谷歌做出了一个AMD？为什么TPU是谷歌AI战略最大的杀器！？

6 小时
播放量 1.1k
谷歌，这是一家产品线分布相当广泛的公司。从最初的互联网产品，搜索、YouTube、邮箱、地图这些产品，再到现在的大模型、芯片、数据中心、互联等等。可以说，谷歌就是美股所有科技公司里，产品线最多最长的公司了。而在这么多的产品力，要说有哪一个产品特别不一样的，那我想，必然要看它的芯片TPU。
开通服务即可查看评论～
文字稿
谷歌，这是一家产品线分布相当广泛的公司。从最初的互联网产品，搜索、YouTube、邮箱、地图这些产品，再到现在的大模型、芯片、数据中心、互联等等。可以说，谷歌就是美股所有科技公司里，产品线最多最长的公司了。而在这么多的产品力，要说有哪一个产品特别不一样的，那我想，必然要看它的芯片TPU。
TPU是AI数据中心最重要的基础。有了自己的TPU，就可以降低对英伟达的依赖，同时建立AI的竞争优势。近几个月，谷歌TPU甚至还开始对外销售，而且这个量还不小，俨然要做出一个小英伟达的架势。显然，TPU已经是谷歌AI战略中极为重要的一部分。那既然如此，咱们就来做一个专题研究。我来给大家好好聊聊谷歌TPU，看看它的优势在哪，对于谷歌未来的走势，又意味着什么？
﻿
TPU的优劣势咱们不妨先对TPU做一个简单的科普。
在规划一颗计算芯片的时候，最常考虑的，是在固定的晶圆面积（比如12寸晶圆）上能够放下多少不同类型的单元。包括控制单元、存储单元、和计算单元。它们分别代表这颗芯片有多少的任务规划能力、数据存放能力和数据计算能力。
而从CPU到GPU再到TPU，背后的推动力就是算力的使用场景越来越细分、越来越定制化。CPU是"头脑发达"型，什么问题都能应付，但要是只让它算加减乘除，那就是杀鸡用牛刀，因为它留给计算单元的空间是最少的。TPU是另一个极端，是一个专业的"计算小能手"，它的计算单元多，片上存储面积大，所以数据跑的距离短，运算响应快。因此特别适合重复干同样的活。但代价是，它严重依赖编译器来安排任务，而且只擅长干一类活。GPU呢，就介于这两者之间。
简单说，如果要处理的任务不确定性很高，那还是得用CPU；如果计算量很大、处理方式又高度确定，那直接用TPU最划算，它的价值主要体现在成本上；而如果计算量很大、但数据可能要用好几种不同的方式来处理，那GPU就是最佳选择。
﻿
那怎么地，谷歌的TPU突然火起来了呢？这是因为，进入26年以来，AI推理的需求在飙升。对于用户来说，他们关心的是怎么用最少的token，来产生最大的经济价值；而对于卖token的云厂商来说，关心的则是怎么用最小的芯片成本，生产出更多的token。而这就时候，成本优势就愈发得到市场的重视。而前面说过，成本就是TPU最大的优势，再加上谷歌本身有着十多年的开发经验，量产时间最长，性能也最早获得外界认可。所以，TPU的价值就得到体现了。
那谷歌当初为什么会去研发TPU呢？故事得回到2013年。那时候互联网的算力需求爆发，算力的使用场景也越来越细分。传统的通用算力芯片，已经很难满足一些特定场景的需求了。
当时谷歌内部有很多线上推荐系统，对算力的需求相当高。但它们的推理用的全都是CPU。而CPU的问题前面我也说了，它做的是并行计算，能耗高、速度慢。且那时候也没法用GPU，因为当年的GPU还没有加入矩阵计算单元。于是谷歌就想，为什么我们不自己开发一款只做矩阵计算的芯片呢？就这样，公司自建研发团队，到2015年，谷歌第一款高计算吞吐量的TPU就诞生了。此后每两年左右迭代一次，最近几年加快到了每年一代，到26年，已经是第八代TPU了。
﻿
这里有一个很重要的设计思路。TPU从设计之初就是为数据中心而生的，它要干的活，是让几千张卡协同起来去完成一个任务。所以它把芯片里的控制单元压缩得极小，计算任务的安排完全交给一套叫XLA的软件来做，目的就是确保所有的计算单元尽可能处于满负荷工作状态。也因此，它的全寿命成本TCO（total cost of ownership），就能做到最低。
这还带来一个很有意思的结果。如果客户对TPU的软硬件特性了解得很深，不怕折腾再去搞搞软件的话，那它能直接从谷歌那里买芯片，去最大化利用TPU的性价比优势；但如果没有能力自己搞软件的话，那客户也可以直接租用谷歌云来获得算力。相对来说，卖云服务的附加值，要比单纯卖芯片高得多得多。当然这两种服务现在谷歌都有在做。
