当科技巨头们还在为算力疯狂烧钱时，谷歌突然打开了一个新切口——把自研芯片卖给客户。这会让英伟达的护城河松动吗？
正方：硬件开放是谷歌的必走之棋
2026年4月29日，Alphabet在财报电话会议上扔出一枚重磅消息：TPU（张量处理单元）将首次作为独立产品对外销售。第八代TPU包含两个版本——训练型TPU 8t性能翻倍、算力提升3倍；推理型TPU 8i单位价格性能提升80%。首批客户名单已经敲定：Thinking Machines Lab和Hudson River Trading。
谷歌的算盘很清晰。云业务营收200亿美元、同比增长63%的亮眼成绩背后，AI相关服务收入占比已超35%，生成式AI产品收入更是暴涨近800%。但云服务市场微软Azure增长32%、Copilot付费用户破亿，亚马逊AWS签下特斯拉大单，竞争白热化。把TPU卖出去，等于在公有云之外开辟第二条变现通道。
更关键的是客户痛点。高频交易、大规模AI研究这类场景对数据安全和延迟极度敏感，公有云架构天生受限。让客户把TPU部署在自有数据中心，既满足合规需求，又让谷歌从"卖服务"升级为"卖基础设施"。谷歌预计2026年晚些时候确认少量收入，2027年成为主体来源——这个时间线说明这是战略级布局，不是试水。
财报发布当天，Alphabet股价上涨10%，单日市值增加4210亿美元，创历史第二大单日涨幅。资本市场用真金白银投票：硬件开放的故事，市场愿意听。
反方：英伟达的城墙没那么好拆
但芯片战争的残酷在于，产品好只是入场券，生态才是护城河。
英伟达2026年3月推出的H200 GPU仍在巩固领先地位——其数据中心AI芯片市场份额约80%。这个数字意味着：全球AI开发者的人才储备、工具链、优化经验，几乎全部围绕英伟达架构沉淀。TPU性能参数再漂亮，迁移成本是真实存在的 friction。
AMD的MI300X已在数据中心市场稳步增长，微软与AMD深化合作定制芯片，亚马逊持续优化Graviton系列——科技巨头的"去英伟达"努力从未停止，但80%的份额纹丝不动。谷歌TPU此前仅供内部和云客户使用，突然转向独立销售，软件生态、技术支持、渠道体系都需要从零搭建。
更隐蔽的风险在供应链。微软2026年资本支出1900亿美元中，250亿美元直接来自AI硬件涨价；全球AI硬件市场规模预计1200亿美元，GPU占比超60%。台积电先进制程产能紧张，涨价压力传导至整条产业链。谷歌此时推TPU，既要抢产能，又要打价格战，还要建生态——三线作战，资源如何分配？
我的判断：这是一场"延迟满足"的赌局
谷歌卖TPU，短期看是收入结构多元化，长期看是AI基础设施话语权的争夺。
全球AI投资预计突破1.3万亿美元，到2027年大型科技公司支出将破1万亿美元。微软1900亿美元、亚马逊2000亿美元的资本开支计划中，GPU采购、数据中心扩建、自研芯片部署是三大去向。这笔钱花出去，买的不仅是算力，更是行业标准制定权。谷歌把TPU推向市场，本质是争取让"谷歌标准"成为AI基础设施的选项之一。
但时间窗口在收窄。OpenAI的"星际之门"计划已从自建转向租赁，得克萨斯州阿比林站点投入运营，GPT-5.5训练每百万token成本降低35倍——算力成本下降的速度，可能快于硬件销售上量的速度。如果AI模型训练很快进入"边际成本趋近于零"的阶段，专用芯片的溢价空间会被压缩。
另一个变量是能源。数据中心能耗占全球电力比例从2020年1.5%升至2024年2.1%，AI数据中心能耗是传统设施的3到5倍。布伦特原油价格同比上涨约15%，其中AI相关能源需求贡献约3个百分点。谷歌TPU的能效比优势（相比GPU）能否转化为客户采购决策的关键因素，值得持续观察。
回到那个核心问题：这会撼动英伟达吗？
2026年的答案是不会。80%的市场份额、成熟的CUDA生态、开发者心智的锁定，短期内无替代品。但谷歌的动作释放了一个信号：科技巨头对"算力自主可控"的执念，正在从"自研自用"升级为"自研外销"。当亚马逊Graviton、微软Maia、谷歌TPU全部走向市场，AI芯片市场将从"英伟达单极"进入"多极混战"——这个过程可能需要3-5年，但方向已经明确。
对于开发者而言，选择变多是好事。对于行业而言，竞争加剧会加速成本下降和技术迭代。对于投资者而言，需要重新评估"AI基础设施"的估值逻辑：当硬件从稀缺资源变成可采购商品，云厂商的护城河究竟在芯片、在软件、还是在规模效应？
数据收束：Alphabet单日市值增加4210亿美元，微软2026年资本支出1900亿美元，全球AI硬件市场规模1200亿美元，英伟达数据中心AI芯片市场份额80%，AI数据中心能耗是传统设施3-5倍。五个数字，勾勒出2026年AI基础设施投资的狂热与焦虑。
热门跟贴