Google AI晶片強勢來襲：TPU 8t與8i正式發布，挑戰Nvidia霸主地位

BitcoinWorld

Google AI 晶片全面釋出：TPU 8t 與 8i 正式登場，挑戰 Nvidia 的市場主導地位

為了搶佔蓬勃發展的人工智慧市場，Google Cloud 於加州舊金山時間 4 月 30 日（週三）正式宣佈推出第八代自研 AI 晶片。該公司採取雙軌並行策略，推出兩款專用晶片：用於 AI 模型訓練的 TPU 8t，以及用於推論工作負載的 TPU 8i。此舉標誌著 Google 迄今為止最積極的一次行動，旨在為企業提供強大且具成本效益的 Nvidia 業界標準 GPU 替代方案，但這家搜尋巨頭同時強調，與 Nvidia 的合作夥伴關係比以往更加穩固。

Google AI 晶片：訓練與推論的雙管齊下策略

Google 決定將第八代張量處理器（TPU）拆分為兩款不同型號，代表其硬體策略的重大演進。歷史上，TPU 同時負責訓練與推論，但對專用 AI 運算的需求急遽增長，推動了這一架構轉變。TPU 8t 專為訓練大型語言模型及其他 AI 系統這一計算密集型流程而設計；而 TPU 8i 則針對推論進行優化，即持續運行已訓練模型以回應用戶提示的過程。

根據 Google 的效能基準測試，新晶片相較前代產品帶來了顯著提升。該公司宣稱 TPU 8t 的 AI 模型訓練速度最高提升了 3 倍，每美元效能提升了 80%。此外，Google 的工程能力現已支援逾百萬顆 TPU 在單一大型叢集中協同運作。這一規模使得訓練以往難以實現的下一代前沿模型成為可能。對雲端客戶而言，最終結果是在降低能耗與成本的同時，獲得大幅提升的運算能力。

超大規模雲端業者的晶片競賽持續升溫

Google 的發佈公告使其穩固地站在各大雲端供應商自研晶片這一更廣泛趨勢之中。亞馬遜雲端服務（AWS）擁有 Graviton 與 Trainium 晶片，Microsoft Azure 則正在開發 Maia 加速器。這股常被稱為「超大規模雲端業者晶片競賽」的浪潮，源於對供應鏈更強掌控、特定軟體堆疊的效能優化以及改善成本利潤的渴望。然而，分析師警告稱，這並非一場針對 Nvidia 的零和遊戲。

「『超大規模雲端業者對抗 Nvidia』的說法往往言過其實，」知名晶片市場分析師 Patrick Moore 表示。「這些公司是在構建補充產能，並針對自身生態系統進行優化。他們並不打算完全取代 Nvidia，尤其是在短期內。」Moore 曾於 2016 年預言 Google 的首款 TPU 可能威脅 Nvidia 和 Intel，但這一預測被證明過於超前，因為 Nvidia 的市值此後已飆升至近 5 兆美元。當前的現實更具共生性。例如，Google 已確認將於今年稍晚在其雲端平台上提供 Nvidia 即將推出的 Vera Rubin 晶片。

合作共贏，而非對立競爭的未來

事實上，Google 強調其與 Nvidia 持續深化的合作關係。兩大科技巨頭正聯手開發電腦網路解決方案，以使基於 Nvidia 的系統在 Google Cloud 基礎架構上運行得更加高效。一個關鍵項目涉及強化 Falcon——一項 Google 於 2023 年創建並開源的基於軟體的網路技術。這一合作凸顯了一個關鍵的產業洞見：AI 雲端服務的增長擴大了所有高效能晶片的整體可定址市場，無論其品牌歸屬 Nvidia 還是某家雲端供應商。

財務邏輯顯而易見。隨著企業日益將 AI 工作負載遷移至雲端，對運算資源的需求急遽增長。雲端供應商可將特定的優化工作負載引導至自研晶片，同時為其他工作負載提供 Nvidia GPU 的廣泛兼容性。這種混合模式使他們能在部分工作負載上提升盈利能力，同時保留客戶的完整選擇權。對 Nvidia 而言，每一個託管於 Google Cloud 的新 AI 應用，都代表著其網路設備、軟體授權以及在許多情況下其 GPU 的潛在客戶。

