上次GOOG ER 有一条重要的消息漏掉了。 先说结论， 这肯定了AI算力从一家独大到三分天下的猜测。 加剧了竞争。 MSFT ， AMZN因为和GOOG的直接竞争关系因该不会直接上TPU。 但其他家会。
2026年4月29日，Alphabet CEO Sundar Pichai 在 Q1财报电话会议上正式宣布，Google 计划将 TPU 芯片直接出售给部分精选客户，供其安装在自己的数据中心中。
这是一个重大战略转变。此前 Google 的模式是通过 Google Cloud 平台向客户出租 TPU 算力，而非出售硬件本身。
- Anthropic（Claude 的开发商）与 Google 签署了多 GW 规模的下一代 TPU 协议，芯片预计从 2027 年开始交付。同时，据 The Information 报道，Google 也与 Meta 签署了数十亿美元的芯片协议。
- Meta 在 2026 年 2 月与 Google Cloud 签署了多年期、数十亿美元合同，用于 Llama 4 训练以及内部推荐和排序应用。
-
CFO Anat Ashkenazi 表示，Google 今年将有部分 TPU 销售收入入账，但更大的资产负债表影响将在 2027 年显现，且收入会因芯片交付时间不同而逐季波动。
目前 Google Cloud 的合同积压已达 4620 亿美元，TPU 硬件协议也已纳入其中。
目前英伟达占据 AI 加速芯片市场 80%~90% 的份额，而 Meta 原本是英伟达最大客户之一。从90%的市场占有率来说，英伟达的营收利润会增长但 市场占有率在激烈的竞争中只会走下坡路了， 符合逻辑的是90% -> 99% = 不可完成的任务 , 更自然的结果 90%-> 80%-> 70%-> 60% ...。
但从长期来看，威胁是结构性的，而非立竿见影的：
- TPU 在推理和张量密集型任务上性价比比 GPU 高约 4 倍，但英伟达 GPU 在训练多样化模型、研究灵活性以及游戏/图形/通用计算等非张量工作负载上仍然更有优势。
- Meta 采取的是"混合策略"——英伟达负责灵活性，TPU 负责效率，并非完全替代。
- 分析师 估计，若 Google TPU 大规模对外销售，Alphabet 中期有望拿下全球 AI 芯片市场最多 20+% 的份额。
AMD 在这场博弈中竞争更为激烈——它本来就在争夺英伟达的替代品地位，而 Google TPU 的入局，让 AMD 的 MI 系列 GPU 面临双重竞争：既有 NVDA 从上方压制，又有 Google/Broadcom ASIC 从专用场景切入。
最新进展：
据 The Information 报道，OpenAI 已开始使用 Google TPU 为 ChatGPT 等产品提供算力支持，这是 OpenAI 首次有实质性地使用非英伟达芯片。
这份与 Google 的合同，是 OpenAI 从"微软独家云"转向多元化算力供应的一部分。目前 OpenAI 的算力供应商还包括微软、Oracle 和 CoreWeave。
OpenAI 要用 TPU核心动机是NVDA GPU的推理成本太高。
推理消耗了 OpenAI 超过 50% 的计算预算。分析师指出，TPU 尤其是老一代 TPU，在推理任务上的单次成本显著低于英伟达 GPU——因为 TPU 的专用架构减少了能量浪费和空闲资源，在大规模运行时更具成本效益。
Barclays 预测，仅消费端 AI 推理的芯片资本支出在 2026 年就将接近 1200 亿美元，到 2028 年超过 1.1 万亿美元，这迫使 OpenAI 等 LLM 服务商不得不考虑 ASIC 替代方案。
Google 并未向 OpenAI 出租其最强大的 TPU，这一点据 Google Cloud 内部员工透露。也就是说，竞争对手能用，但用的是"降配版"，Google 不会把最强算力拱手相让。
TPU 客户版图（截至2026年），目前已知的 Google TPU 主要客户包括：Anthropic、OpenAI、Apple、Meta 以及 Safe Superintelligence（SSI）。
OpenAI 虽然是 Google 在 AI 领域最直接的竞争对手，但在算力上已经成了 Google 的客户——这正是 AI 行业最吊诡的现实：竞争与合作并存，成本压力让意识形态让步于经济逻辑。对 NVDA 而言，连 OpenAI 这个最核心的大客户都在分散筹码，长期压力不可忽视。
