资讯流  宏观  直播  策略  日历  |  原油  黄金  美指  外汇  股指  商品  |  教育  知否  |  经纪商  全能投资账户  期货开户

美国股市

谷歌研发全新人工智能芯片，挑战英伟达行业龙头地位

　　

 

编辑：张立东  发布时间：2026.4.21 15:36

短短数月间，谷歌(Alphabet)的人工智能芯片(AI Chip)已跻身科技行业最抢手的产品之列，各大人工智能研发企业，甚至包括谷歌的主要竞争对手，都在大量采购该类芯片。

如今，谷歌计划乘势发力，或将推出专为推理任务打造的全新芯片，用于运行完成训练的人工智能模型。借助这一布局，谷歌准备进一步撼动高增长半导体赛道的行业格局，挑战市场龙头英伟达(Nvidia)，而人工智能软件的普及正在持续推动该赛道快速扩张。

随着人工智能实时查询处理需求不断攀升，“如今，针对模型训练或推理负载进行芯片专业化定制，已经具备充分合理性”，谷歌首席科学家杰夫·迪恩在采访中表示。他补充称，公司正在研究多项差异化技术方案，其中就包括提升人工智能模型的响应速度。谷歌计划于本周在拉斯维加斯举办的谷歌云全球大会上，发布新一代自研定制芯片，即张量处理器。负责谷歌人工智能基础设施与芯片研发工作的阿明·瓦赫达特，并未就加速人工智能运算的推理芯片计划作出评论，但他表示，企业或将在不久的将来公布更多相关信息。

英伟达的图形处理器仍是人工智能领域的标杆产品，尤其适用于高端复杂模型的训练工作。但越来越多初创企业开始角逐推理芯片赛道，研发专用芯片，缩短聊天机器人与智能代理的响应延迟。上个月，英伟达依托一项价值200亿美元的格罗克技术授权协议，推出首款面向高速推理任务的专用芯片。

谷歌在这场行业竞争中拥有独特优势：长达十年的芯片设计经验、依托在线搜索业务积累的雄厚资金储备，以及对人工智能模型技术的深度自研认知。在头部人工智能研发企业中，仅有谷歌实现了大规模自研芯片量产，能够打通跨部门核心数据协同，完成硬件定制优化。而OpenAI目前才刚刚启动自研芯片设计工作。

英伟达首席执行官黄仁勋近期在播客采访中，强调了自家芯片的优势，称其可运行大量张量处理器无法适配的应用程序。谷歌自身则同时搭配使用张量处理器与图形处理器开展研发工作。谷歌深度思维首席执行官德米斯·哈萨比斯向彭博社表示：“很多企业都希望能够同时使用两类芯片。”他补充道，各大顶尖人工智能实验室对谷歌张量处理器的需求尤为旺盛。

谷歌此前已对外展示过旗下芯片的推理性能。谷歌副总裁兼首席工程师帕尔塔·兰加纳坦表示，公司最初就考虑过拆分训练芯片与推理芯片两条产品线，但至今并未落地这一策略。不过随着人工智能行业支出重心从模型训练逐步转向推理部署，这一现状或将很快迎来改变。

“行业竞争主战场正在向推理领域转移”，高德纳咨询公司(Gartner)分析师希拉格·德凯特指出。他结合实测数据表示，谷歌Gemini模型在复杂推理任务中的响应速度位居行业前列，“在这一赛道，谷歌拥有基础设施层面的先天优势。”

Gimlet实验室联合创始人娜塔莉·塞里诺表示，这家初创企业主打智能算力调度软件，可为不同人工智能任务匹配最优芯片。她认为，当前一代张量处理器，足以高效支撑新一代多功能智能代理的运算需求。“面对持续增长的算力负载，这类芯片具备极高实用价值。”

▌蛰伏十年，一朝崛起

谷歌的芯片研发布局已持续多年，直至去年10月才迎来行业广泛关注。知名人工智能企业Anthropic宣布扩大合作，可最高采购100万颗谷歌张量处理器。次月，谷歌正式发布搭载张量处理器完成训练与运行的新一代Gemini3模型，收获业界广泛好评。

自此之后，各大科技巨头对谷歌芯片的需求持续激增。元平台(Meta)与谷歌签订多年巨额合作协议，依托谷歌云服务使用张量处理器。元宇宙基础设施负责人桑托什·贾纳德汉表示，企业近期已批量拿到首批芯片，正在测试其适配场景。“测试显示，该芯片在推理任务中具备明显优势，但任何全新平台都难免存在落地障碍，需要经历磨合适应期。”

