快科技 8 月 1 日消息，这几年的 AI 浪潮中，受益最大的当属 NVIDIA，各大公司的训练、推理都少不了购买后者的 GPU 显卡，不过两年后 GPU 恐怕就不是主宰了，谷歌的 TPU 会后来居上。

在 AI 芯片技术路线上，可以简单分为 NVIDIA 为主的 GPU 通用计算及谷歌为主的 ASIC 专用计算，谷歌自研的张量处理器 TPU 也有 10 年历史了，只不过部署的数量是比不过 NVIDIA 的 GPU 的。

但是这两年来，各家都不希望算力芯片完全捆绑到 NVIDIA 的显卡上，自研 AI 芯片开始爆发，谷歌的 TPU 部署量也迅速提升，第七代 TPUv7 已经部署，4 月份发布了第八代 TPUv8，首次针对训练及推理做了区分。

其中 V8T 偏重 AI 训练，虽然谷歌说也可以做推理，但主要还是训练用的，每个 Pod 节点堆了 9600 个 V8T 芯片，FP4 性能达到了 121EFlops，配备了 2PB HBM 内存，内存带宽 19.2TB/s，芯片内部带宽 400GB/s，几乎都是 2-4 倍的变化。

V8i 主要面向 AI 推理负载，规格上要降不少，每个节点只有 1152 个 V8i 芯片，算力降低到了 11.6EFlops，内存带宽 19.2TB/s 没变。

再下一代的第九代 TPUv9 会更猛，会上 4 芯封装，封装要求更高，因此除了此前合作的台积电之外，还会用上 Intel 的 EMIB 封装，分给 Intel 大约 300 万颗 TPU 芯片的订单。

这也意味着 TPUv9 这一代的总数量惊人，日前供应链消息称谷歌 28 年部署的 TPUv9 数量将达到 1200 万到 1500 万颗。

这是什么概念呢？NVIDIA 的 AI GPU 显卡芯片供应市面上大多数算力厂商，今年的销量预计是 820 万颗，2028 年也就提升到 1240 万颗，谷歌的 TPU 将首次在数量上领先 NVIDIA 的显卡。

ASIC 路线的 AI 芯片数量超过 NVIDIA 的 GPU，这事本身并不稀奇，因为谷歌、微软、亚马逊等大厂肯定是不希望 AI 芯片完全依赖 NVIDIA 或者 AMD 的，用自己研发的芯片不仅可以降低成本，还可以减少对 NVIDIA 的技术依赖性。

【本文结束】如需转载请务必注明出处：快科技

责任编辑：宪瑞