我这两天仔细研究了一下Google的TPU，简单写一下我的初步结论： 1. Google TPU在特定的场景下，例如超大规模模型训练(万卡)和推理上，能效比超过了同等算力的英伟达GPU，能效比应该至少提升30%，也有说更高的。为啥TPU强？除了TPU是更有针对性的ASIC之外，TPU为大规模并行计算做了硬件的优化(光互联)和软件的优化(JAX/XLA)，从理论上就优于更加考虑通用性和兼容性

#Google TPU #英伟达GPU #AI芯片自研 #JAX/XLA #AI生态

相关新闻

RamenPanda

6小时前

大白话讲解谷歌TPU VS GPU #### 1. TPU 诞生的真正原因（2013-2015） - Google 谷歌发现：如果每个安卓用户每天用语音搜索 3 分钟，现有 CPU/GPU 算力要让全球数据中心翻倍。 - 结论：必须自研 ASIC 专门跑矩阵运算（神经网络推理），否则 AI 成功会把自己“撑死”。 - 从立项到量产仅 15 个月，2015 年就已经在 Google 搜索、地图、照

凡人小北

21小时前

本来大家都以为 AI 的剧本已经写死了：模型看 OpenAI，芯片看英伟达。结果 Gemini 3 一出，剧情突然就反转了。 Google 除了大秀模型，还把真正的杀招摊开摆在桌上，TPU 不止在云里跑，现在要进 Meta 的机房。市场瞬间整明白了：Google 想建立的一条完整的谷歌链开始成型了。听懂的也包括Nvidia，谷歌刚给 Anthropic 扔了 100 万片 TPU

沉浸式翻译

5天前

为什么 H100 显卡这么贵？Google 的 TPU 到底强在哪里？OpenAI 的训练成本到底是多少？如果你很关注 AI 基础设施（Infra），SemiAnalysis 是目前全球最硬核、最敢说的半导体与 AI 产业分析简报。订阅它能为你解决什么问题？祛魅：作者 Dylan Patel 以深度挖掘供应链数据著称，他能告诉你大模型背后真实的“算力账单”，打破大厂的营销滤镜。底层

北火

5天前

Nvidia 不是 AI 的领导者，它是一个供应商。就像 Home Depot 之于家装行业一样，它的业绩高度依赖下游生态的繁荣程度。而下游生态要健康繁荣，最终还是要靠终端消费者的真实需求来支撑，不能靠加杠杆的贷款，更不能主要依赖来自上游的投资。从这个角度看，Nvidia 最新财报里那句“毛利率超过 70%”其实很耐人寻味。这个数字的大小，更多反映的是当前需求的急迫程度，而未必能证明整个 AI

Balder 猫哥

6天前

事实证明，Google的TPU和NVDA的GPU，未来可能是竞争关系。最新的Gemini 3.0的训练和推理，都是完全基于Google自创的TPU+Tensorflow 考虑到NVDA的GPU超高溢价（75%的利润率），Google的AI训练推理以及提供计算资源的芯片成本，可能是其他竞争对手25%-50%左右。