2026年初，AI圈悄悄炸了个消息，Anthropic公司大手一挥，下单了百万级
这事乍一看是笔普通买卖，可懂行的人都知道，这相当于在英伟达垄断的AI算力市场里，硬生生凿开了一道缝。
毕竟过去这些年，搞AI训练的公司想买高端算力，基本只能盯着英伟达的GPU。
早期的TPU更像谷歌自家的“定制玩具”，2015年刚出来那会儿，它就会干“推理”这一件事，还得搭配谷歌自研的JAX框架。
本来以为TPU也就这样了，结果发现它还挺能打，矩阵乘法这些AI核心运算，效率比通用GPU高出一大截。
后来TPUv6出来，能效比又提了30%，这下谷歌自己都忍不住了，这东西藏着太可惜。
这步棋走得挺妙，全球超70%的AI开发者都在用PyTorch，等于一下子把门槛给拆了。
为啥？有内部人透露，他们算过账，有些场景用TPU，成本能压到GPU的四分之一。
谷歌能让TPU从自家后花园走到行业前台，光靠技术还不够，关键是它搭了个“芯片-模型-产品”的闭环，这才是真正的杀招。
底层自己造TPU芯片，3nm工艺说上就上，成本和迭代节奏完全自己说了算。
顶层更不用说，谷歌搜索、YouTube这些产品，每天都在给模型反馈，哪类计算需求多，哪类场景耗资源，反过来又指导芯片和模型升级。
商业模式也跟着变了，2025年之前，TPU只在谷歌云上租，想单独买芯片？门儿都没有。
英伟达的反击也很快，硬件上，Blackwell架构2024年刚发布，2026年又规划了Rubin架构，目标很明确，能效比要跟TPU掰掰手腕，通用性还不能丢。
软件上更狠，CUDA工具链不停优化，cuDNN9.0专门针对大模型训练加速，还升级了NVLink4.0，让多卡协同效率更高。
但英伟达真正的“护城河”，其实不是芯片性能，而是那数百万开发者基于CUDA写的代码库和社区支持。
就像Windows系统锁定x86芯片一样，大家用惯了CUDA，改起来成本太高。
有个做算法的朋友跟我说，“不是不想试TPU，主要是团队几年的代码都基于CUDA写的，换芯片等于重来，老板哪敢冒这险？”
现在的AI算力市场，有点像当年手机芯片从“高通一家独大”到“麒麟、天玑、骁龙混战”的意思。
这种混战不是坏事，斯坦福AI指数报告里有个趋势，2023到2025年AI训练成本年均降了40%，这背后就是竞争逼出来的。
谷歌想靠TPU的专用性抢场景，英伟达想靠CUDA的通用性守生态，最后大家发现，市场足够大，谁也吃不下谁。
未来可能就是，训练通用大模型，英伟达GPU还是首选，跑特定场景推理，谷歌TPU更划算，预算有限的中小企业，AMD或者AWS的芯片也能用。
这么看下来，Anthropic那笔订单更像是个里程碑，它标志着AI算力市场从“英伟达单极垄断”，正式进入“多极竞争”的混合战争时代。
13856965236
留言 