英伟达铁幕之后，谷歌AI芯片已成气候
英伟达在聚光灯下狂飙，谷歌却在幕后悄悄造出自己的 AI 基建帝国系统。当别人还在抢 GPU 时，它早已自给自足、闭环生长 —— 闷声干大事，从未如此谷歌。
英伟达明修栈道，谷歌暗渡陈仓。
当你回头一看，谷歌在 AI 基础设施 的优势已经无法阻挡。
这几天，谷歌终于把憋了很久的大招放出来了，CEO 劈柴官宣了自研第七代 TPU Ironwood 正式商用。
这是谷歌第七代 TPU，单颗算力 4614 TFLOPS（FP8 精度），192GB 的 HBM3E 内存，带宽高达 7.37 TB/s。
与上一代 TPU v5p 相比峰值性能提升 10 倍！
对于 Google Cloud 客户，Ironwood 根据工作负载需求提供两种尺寸：256 芯片配置和 9216 芯片配置。
也就是一个 pod 可以最多塞下 9216 个 TPU，总算力达到了惊人的 42.5 ExaFLOPS。
与之相比英伟达目前主推的的 GB300 NVL72 系统只有 0.36 ExaFLOPS。
这就是 Anthropic 直接买了 100 万颗 TPU 的根本原因。
谷歌才是那个真正低调发财的公司，有人总结 AI 价值链上所有公司涉足的领域。
谷歌是 唯一 一家，没有之一，全栈人工智能公司 ：数据 → 算法 → 硬件 → 云服务器。
它使用自己的数据来训练自己的算法；这些算法在部署在自己的云上的自己的芯片上运行；然后开发了自己的应用程序。
如果说现在谷歌唯一的弱点，那可能就是「苹果」，准确的说，是客户端设备，手机。
虽然安卓系统是谷歌的，但是偏偏谷歌没有自己的手机（如果手机也有，谷歌称得上地球上最垄断的公司，也许没有之一。）
虽然 Pixel 系列出货量未能排在三星和国产等安卓机前面，但是用过 Pixel 的人都说好。
谷歌 TPU 十年进化
谷歌 TPU，全称张量处理单元（Tensor Processing UnitT），从早期几代主要作为内部优化工具，到最新的迭代已构成一个成熟且极具竞争力的产品组合。
当英伟达在横向扩展（scale-out）加速器市场占据主导地位时，谷歌已经构建了全球唯一一个专为训练和运行前沿模型而设计的、具有高容错性的超大规模系统。
2013 年，谷歌面临一个关键时刻。
公司意识到，神经网络日益增长的计算需求（尤其是在语音识别领域）可能迫使他们将 数据中心的规模翻倍 。
这一预测使 AI 计算不再是一个机遇，而是对运营支出（OpEx）的生存威胁。
尽管谷歌早在 2006 年就考虑过构建专用集成电路（ASIC），但直到 2013 年，这才真正成为一项迫在眉睫的任务。
TPU v1 的开发周期之快是前所未有的：从设计、验证、制造到部署至数据中心仅用了 15 个月！
TPU v1 于 2015 年在谷歌内部署，并于 2016 年的 Google I/O 大会上公开发布。