不过， TPU这种专用性的设计，也决定了它的缺点。TPU之所以又快又便宜，是因为它把芯片上宝贵的面积，几乎全都留给了计算单元。任务排版则全部交给XLA这套软件提前安排好。这就意味着，一旦AI模型在迭代过程中出现了架构或者算法上的巨大变化，TPU就需要重新做排版，等到在硬件或者软件层面，面向新一代算法做完特定优化。
而GPU就没有这个问题，由于它的通用性和灵活性，任何新的架构和算法出现后，都可以立即开始工作。
这就像一条专门为某款车型打造的自动化生产线。只要车型不变，它的效率和成本，通用车间根本没法比。可一旦车型换代，这条生产线就得停下来大改。反倒是隔壁那个什么都能干的通用车间，虽然平时效率低一点，但由于它够灵活，所以即便来了新车型，也能很快就上产线了。
不过，谷歌也在针对TPU这些缺点做出调整。它新一代的TPU V8，直接推出了训练用的8T和推理用的8i两个方向的产品，分别针对训练和推理端的需求。训练端更强调峰值算力和大数据量吞吐，推理端则更重视片上高速缓存和低延迟。同时，新一代芯片的集群互联带宽也更大了，模型可以调用一个统一的超大规模内存池来计算，从而降低总成本。这确实一定程度上缓解了不够灵活的问题，但和GPU比终究还是差不少。
﻿
到这里咱们简单总结一下。TPU在计算性能上的优势，主要来自芯片设计上对特定场景的强化，它特别适合大规模的、高通量数据的并行处理。这恰恰就是目前AI推理所对应的场景，也是TPU现在受热捧的主要原因。
随着TPU的不断成熟，越来越多的外部客户对此感兴趣。现在，TPU的最大买家就是Anthropic。去年10月，Anthropic宣布采购100万颗谷歌TPU，大约相当于1吉瓦的算力，26年开始交付。26年4月，Anthropic再次与谷歌、博通签署TPU算力采购协议，传闻是3.5到5吉瓦，27年开始交付。
除了Anthropic以外，谷歌还和Meta、OpenAI有一定的合作。不过现在只有Anthropic是唯一被确认的客户。
﻿
TPU的市场份额和业绩贡献那TPU未来到底能带给谷歌多大的业绩贡献和市场份额呢？恰好，最近有两家机构，大摩和Wolfe Research，都专门讨论谷歌TPU的最新变化，咱们不妨看一看。
先看大摩8月24日的这份报告。从我们多年跟踪的经验来看，大摩对芯片公司的分析里往往会有一些行业内幕，尤其是他们还有专门的亚洲团队去跟踪供应链的走势，所以他们的观点还是很值得参考的。
大摩的观点是，根据最新的订单新闻，谷歌TPU对外销售的单价，将从此前的每吉瓦200亿上调到每吉瓦 270亿。这个价格，仅仅比英伟达的Vera Rubin低了18%。同时，TPU的毛利率假设也从20%提到了30%。
收入上，大摩预计，27年谷歌光靠卖TPU就能卖出840亿，28年更是到1080亿。这是什么概念？市场预计AMD在28年数据中心的收入就是1040亿，相当于凭空做出了一个AMD。
而要是考虑到谷歌云的附加值上，就更夸张了。大摩对于27年28年谷歌云的收入预期，分别给到2360亿和3430亿。要知道，现在谷歌广告的一年总收入就是3400亿。也就是说，两三年后，谷歌云和广告的收入就能做到五五开了。当然了，利润率上，云和TPU肯定比不上搜索，但这个收入也是相当夸张的。
﻿
﻿
Wolfe在8月27日的报告更乐观一点。它们表示，随着第三方基于谷歌TPU计算平台的投资增加，26到28年，谷歌TPU的销售收入分别达到230亿、1058亿和1746亿美元。比大摩的估计高出70%。
﻿
他们说的这个"第三方投资"，指的是谷歌和博通、Apollo、Blackstone等一起做的算力扩张计划。Apollo、Blackstone这些基金给钱和基建，谷歌和博通提供硬件、服务和软件。这样做，谷歌就可以把部分基础设施的投入给外部资本来承担。对于谷歌来说，不仅算力卖出去回款更快，对于缓解谷歌当前的现金流压力，是有帮助的。
﻿
而考虑到这些新投资形式带来的TPU收入增加，Wolfe给谷歌云的收入预期，在明后两年在2338亿和3277亿美元。
