🇬🇧The Register - AI/ML•較早收集於 12m
Google 向特定客戶推出 TPU 銷售
💡Google 對外銷售 TPU—使用自訂 ASIC 擴展 AI 訓練，不限 GPU（42字元）
⚡ 30-Second TL;DR
有什麼變化
Google Cloud 啟動自訂 TPU 對外銷售
為什麼重要
為企業提供直接存取 Google 優化 AI 硬體，降低對 GPU 依賴。在 AI 雲端基礎設施市場加劇競爭。可能加速大規模自訂 AI 訓練部署。
下一步行動
聯繫 Google Cloud 銷售團隊，確認您的 AI 工作負載是否符合 TPU 購買資格。
誰應關注：Enterprise & Security Teams
關鍵要點
- •Google Cloud 啟動自訂 TPU 對外銷售
- •目標客戶同時對 TPU 與高端 GPU 有需求
- •受 AI 帶動搜尋與廣告成長所驅動
- •旨在多元化 Google 收入來源
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Google 此次銷售策略主要針對大型企業與 AI 研究機構，旨在透過提供硬體存取權來降低對 NVIDIA GPU 的依賴，並強化 Google Cloud 在 AI 基礎設施市場的垂直整合能力。
- •此舉標誌著 Google 從單純的雲端服務供應商轉型為 AI 硬體供應商，直接與 NVIDIA 的 DGX Cloud 及 AWS 的 Trainium/Inferentia 晶片在企業級 AI 訓練與推論市場展開競爭。
- •TPU 的銷售模式不僅包含硬體，還深度綁定 Google 的 JAX 與 TensorFlow 軟體生態系統，這使得客戶在選擇 TPU 時需考量軟體遷移成本與開發框架的相容性。
📊 競品分析▸ Show
| 特性 | Google TPU (v5p/v6) | NVIDIA H100/B200 | AWS Trainium/Inferentia |
|---|---|---|---|
| 架構 | ASIC (專用積體電路) | GPU (通用圖形處理器) | ASIC (專用積體電路) |
| 軟體生態 | JAX, TensorFlow | CUDA, PyTorch | Neuron SDK, PyTorch |
| 定價模式 | 雲端租賃/特定合約 | 雲端租賃/硬體銷售 | 雲端租賃 |
| 優勢 | 高效能矩陣運算、低延遲 | 生態系廣泛、通用性強 | 與 AWS 服務深度整合、成本效益 |
🛠️ 技術深入
- •TPU v5p 採用了大規模的 Pod 架構，單一 Pod 可擴展至 8,960 個晶片，透過高速互連技術實現極高的頻寬。
- •具備專用的矩陣乘法單元 (MXU)，針對 Transformer 模型中的注意力機制進行了硬體層級的優化。
- •支援高頻寬記憶體 (HBM)，以應對大型語言模型 (LLM) 訓練過程中龐大的參數傳輸需求。
- •採用液冷散熱技術以維持高負載下的穩定性，並透過 Google 自研的編譯器優化模型執行效率。
🔮 前景展望AI analysis grounded in cited sources
Google 將在未來兩年內顯著提升非 Google Cloud 平台用戶對 TPU 的採用率。
透過開放 TPU 銷售，Google 試圖打破 NVIDIA 在 AI 訓練硬體市場的壟斷，吸引尋求替代方案的企業客戶。
TPU 的銷售將導致 Google Cloud 的資本支出結構發生重大轉變。
從單純購買第三方 GPU 轉向內部研發與銷售自研晶片，將改變 Google 在硬體供應鏈中的議價能力與成本結構。
⏳ 時間線
2016-05
Google 在 I/O 大會上首次公開發布第一代 TPU。
2018-02
Google Cloud 正式向公眾提供 TPU v2 的雲端存取服務。
2023-12
Google 發布 TPU v5p，這是其迄今為止最強大的 AI 加速器。
2026-04
Google 宣布向特定客戶直接銷售 TPU 硬體。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： The Register - AI/ML ↗