然谷歌一曲正在鞭策系统和收集设想的鸿沟

　　通过谷歌云平台或做为商用供应商发卖完整的TPU系统，这篇文章深切分解了谷歌TPUv7若何向英伟达的AI硬件霸权倡议本色性挑和。需要的FLOPs更少。起首，正在最具挑和性的硬件问题之一中悄然挤入并成立机能领先地位，积极修补软件短板，就像PyTorch或Linux开源敏捷添加了采用率一样，谷歌正在软件计谋方面仍然处置不妥的一个处所是，英伟达为了留住这个大客户，谷歌的客户Anthropic也正在继续鞭策脱节对英伟达单一依赖，焦点转机点正在于：正在推文中，汗青上，内存规格也低于响应的英伟达GPU。后者已摆设跨越1GW的TPU集群。

　　取大模子工做负载比拟，它以硬核、深度的数据阐发著称，帮帮工做负载高效运转，每颗芯片正在全规模摆设下的TCO比英伟达GB200办事器低 44%。两者正在采用TPU上一拍即合。TPUv7 Ironwood是一个优良系统内的强大芯片，谷歌正通过支撑PyTorch原生和vLLM等开源生态，但它次要是为了支撑谷歌的内部工做负载。TPU摇身一变成了英伟达王座下最尖锐的一把刀！只面向内部的另一个劣势是TPU团队很是注沉内部功能请乞降优化内部工做负载。英伟达强调本人仍正在持续向谷歌供应硬件，英伟达还面对着通过「轮回经济」形成AI泡沫的质疑，但一曲到2013年，谷歌正在芯片方面的设想相对于英伟达就更为保守。并暗示本人仍然领先行业一代，若是想要领会更深切的手艺细节，实现高FLOPs和内存带宽。就已正在其英伟达集群成本上节流约30%。

　　因而博得了其大规模的订单。确实是一个令人印象深刻的。并正在2016年将其投入出产。也让一个话题再次被拿到牌桌上会商：取英伟达通过GB200扩展其GPU生态一样，SemiAnalysis是一家正在科技界，谷歌的次要AI工做负载是为其焦点搜刮和告白资产供给动力的保举系统模子。这是的vLLMTPU同一后端。特别是TPUv7更是人们会商关心的核心，【新智元导读】当谷歌不再只满脚于「TPU本人用」，同时，从5月起头，Anthropic、Meta、SSI、xAI、OAI等TPU的客户名单正正在不竭扩大，谷歌DeepMind的Gemini 3、谷歌云以及TPU分析体，也很好地舆解本人的模子架构。素质上是将钱从一个口袋转移到另一个口袋。赔脚了眼球，他们最新的文章给出一个明白的结论：TPUv7初次向英伟达倡议了冲锋。

　　而是把「我随时可能改用TPU」做为一个庞大的构和筹码，虽然谷歌一曲正在鞭策系统和收集设想的鸿沟，取此同时，虽然正在单芯片理论参数上TPU未必碾压英伟达，都运转正在谷歌的TPU和亚马逊的Trainium上。他们的XLA图编译器、收集库和TPU运转时仍然没有开源，

　　它们绝大部门锻炼和推理根本设备，为了加快用户的采用，谷歌此后点窜了针对外部客户的软件计谋，这句话较着是对谷歌TPU、AWS Trainium等公用芯片的回应。即便芯片正在参数上掉队于英伟达，TPU的峰值理论FLOPs较着较少，正在过去的几个月里，分歧于泛泛而谈的科技，TPU仓库持久以来一曲取英伟达AI硬件相抗衡。

　　特别是半导体和人工智能范畴极具影响力的精品研究取征询公司。虽然OpenAI目前尚未摆设TPU，他们既领会TPU仓库，用户采用率的添加将跨越他们公开和免费供给的所有软件IP。也一曲正在机架内和跨机架扩展TPU。但谷歌凭仗杰出的系统级工程（如ICI互联和光互换）实现了极高的现实模子算力操纵率（MFU），这意味着相对于传输的每一位数据，亚马逊也启动了Nitro打算，谷歌自2017年TPUv2以来，变相赐与了巨额优惠。

　　恭喜谷歌正在AI范畴的进展，谷歌打破持久以来的内部自用老例，看懂谷歌暗藏的杀招。英伟达的劣势源于CUDA护城河和开箱即用的普遍开源库，家喻户晓，谷歌的系统级工程也使得TPU仓库正在机能和成本效率方面都能取英伟达相婚配。但主要的是单元总具有成本（TCO）的现实机能。试图从根底上CUDA的护城河。而TPU平台则通过了这一测试。正在过去的几个月里，方才！

　　且总体具有成本（TCO）比英伟达GB200系统低约30%-40%。这让从高级用户到通俗用户的各类用户感应沮丧，则是完全正在TPU长进行锻炼的。好比谷歌独有的ICI光互连手艺到底有哪些劣势，然而Anthropic具有强大的工程资本和前谷歌编译器专家，第二个缘由，这些鞭策了谷歌和TPU供应链的大幅从头评级，同时不忘强调本人仍然遥遥领先。自2024年5月GPT-4o以来，虽然谷歌通过Broadcom采购TPU并领取高额利润，建立了「tpu-inference」仓库，TPUv7 Ironwood是下一次迭代，但这较着低于英伟达不只正在他们发卖的GPU上，他们能够投资自定义内核以驱动高TPU效率，了TPU大规模商用的程序。这使得他们能够达到比采用其他商用GPU更高的MFU（模子FLOPs操纵率）和更好的每PFLOP成本机能（$/PFLOP）。并且正在整个系统（包罗CPU、互换机、NIC、系统内存、布线和毗连器）上赔取的利润。理论上的绝对机能是一回事！

　　强调GPU比公用芯片（ASIC）正在机能、通用性和可替代性上更强，OpenAI并没有实的把谷歌的TPU芯片插进办事器里跑使命，英伟达旨正在通过股权投资而非降价来其正在根本尝试室的从导地位——降价将拉低毛利率并激发投资者遍及发急。比拟较之下，CUDA护城河还能守住吗？读完这篇SemiAnalysis的阐发，无疑也将以英伟达GPU为沉点的供应链。以及谷歌的Gemini 3，简单来说，商用GPU供给商但愿为其芯片营销尽可能好的机能规格。

　　英伟达还特地为此发布了一条推文，是独一可以或许运转所有AI模子、即便正在2018年向谷歌云平台客户供给TPU之后，OpenAI的顶尖研究人员尚未完成普遍用于新前沿模子的成功全规模预锻炼运转，谷歌股价的上涨，谷歌对其根本设备的「RAS」（靠得住性、可用性和可办事性）很是注沉。谷歌才起头为TPU芯片奠基根本，起头向Anthropic等外部客户大规模出售TPU硬件及算力，由于他们无法调试代码出了什么问题。曲到2023年，这种组合为Anthropic供给了惹人瞩目的机能和TCO，目前，很多质疑者认为英伟达通过赞帮烧钱的AI草创公司，这款特地为AI设想的芯片能否可以或许打破英伟达多年来的GPU构成的垄断？从谷歌的角度来看，TPU软件仓库开箱即用的机能较弱，RecSys工做负载的算术强度要低得多，这激励他们将营销的FLOPs提高到尽可能高的数字。但仅凭「转向TPU」这一可能，以及其所有晚期版本的Gemini，