按照这两家机构的数据来看，27年和28年谷歌云的收入，都比市场平均值高出30%左右。相信这俩机构的预期，在未来会和市场预期慢慢趋同磨合。但要注意的是，由于TPU芯片出售的毛利率较低，所以传导到最后，两家机构对谷歌总体每股盈利的预测，只比市场预期高了5%而已。因此最后到股价上的影响，可能也没有想象中那么大。
﻿
﻿
﻿
但不管怎么样，通过这些分析我们知道：第一，TPU未来的销售，包括和云附加之后的销售将会相当强劲。第二，第一次看到有华尔街机构专门对谷歌TPU业务做了量化测算，说明市场开始对TPU业务进行单独定价了。
﻿
管理层的矛盾！好处是看得很清楚，但这背后还有一个咱们投资者不得不思考的问题。那就是算力分配。
对于谷歌来说，现在的算力资源本来就非常有限。好不容易找台积电要到产能，做出了这些TPU，结果现在要卖出去一大部分，那你内部怎么办呢？别忘了，谷歌自己还有一个Gemini，所以谷歌自己本身也是相当缺算力的。现在，你卖出去这么多算力就罢了，还要把它卖给Anthropic这样的竞争对手，这不是战略上矛盾了吗？难道说，谷歌真的把卖芯片看得比Gemini更重要？管理层这到底在想什么呢？
针对这个问题，我们团队几位分析师做了激烈的辩论。最后呢，老实说辩论完之后也还没有肯定的答案，但一些想法还是有的。所以这里，我就对我们团队的几个核心思考和大家汇报一下。
首先，我们认为，对外销售芯片这个战略，某种程度上是为了对TPU的团队进行鞭策。此前，TPU都是给公司内部使用，但内部客户往往比较“礼貌“，再不满意也不会说不用你的芯片。这在长期必然会削弱了产品长期的竞争力。而一旦转到对外客户，情况就不一样了，为了抢占市场份额，获得客户的订单，产品力必须跟上，这就可以倒逼着团队去加快速度迭代。外部客户经常又会给出一些不一样的反馈，这对于产品迭代来说非常有帮助。另外，外部客户的订单也能给谷歌云的“性价比”优点提供背书。因此，从产品发展策略上看，对外销售还是很合理的。
其次，是产业链上的背书。站在台积电的角度想一想，它的产能本身是有限的，那在给客户分配产能的时候，会优先给那些需求高，保证能卖得出去的芯片。不然的话，台积电到时候为你扩产，结果扩着扩着你的芯片没人买，要砍订单，那台积电不就吃大亏了吗。
而谷歌估计是想到了这一点。要是有多个终端客户给这颗芯片背书，尤其是有Anthropic这样的客户，那TPU销量低于预期的可能性就会非常小，台积电的生产安排会更平稳，也就能够多给你分配一些产能。而现在，产能恰恰又是谷歌眼下最缺的东西。
最后，从公司内部财务的考量来看，这么做也能合理化它的资本开支，为更长时间的投入做准备。之前我们说过，谷歌是所有大科技里面花钱最猛，而且是最没有办法降低资本开支的公司。对于微软和亚马逊，资本开支如果少了，大不了就是云的收入少一点。但谷歌不行，它如果不投钱，不光云的收入受到影响，而且自己的AI模型也会受到影响。所以谷歌是三大云中最不能不参与军备竞赛的公司。
但问题是，如果你只花钱不收钱，时间长了股东也受不了，管理层压力也很大，就跟现在的Meta一样。那怎么办呢？那就不妨先卖点TPU，卖点云，来回笼一下现金流压力吧。这样长期也可以保证整个资本开支更持续一点，最终也更有可能打赢这场算力战。
所以我们认为，正是因为管理层相对TPU团队进行鞭策、在产业链上寻找背书、以及内部财务的考量，一举三得，它们才做出了，在自身算力就紧缺的背景下对外销售TPU的这个看似矛盾的决定。
当然，上面说的都是有利的一面，咱们也得把另一面说清楚。不可否认的是，谷歌之前对AI发展的速度，以及台积电产能紧缺的程度，都是预期不足的。
不管是英伟达、AMD、还是其他芯片公司，它们都是早早就找台积电去book未来两三年的算力。但谷歌呢，直到去年下半年才开始认识到产能的重要性，seriously地去找台积电要产能。但当时，台积电未来一年多的产能几乎都订满了，这便是为什么今年的TPU一直上不了量。不仅如此，管理层还在去年10月份和Anthropic签约，更是导致了的TPU，还要分一部分给Anthropic。照理说，在产能不太够的情况下，应该谨慎对外签约才对，可见当时管理层的预期明显不足。最后结果就是，目前谷歌内部的算力资源不够用了，模型的表现也不如预期。
这里，相信既有公司采购策略的问题，也有内部管理上的问题。
