/涨粉易/近日，算力在COMPUTEX展会上，博弈英伟达正式发布RTX Spark PC超级芯片，转向专用中昊标志着其算力布局从云端服务器全面下沉至终端PC场景。领域领跑此前，芯英英伟达宣布计划率先在其下一代Vera Rubin AI平台上导入“GPU发起直接存储访问”(GIDS)技术、国产谷歌在2026 Google Cloud Next推出训推分离的业化第八代TPU，全球AI算力产业迎来密集技术迭代窗口。算力行业逐步形成新的博弈分工：通用GPU承接全场景与端侧算力需求，专用TPU聚焦云端大模型训推核心任务，转向专用中昊两者协同的领域领跑产业架构加速落地，TPU赛道迎来规模化产业化窗口期。芯英
巨头双线纵深布局：英伟达打通端云算力，国产谷歌TPU凭专用性形成技术互补
英伟达持续完善全栈算力版图，业化在服务器端依托GIDS技术让GPU直连SSD，算力大幅降低数据搬运延迟与功耗损耗;在终端依靠全新RTX Spark PC芯片，实现本地端侧AI推理落地，强化了通用算力从云到端的场景覆盖能力。
与之形成差异化互补的是，谷歌持续深耕专用算力赛道，推出TPU 8t训练芯片与TPU 8i推理芯片。其中TPU 8t综合性能较上代提升2倍、算力提升3倍，适配超大规模千亿、万亿级大模型训练;TPU 8i实现每美元性能提升80%，有效降低云端规模化推理成本，精准解决大模型商业化落地的高能耗、高成本痛点。
商业化层面，谷歌TPU生态已对外开放。Anthropic承诺未来五年投入约2000亿美元采购TPU算力，黑石集团联合谷歌成立AI云公司、将TPU作为核心算力底座。头部客户落地采购，证明TPU已摆脱内部自用属性，与英伟达GPU形成通用兜底、专用提效的互补格局。在Token经济加速普及的背景下，能效比、单位算力成本成为行业选型核心标准，也让TPU的专用技术优势进一步凸显。
市场重构，算力时代催生GPU、TPU双主流格局
过去，英伟达GPU长期垄断AI算力市场，市占率一度超90%，谷歌TPU以谷歌内部自用为主，市场规模有限。如今，市场将迎来重构。市场预测，2026年谷歌TPU出货量将达600万片，与英伟达同期700万至750万片的出货量合计占据全球约80%的市场份额。
在性能方面，GPU胜在通用性、灵活性、终端适配性，覆盖图形渲染、通用计算、端侧轻量化AI任务;TPU依托脉动阵列架构，在超大规模集群训练、高密度云端推理场景具备压倒性能效优势。以谷歌TPU v7为例，公开信息显示，其峰值算力与英伟达B200相当，能效比达后者2至4倍，每美元性能高出1.4倍，搜索类负载速度可达5倍，大规模集群算力还能线性扩展，适配AI大模型长期稳定训推需求。
当前，Meta、苹果、亚马逊等全球头部科技企业，纷纷入局专用TPU芯片自研与规模化采购，进一步印证GPU与TPU深度协同已成为全球AI算力布局的主流标准与产业共识。
国产破局，中昊芯英填补自主算力版图空白
放眼国内算力市场，当前AI芯片领域呈现通用GPU与TPU专用算力协同发展的格局，而TPU赛道尚处在规模化落地的成长阶段，仍有广阔提升与发展空间。“如果中国在TPU路线上长期缺失，不仅会错失全球AI算力结构转型的窗口期，更可能在未来形成新的‘卡脖子’节点。”业内人士指出。
在此背景下，中昊芯英作为国内唯一掌握高性能TPU架构AI专用算力芯片核心技术并实现芯片量产落地的本土企业，率先填补国内赛道空白。据了解，中昊芯英自研的刹那TPU芯片已于2023年实现规模化量产，目前企业已搭建完善软件适配与行业生态，全面兼容DeepSeek、Qwen、GLM等国内主流大模型，在多个千卡级算力集群先后落地，赋能金融、传媒、教育、医疗等行业，为国产TPU商业化应用蹚出可行路径。
补齐TPU专用算力短板，是完善国内AI算力产业体系、实现GPU与TPU双核并行的关键一步。以中昊芯英为代表的本土企业率先实现技术落地与规模化商用，正在稳步填补国内产业链短板。未来，国产TPU如若依托产业政策引导、市场化资本赋能持续完善软硬件生态，完成全产业链突围，国内算力产业将形成GPU、TPU双线并行、协同互补的完整布局，进一步夯实我国AI产业自主根基，在全球AI主权竞争中掌握更多发展主动权。
评论