先说一个很猛的判断：根据瑞穗证券最新发布的调研报告，谷歌自研TPU芯片正以远超预期的速度冲击整个AI芯片市场。预计到2028年，其出货量将突破3500万颗——而2025年仅为240万颗，增长幅度超过14倍。更关键的是，谷歌TPU的推理成本比英伟达GPU低30%以上，这才是真正撼动英伟达垄断地位的核心因素。 从具体数据来看，瑞穗预测2026年谷歌TPU出货量约为430万颗，2026至2028年累计出货量将接近5000万颗。这样的增速，在整个半导体行业中都极为罕见。 高盛的研究数据也印证了这一点：谷歌TPU的能效比是英伟达H100的2到3倍。更值得关注的是，从TPU v6升级到v7，单位token推理成本直接下降了70%，已基本与英伟达GB200 NVL72持平。这意味着，在推理成本这条赛道上，谷歌已经从追赶者变成了势均力敌的竞争者。 那么，谷歌TPU究竟凭什么做到这些？答案在于它不追求堆叠单卡峰值性能的传统路径。TPU是为大规模在线推理量身定制的——通过XLA编译器、环面拓扑网络以及软硬件一体化的协同设计，实现了从训练到推理全链条的能效最优化。这就像专门为长途高速设计的赛车，而不是追求百公里加速的跑车。 供应链一侧也极具看点。博通依然是TPU核心设计合作伙伴，凭借定制芯片、以太网方案和高速SerDes整合能力，构筑了相当深厚的护城河。到了第八代TPU，谷歌采用双轨策略——让联发科也加入供应体系，负责推理芯片TPU 8i、IO Die以及后端整合。两家供应商分摊设计与制造，既提升了产能弹性，也降低了单一依赖风险。 必须警惕的是，自研TPU持续向HBM4、HBM4e等高阶内存迭代，内存消耗量不降反增。这反而为三星、SK海力士、美光带来了新增订单。整个生态正被牵动。