AI芯片市场正暗流涌动。

巨头谷歌加快自研AI芯片TPU的商业化步伐，有报道称其正与Meta等科技大厂洽谈外采合作。外界认为，若合作达成，TPU将进入谷歌体系外的超大规模数据中心，或冲击英伟达GPU主导的算力市场。

相关消息传出后，英伟达股价震荡。周二美股早盘，英伟达股价一度下滑7%，最终收跌约2.6%。自10月29日以来，英伟达市值从5.03万亿美元跌至11月25日收盘的4.32万亿美元，不到一个月市值缩水超7000亿美元（约合人民币5万亿元）。

11月26日凌晨，英伟达在社交平台正面回应谷歌竞争：“我们对谷歌的成功感到高兴——他们在人工智能领域取得重大进展，而我们仍将继续向谷歌供货。英伟达领先行业整整一代，是唯一能运行所有AI模型，并可在所有计算场景中部署的平台。”

作为全球GPU市场主导者，英伟达以“领先一代”与“全场景优势”回应自研芯片挑战。即便谷歌TPU进入Meta等巨头的数据中心，也不意味着GPU短期内会被替代。事实上，谷歌也表示自家定制的TPU和英伟达GPU的需求都在加速增长。

更多业内观点认为，随着AI训练与推理的负载增长及高度多元化，未来更可能呈现ASIC、GPU异构部署，而非单一架构一统天下。

谷歌加速TPU商用

谷歌对TPU的研发已久，始于2013年，且与谷歌云服务紧密结合。

过去，TPU主要用于谷歌内部AI工作负载和Google Cloud服务。然而，近日多家媒体报道，谷歌正推动自研芯片面向外部客户，Meta正考虑从2027年开始在其数据中心部署谷歌的TPU，并可能最早于明年通过Google Cloud租用TPU容量，潜在合同金额或达数十亿美元。

目前，英伟达占据AI芯片市场超90%的份额，而以谷歌为代表的厂商正夺取更多份额。谷歌此举并非偶然，一方面是其长期“软硬一体化”战略的自然延伸，另一方面，在大模型训练成本几何级上升背景下，自研芯片成为巨头降低能耗、控制成本的关键路径。

今年4月，谷歌推出最新一代TPU——TPU v7 (Ironwood)，最近又迭代出Gemini 3，谷歌通过模型和硬件耦合方式，强化自身在大模型时代的技术闭环。据悉，Gemini 3已大量使用TPU完成训练和推理，为谷歌推动TPU商业化提供更强验证场景。

作为AI老将，谷歌从云端、终端、芯片、大模型、平台工具等进行了全面覆盖。而GPU王者英伟达也在构建AI基础设施全套体系，包括CUDA、NVLink、高速互联等壁垒。

面对外界对霸主地位动摇的讨论，英伟达迅速发声回应。一方面强调与谷歌合作稳定持续；另一方面，其关键论点明确，GPU的通用性与兼容性仍是当前AI创新不可替代的基础设施。

相比之下，TPU、Gaudi、Trainium等ASIC芯片往往针对特定框架或任务场景，在特定负载上效率极高。谷歌仍采购英伟达GPU，但未来厂商在AI训练与推理时，会采用算力供应多元策略。

“围攻”英伟达

谷歌的加速只是英伟达面临挑战的一个典型例子。更广泛的趋势是，全球科技巨头普遍加速自研AI芯片，争夺算力主权。从训练到推理，从通用模型到专业应用各企业都将掌握自有算力视为下一阶段竞争力关键。

除谷歌外，AWS、微软也在不断迭代自研芯片，其中AWS持续更新Graviton、Trainium、Inferentia系列，势头强劲，不过微软在发布自研AI芯片Maia系列后，新芯片计划有所推迟。

中国市场上，后起之秀如华为昇腾、寒武纪、百度昆仑芯等正在快速发展。可见，整个行业正从GPU单线制向多架构、多供应商的异构化体系演进。

这种趋势在Anthropic的最新合作中体现更明显Anthropic一方面与英伟达签订围绕Blackwell、Rubin系统构建的长期基础设施协议；另一方面也采购谷歌最新的Ironwood TPU。这种“多路线并行”采购方式强化一个信号，即大型AI公司不再愿将未来完全押在某一种芯片架构上，而是倾向保持算力供应链多元化。

在英伟达第二财季财报会上，谈及ASIC的竞争和GPU的竞争，英伟达创始人兼CEO黄仁勋回应称，市场上有很多做AI ASIC的企业，但极少有产品能真正投入生产，因为加速计算与通用计算不同，无法仅通过编写软件并编译到处理器实现，加速计算技术栈已异常复杂。

但市场并未因此完全安心，谷歌TPU商业化消息传出后，英伟达股价明显波动。这反映出市场正在重新评估GPU在未来AI基建中的份额与利润率，触动投资者对“英伟达峰值时刻是否已过”的敏感神经。

无论哪种路线最终占优，可以确定的是，AI基础设施行业正从单一硬件竞争转向系统级竞争。随着软件框架、模型体系、能效变化，AI芯片格局还在继续演变。

（文章来源：21世纪经济报道）

原标题：一个月市值蒸发5万亿元！英伟达遭遇谷歌自研芯片冲击波

郑重声明：信查查发布此内容旨在传播更多信息，与本站立场无关，不构成投资建议。据此操作，风险自担。