谷歌把TPU迭代提速到“一年两款”，自研芯片进入快速换挡

会懂网AI资讯获悉，9月4日，谷歌AI基础设施负责人Amin Vahdat表示，谷歌正加快自研TPU的迭代速度，将芯片更新周期从此前的“两年一代”缩短至一年推出两款。这一调整发生在AI算力需求持续超出供给预期的背景下，信号意味浓厚。

自研芯片对谷歌而言从来不只是成本账。TPU支撑着搜索、广告、YouTube推荐以及Gemini系列模型的训练与推理；当模型迭代以周为单位推进，底层硬件的节奏就必须跟上。把周期压缩一半，本质上是让硬件与模型的迭代节拍对齐。

这也是对供应链依赖的一次结构性对冲。英伟达GPU仍是行业通用解，但通用性意味着溢价与不确定性。谷歌自2014年前后与博通合作设计TPU，如今已进入第七代并向多代产品并行开发，自研路径带来的不仅是每美元性能，更是交付节奏的自主权。

更快的迭代还会外溢到生态。芯片一年两款，意味着编译器、调度系统与模型架构要同步适配，软件栈的重要性反而上升。对谷歌云客户来说，能拿到的是更快更新的算力选项；对竞争者来说，追赶的不只是单颗芯片的性能，而是一整套“设计—流片—部署—优化”的循环速度。

对客户一侧，影响同样直接。谷歌云的算力选项更新更快，意味着企业可以按负载选择更合适的代际，而不是被迫接受单一规格；但代价是对软件栈的依赖更深，迁移成本会随代际差扩大。这既是谷歌的护城河，也是客户在选型时必须提前算清的一笔账。

会懂网判断，算力竞争正从“谁的芯片峰值高”转向“谁的迭代循环快”。一年两款听起来是频率问题，实际上是把学习曲线压得更陡。当硬件、模型与产品在同一家公司内部闭环，迭代速度本身就成了最难复制的护城河。