当然了，现在咱们是事后诸葛亮。站在当时的情景下，管理层做这个决策也可以理解。毕竟对外销售TPU的长期价值还是相当明确，还是一举三得。现在虽然算力不够，但好在，随着明年和后年TPU产能瓶颈的缓解，算力的问题还是能够缓解的。而且明年TPU还会上V9的新版本了，到时候效果估计会更好。因此，我们对于公司明后两年Gemini的表现，还是比较有信心的，只不过短期算力短缺的问题，应该还是要持续一阵了。
﻿
我们的观点到这里，关于TPU的客观分析就说到这。最后，我们再来聊聊，在做完这次分析过后，我们对于谷歌TPU业务，以及对谷歌这家公司的一些新的看法。
从业绩上看，TPU对于谷歌还是很有帮助的。按照目前TPU的在手订单来看，明后两年 TPU对外销售会分别占到公司总收入的15%和19%，贡献当年收入增量的68%和39%。还是很可观的。因此，TPU在短期内就会是它的重要的增长引擎。不过，考虑到它本身的盈利贡献并没有那么高，而且这本质上就是谷歌云的一部分，所以对于股价的影响，肯定是没有收入增量贡献那么明显的。也就是说，我们未来可能会看到很多来自TPU的好消息，或许也能看到收入就此有一些增长，但股价的反应不一定会很好。
那是不是TPU其实也没有那么重要了呢？当然不是，只不过它传导到股价的链路不一样。
我们之前分析谷歌时说过，当前影响谷歌股价最核心的因素，没别的，就是Gemini大模型的进展。包括谷歌云、Gemini Enterprise等B端产品。都和Gemini的竞争力直接相关。如果Gemini的智能水平掉队了，那谷歌不光在B端进展会遭遇困境，更麻烦的是，还可能拖累到自己本身原有的互联网业务，包括搜索广告等。
而对于谷歌来说，未来算力的增量来源，主要就是靠它自己的TPU。因此，只有它自己的TPU做得更好，找台积电要到更多的产能，那么才更有可能把Gemini给做好。
往后看，也只有TPU做好之后，Gemini的成本优势才能进一步被体现。之前我们也说过，成本将会是谷歌未来在AI时代最核心的优势。长期来看，AI大模型作为生产力工具，性价比相当重要。现在，成本已经是AI在B端应用最大的痛点之一了	。因此谁的性价比更高，能力又不差太多的话，自然就能获得更大的市场份额。而从最近几个月谷歌不断更新Gemini Flash版本，追求极致性价比的战略来看，这应该就是谷歌正在努力的方向。
那怎么样才能实现单位任务下的Token成本最优呢？说到底，就是自己全都做，垂直一体化。而这里最大的杀器，就是谷歌的TPU自研芯片，也是谷歌区别于OA最核心的能力。谷歌也因此可以用更便宜的价格，通过「量大管饱」的竞争策略，抢占更多市场份额，最终帮助谷歌这场马拉松竞赛中取得一定的战略优势。
因此这么分析下来，TPU的进展还是相当重要的。我也认为，未来在看谷歌这家公司的时候，对于TPU的进展，应该要放在和Gemini的模型进展一样重要的位置上。而且，我们也对此感到乐观。相信过不了太久，等V9上来，产能也开始上来过后，TPU的威力会再一次被市场认可。而到那时候，Gemini的模型能力问题理应也能跟上，从而打消市场当下的担忧了。
因此整体来看，美投团队对于谷歌，依然维持之前的观点不变，继续给出“非常积极”的观点倾向，保持看好。
好，到这里，关于谷歌TPU的分析就先讲完了。最近这段时间，我们确实做了很多关于谷歌的分析，原因也很简单，我们团队目前整体对谷歌的观点比较积极。所以接下来，我们也会继续把谷歌其他业务一点点拆开来分析，进一步完善我们对这家公司的整体判断。
所以如果你对谷歌感兴趣，或者本身就在持有、准备持有谷歌，也记得点击我们的跟踪按钮。这样后续无论是新的分析视频，还是公司出现重要异动的时候，你都不会错过我们的更新啦。
深度跟踪-为你持续追踪GOOG基本面变化
深度跟踪-GOOG
Alphabet Inc
$335.38
0.07 (+0.02%)
昨收
$335.31
最低价
$330.39
PE Ratio
22.57
今开
$331.99
最高价
$336.47
52周范围
$233.38-$404.47
财报跟踪
1 视频
业务调研
5 视频
更新于2026.09.08
事件解析
2 视频
股价监控
估值
问答
306
交易
谷歌做出了一个AMD？为什么TPU是谷歌AI战略最大的杀器！？

TPU的优劣势

TPU的市场份额和业绩贡献

管理层的矛盾！

我们的观点

您已浏览完全部帖子~
