川观智库研究员 黄爱林
AI算力芯片领域正经历一场“大洗牌”。随着英伟达以200亿美元与AI芯片初创公司Groq达成合作，OpenAI签署超100亿美元Cerebras订单等重磅交易落地，市场格局已从单纯的“GPU霸权”演变为GPU与TPU竞逐。尤其是Meta采购谷歌TPU的传闻引发行业热议，TPU正打破内部专用局限，走向商用市场，或将成为挑战英伟达统治地位的关键力量。
GPU和TPU都是算力芯片，但是二者架构不同。GPU是多线程单一指令的架构。可以将其比作一个全能建筑队，凭借CUDA生态的深厚积累，什么活都能接，但在处理海量AI计算时，数据需要在显存和计算单元间频繁搬运，形成巨大的能耗黑洞。TPU采用脉动阵列架构，其核心是矩阵计算。更像一条高度优化的流水线，专为张量运算定制，在处理深度学习特定任务时效率极高，但在通用性上不及GPU。
川观智库通过梳理公开报道和播客访谈发现，在当前的技术节点下，两者在不同维度各占优势。GPU在单芯片性能与生态上占优，仍是市场首选的通用计算平台。TPU在能效比与集群系统上占优，训练超大模型时展现出极高的系统级性价比与能效优势。
AI算力芯片竞争将呈现两大趋势：一是集群化与系统化。单芯片性能竞赛已转向系统级较量。TPU通过大规模集群弥补单芯片短板，而英伟达也在强化NVLink等互连技术，提升整体系统吞吐；二是架构重构与“高阶TPU”崛起。以Cerebras、Groq（均为美国AI芯片设计公司）为代表的“高阶TPU”或可重构数据流芯片异军突起。它们打破了传统GPU的通用架构和TPU的固定架构，通过晶圆级系统或极低延迟推理，探索算力效率的极限。
对国产芯片而言，这场变局既是挑战也是机遇。清微智能等国内企业正在“可重构数据流架构”上发力，探索自己的底层创新之路。毕竟，在算力世界的单极时代终结之后，跟随者只能分得残羹，唯有在架构上差异化，才有资格进入下一轮全球竞赛。
【未经授权，严禁转载！联系电话028-86968276】
