準備將谷歌的TPU芯片納入采購清單 ， 以為ChatGPT及其他AI產品提供算力支持 。

【OpenAI甩開英偉達，谷歌TPU“橫刀奪愛”】

在此之前 ， OpenAI的大模型預訓練和推理都依賴英偉達GPU ， 也使得其成為了后者最大的算力芯片采購方 。 此次轉向谷歌的TPU芯片 ， 就意味著OpenAI方面正在嘗試擺脫對英偉達的依賴 ， 從而實現算力芯片供應的多元化 。 同時繼蘋果之后 ， 谷歌的TPU又一次贏得AI大廠的訂單 ， 也讓它徹底擺脫了“自家玩具”的定位 。
OpenAI選擇用谷歌TPU取代部分英偉達GPU的原因其實很簡單 ， 因為后者的價格太高、太搶手了 。 據悉 ， 英偉達的旗艦芯片B200擁有高達2080億的晶體管數量和192GB的HBM3E內存容量 ， 提供8TB/s的內存帶寬 ， 采用的是Blackwell架構 ， AI性能在FP8及新的FP6上都可以達到20PFLOPS ， 是前代Hopper構架H100運算性能8PFLOPS的2.5倍 。



可是配備8顆B200的英偉達DGX B200 AI服務器 ， 售價就高達50萬美元 ， 并且根據摩根士丹利的相關報告顯示 ， 英偉達Blackwell GPU未來12個月的產能已經被預定一空 。
作為對比 ， 谷歌的TPU芯片價格則更加低廉 。 以蘋果打造Apple Foundation Model模型時采購的谷歌TPUv5p為例 ， 盡管雙方并未披露這筆訂單的具體信息 ， 但業界普遍認為TPUv5p的單價或在數千美元級別 。
其實OpenAI與谷歌AI模型的API定價 ， 也可以從側面證明TPUv5p的低成本特質 。 OpenAI旗艦模型GPT-o3提供的輸入價格是10美元/百萬tokens、輸出價格是40美元/百萬tokens ， 而谷歌旗艦模型Gemini 2.5 Pro的輸入價格和輸出價格分別是1美元/百萬tokens和4美元/百萬tokens 。



超高的性價比使得Gemini 2.5 Pro在問世之后很快就受到AI業界的青睞 ， 毫無疑問TPU芯片居功至偉 。 在AI領域 ， TPU（專用向量處理器）憑借高度特化實現了比GPU（圖形處理器）更便宜 ， 同時它也是谷歌專為加速機器學習中的張量（矩陣）運算所設計的定制硬件 ， 其采用脈動陣列（Systolic Array） 設計 ， 通過流水線式數據流高效處理矩陣乘法 ， 減少了數據移動和內存訪問延遲 。
事實上 ， TPU是一個專門針對自然語言處理、圖像識別等典型AI任務進行優化的芯片 ， 與通用的GPU截然相反 。 英偉達的GPU最初是為圖形渲染服務 ， 而實現高性能圖形渲染的一個重要方法就是并行計算 。 比如在渲染1920×1080分辨率的畫面時 ， GPU會將400萬個像素分配給4000個核心同步處理 ， 每個核心只需要完成“這個像素該顯示什么顏色”的簡單指令即可 。



這也是為什么CPU通常只有十幾個核心 ， 可GPU的核心規模就會達到成千上萬的原因 。 到了AI時代 ， 由于AI場景往往需要處理大規模數據和復雜的計算任務 ， 通常會呈現出高度并行化的狀態 ， 所以天然更契合采用并行計算的GPU 。 再搭配英偉達耕耘十余年的并行計算框架CUDA ， 直接就讓他們的GPU絲滑切入了AI計算領域 。
簡而言之 ， 類似“瑞士軍刀”的GPU可謂是功能強大 ， 既能用于渲染圖形 ， 又可以用來進行AI訓練和推理 ， 而TPU的用途則非常單一 ， 只能用于AI計算 。
對于OpenAI而言 ， 圖形渲染能力對他們顯然毫無意義 ， 并行計算能力才是所需的資源 。 從某種意義上來說 ， 過去數年時間里 ， OpenAI采購英偉達GPU時其實一直是在“買櫝還珠” 。



那么問題就來了 ， 早在2018年 ， 谷歌的TPU芯片就開啟了外銷商用的步伐 ， 為什么OpenAI直到2025年才將其納入采購清單呢？其實這就要歸功于DeepSeek了 。 其通過稀疏化訓練、動態網絡架構、混合專家系統（MoE）等工程層面的創新 ， 讓大模型實現了低廉的訓練和部署成本 。
不僅如此 ， 作為開源模型 ， DeepSeek的成功還讓相當一批AI廠商放棄大模型賽道 ， 并轉向智能體、AI應用 。 以至于進入2025年以來 ， 曾被各大AI廠商掛在嘴邊的“預訓練”正逐漸被“推理”取代 ， 推理需求的增長曲線更是變得異常陡峭 。



簡而言之 ， 如今業界對于推理算力的需求其實要比訓練算力更大 ， 除了大廠之外 ， AI創業者也已經放棄打造更強AI模型的想法 ， 轉而開始利用現有AI模型的能力來提供AI視頻、AI生圖、AI代碼等服務 。 恰好谷歌的TPUv5p在推理任務中支持混合精度 ， 可以很好地平衡精度與速度 ， 更適用于提供推理算力 。
所以雖然在CUDA生態的加持下 ， 英偉達GPU在AI訓練上無人能敵 ， 可偏偏DeepSeek戳破了訓練算力需求這個泡沫 ， 就給了OpenAI實現算力供應多元化的機會 。 其實這對于國內AI廠商來說也是一個好消息 ， 畢竟英偉達在CUDA生態上的積累不是一朝一夕就能彎道超車的 ， 但用TPU代替GPU現階段更有可行性 。

    推薦閱讀