效能與市場影響分析

Google 新款 TPU 的技術規格顯示，其與最頂尖 GPU 之間的效能差距正在縮小。對每美元效能與能源效率的重視，正是針對企業規模化 AI 的兩大核心痛點：成本飆升與環境影響。Google 連接逾百萬顆 TPU 的能力，也直接挑戰了 Nvidia 的一項關鍵優勢——其業界領先的 NVLink 技術，即用於連接大量 GPU 的互連方案。

Google 新款 TPU 的主要優勢：

• 專業化：訓練（TPU 8t）與推論（TPU 8i）的專用晶片針對特定任務進行優化。
• 成本效益：每美元效能提升了 80%，可大幅降低 AI 項目的入門門檻。
• 規模：百萬晶片叢集支援前所未有的大型 AI 模型訓練。
• 整合性：與 Google AI 框架（如 TensorFlow 和 JAX）深度軟體整合。

儘管如此，Nvidia 的生態系統，尤其是其 CUDA 軟體平台，依然構成強大的護城河。數百萬 AI 開發者在 CUDA 上接受訓練，無數應用程式基於其構建。儘管 Google 的晶片可運行主流框架，但潛在的應用程式移植需求仍會造成摩擦。長期競爭或許不在於原始的電晶體速度，而在於哪個平台能為開發者和企業提供最具吸引力的整體解決方案。

結論

Google 推出 TPU 8t 與 TPU 8i，標誌著 AI 基礎架構演進的關鍵時刻。這一舉措充分展現了該公司在高風險 AI 硬體領域參與競爭的堅定承諾，為企業提供強大的全新 Google AI 晶片以應對專業化任務。然而，此次發佈同時也強化了現代半導體產業複雜而合作共生的本質。Google 並未採取全面進攻的姿態，而是執行一套精密的雙軌策略：在推進自研晶片的同時，深化與 Nvidia 的合作夥伴關係。這一策略確保 Google Cloud 能夠滿足最廣泛的 AI 工作負載需求，從針對自研 TPU 優化的工作負載，到需要 Nvidia GPU 通用標準的工作負載，均可兼顧。最終的受益者很可能是廣大企業，他們將從加劇的競爭、更多的選擇以及效能與成本的持續創新中獲益。

常見問題

Q1：Google 的 TPU 8t 與 TPU 8i 晶片有何區別？
TPU 8t 專為 AI 模型訓練而設計——即使用海量數據集教導模型的過程。TPU 8i 則針對推論進行優化，即使用已訓練模型進行即時預測或生成回應的過程。

Q2：Google Cloud 是否會停止提供 Nvidia GPU？
不會。Google 已明確表示並非要取代 Nvidia。該公司確認將於今年稍晚在其雲端平台上提供 Nvidia 下一代 Vera Rubin GPU，並正積極與 Nvidia 在網路技術方面展開合作。

Q3：Google 新款 AI 晶片與前代 TPU 相比如何？
Google 宣稱新一代第八代 TPU 的訓練速度最高提升了 3 倍，每美元效能相較前代提升了 80%。這些晶片還支援逾百萬顆晶片的叢集，從而支援更大規模的模型訓練。

Q4：為何 Google 等雲端供應商要自行開發 AI 晶片？
雲端供應商開發自研晶片，是為了針對自身特定軟體與服務優化效能、加強對供應鏈的掌控、提升成本效益，並在競爭激烈的市場中差異化其產品服務。

Q5：這對 Nvidia 的未來意味著什麼？
儘管超大規模雲端業者的自研晶片代表著競爭，但 AI 市場的整體增長正在擴大對所有高效能運算資源的需求。Nvidia 強大的軟體生態系統（CUDA）與持續創新，意味著其很可能繼續保持主導地位，即便其正與構建替代晶片的公司展開合作。

This post Google AI Chips Unleashed: TPU 8t and 8i Launch to Challenge Nvidia's Dominance first appeared on BitcoinWorld.