Anthropic还与谷歌张量处理器合作厂商博通(Broadcom)达成协议，自2027年起，借助合作芯片解锁约35亿瓦的超强算力。该公司计划在谷歌云大会上，展示张量处理器如何助力企业实现模型训练提速，性能全面超越传统图形处理器。阿联酋(UAE)阿布扎比科技集团G42旗下云业务子公司Core42临时首席执行官塔拉勒·阿尔·凯西表示，企业已与谷歌就张量处理器合作展开多轮沟通。“我对双方合作前景十分乐观。”

据知情人士透露，谷歌正主动适配客户需求，试点允许Anthropic等合作企业，在自有数据中心部署谷歌张量处理器，而非局限于谷歌自有机房。阿明·瓦赫达特表示，谷歌还开放了张量处理器第三方适配权限，支持PyTorch等主流编程工具，不再局限于自家生态产品。

一系列调整，正在彻底扭转外界对谷歌芯片的固有认知。这款诞生于谷歌算力瓶颈时期的自研硬件，长期以来被视作仅供企业自用的配套产品。

谷歌首席科学家杰夫·迪恩早年为搭建早期人工智能翻译与语音识别系统，率先启动芯片自研。彼时他意识到，即便以谷歌的技术与资金实力，依托市面通用芯片，也无法低成本承载大规模智能服务。与此同时，谷歌传统中央处理器的性能迭代速度，已无法跟上人工智能的发展节奏。

为此，谷歌决定研发专用算力加速器，聚焦人工智能高成本核心运算场景。张量处理器的核心设计理念在于：专攻少量高算力消耗型任务，实现极致算力优化。曾任计算机教授的阿明·瓦赫达特，主导推动谷歌部署光学互联技术，打通张量处理器与超级计算机的高速连接。他回忆称：“在那个年代，行业普遍不看好专用硬件研发路线。”

多年来，谷歌张量处理器随着人工智能技术迭代持续升级。2017年谷歌发布的一篇奠基性研究论文，奠定了当前大语言模型的技术基础，也推动张量处理器团队聚焦超大模型训练芯片研发。后续，谷歌深度思维与芯片团队发现，芯片在强化学习场景中频繁闲置，团队随即重构芯片组网架构，优化数据传输效率，杜绝算力空转。

时至今日，谷歌仍在持续优化硬件方案，权衡单集群芯片组网规模、算力精度取舍等核心问题。德米斯·哈萨比斯表示：“硬件设计的诸多调整，均依托模型实测数据迭代优化。”他提出，未来希望张量处理器团队研发边缘计算加速器，缩短终端延迟，贴近用户本地部署需求。

谷歌还自研专属检测系统，快速识别芯片制造缺陷。人工智能加速芯片承载海量浮点运算，细微硬件瑕疵都会持续扩散，最终导致模型完全崩溃。谷歌双子座基础设施联合负责人、首席科学家保罗·巴勒姆表示，两年前企业曾遭遇此类顽固故障，耗费数周才完成修复，这类问题堪称“致命性系统漏洞”。

“如今，我们必须在十秒内，完成数十万颗加速芯片的故障排查”，保罗·巴勒姆说道。

▌行业预判难题

即便深耕人工智能多年，谷歌也面临与所有芯片厂商相同的行业困境：一款芯片从立项到量产，研发周期长达三年，但人工智能模型技术迭代速度远超硬件。这也导致企业难以精准预判数年之后的客户需求。

“如果有人能精准预判Gemini10的形态，我只能说难以置信”，帕尔塔·兰加纳坦坦言。

保罗·巴勒姆则担忧，人工智能模型研发团队与硬件设计团队的深度绑定，容易固化技术思路，错失创新方向。“软硬件深度适配会形成固定循环，局限于现有技术框架，难以突破创新。”

为平衡通用性与专业性，张量处理器团队采用折中方案：打造多场景兼容芯片，无需为单一场景极致定制。阿明·瓦赫达特补充，企业也会同步规划两套差异化硬件方案，未必全部量产，但会根据实际落地需求随时投产。“单一封闭自研芯片体系看似完美，实则弊端显著，最终会形成技术孤岛，限制技术生态与应用多样性，长期得不偿失。”

随着谷歌张量处理器市场热度攀升，企业同样面临与英伟达一致的供应链短缺问题。一家匿名初创企业高管透露，受芯片产能限制，公司张量处理器采购量严重受限，谷歌将绝大部分产能优先供给了Anthropic。

德米斯·哈萨比斯回应称：“现阶段，我们优先保障头部人工智能企业的芯片供应，这类客户能够最大化发挥张量处理器的性能价值。”未来，谷歌还需合理分配芯片产能，平衡内部自研人工智能业务与外部付费客户的需求。美国股市 >>

主题：人工智能芯片行业观察  | 新闻源：Bloomberg

---END---

投资道指/标普/纳指/德指DAX/恒指/A50期货，专业投资者选择香港环球期货通道