谷歌2028年部署1500万颗自研芯片挑战英伟达
谷歌的算力野心：2028年1500万颗自研AI芯片
据台媒钜亨网援引一份市场分析报告，谷歌计划在2028年部署1200万至1500万颗自家自研的 TPU v9 AI 加速芯片。这一数字令人瞩目——分析机构同时预估，英伟达在2028年的 AI GPU 出货规模可能约为1240万颗。这意味着，谷歌在服务器 AI 加速器出货量上有望首次赶超英伟达，成为全球算力供应链中的一匹黑马。
TPU：谷歌的秘密武器
TPU（Tensor Processing Unit）是谷歌专为 AI 训练和推理定制的 ASIC 芯片。与通用 GPU 不同，TPU 自诞生以来就专注于深度学习工作负载，在内部使用中经过不断迭代优化，性能日益强大。值得注意的是，TPU 从未公开对外销售，而是通过谷歌云平台以租用形式提供给外部客户使用。
从早期租用英伟达 GPU 到如今大规模部署自研芯片，谷歌正在完成一次战略转型。这一举措的核心动机有两个：
- 降低算力成本：自研芯片可以避免支付英伟达的高额溢价，尤其在 AI 算力需求爆发的当下，长期成本优势显著。
- 摆脱单一供应链依赖：过度依赖单一供应商存在巨大风险，包括供货不足、定价权旁落等。自研芯片让谷歌掌握核心竞争力。
芯片架构：4计算裸片设计
报告显示，TPU v9 将采用 4计算裸片（Compute Die） 的架构设计。这种多裸片集成方案能够显著提升芯片的计算密度和性能，但对先进制程和封装技术提出了极高要求。
当前，全球有能力生产此类高端 AI 芯片的代工厂屈指可数，台积电是其中的绝对领先者。然而，为了满足如此庞大的产能需求，谷歌很可能需要寻找台积电之外的代工伙伴。
英特尔代工和三星晶圆代工有望因此迎来新的商机——当单一供应商无法满足谷歌的产能胃口时，多供应商策略成为必然选择。
这一趋势也折射出整个半导体行业的深层变革：头部科技巨头正从单纯采购通用 GPU，加速转向自研定制化 AI 芯片。苹果、亚马逊、Meta 等公司同样在布局自研芯片，但谷歌的规模尤为激进。
对英伟达的冲击
如果谷歌计划顺利实现，2028年将成为 AI 算力格局的转折点。英伟达凭借 CUDA 生态和硬件性能主导了 AI 训练市场多年，其数据中心 GPU 几乎供不应求。然而，谷歌的千万级自研芯片部署，意味着其内部和云服务上将有大量工作负载脱离英伟达平台。
当然，这并不意味着英伟达会立刻失去统治地位。英伟达的 GPU 在通用性和软件生态方面仍有优势，且其新一代产品同样在快速迭代。但谷歌的案例表明，客户正在积极寻求替代方案，英伟达的 AI 芯片霸权，或许正迎来最强有力的挑战者。
未来展望
谷歌的 TPU v9 计划尚处于传闻阶段，具体的芯片性能、投产时间以及最终出货量仍需进一步确认。但无论结果如何，这一趋势都指向一个明确的未来：AI 算力供应链将更加多元化和自研化。对于整个行业而言，这既是挑战，也是机遇。
本文基于现有市场分析报告编写，不构成投资建议。