当“自研芯片”也要货比三家
AI 算力竞赛打到今天，一个共识正在形成：通用 GPU 无法满足所有负载，云巨头真正需要的，是为自家工作负载量身裁剪的专用芯片。谷歌的 TPU 是这场“自研运动”里最成熟的样本——从搜索排序到 Gemini 训练，再到通过 Google Cloud 供给 Anthropic 这样的外部客户，TPU 早已从实验项目长成了完整的产品线。而围绕 TPU 的设计“朋友圈”如何变化，正在成为观察整个 AI 芯片产业格局的最佳窗口。
事件要点
据 IT 之家报道，一份泄露到外部的 SemiAnalysis 报告显示，市场传闻谷歌正与 AMD 合作开发第十代 TPU（TPU v10）项目，这很有可能成为 AMD 拿下的首个定制 AI ASIC 项目。
报告披露了两个值得玩味的细节：
- 谷歌及其客户正在开发将 TPU 与 CPU 集成到单一封装内的 SoC，以应对强化学习工作负载的需求；
- AMD 的吸引力在于其先进的封装能力与 SoC IP 阵容，而 AMD 的 CPU IP 也可能成为促成合作的重要筹码。
此外，谷歌的自研 AI ASIC 已从单一芯片扩展为多样化产品系列，现有设计合作伙伴包括博通、联发科等。
背景：TPU 背后的“卖铲人”生态
谷歌虽是 TPU 的主导者，但 TPU 并非谷歌独自画完每一版图纸。多年来，博通深度参与了 TPU 的工程设计与量产落地，并借此成为定制 ASIC 领域最炙手可热的合作伙伴——Meta 的 MTIA 同样出自博通之手，定制芯片设计服务如今已是其 AI 收入的核心引擎。
谷歌显然不想把鸡蛋放在一个篮子里。此前联发科的加入，已经让 TPU 项目有了“第二供应商”；如今若再引入 AMD，则是延续同一套逻辑：既保供应安全，也压采购成本。这套打法在整个行业已成模板：AWS 的 Trainium 据报道与 Marvell 合作，微软的 Maia 亦有第三方设计公司参与。“云厂商定义芯片 + 第三方完成工程化”的分工，正在成为 AI 芯片的主流生产方式。
对 AMD 来说，这单生意的意义可能比对谷歌更大。AMD 的半定制业务渊源已久——PS5 和 Xbox Series 的主芯片都出自其手，加上收购赛灵思后补齐的 chiplet 与先进封装功课，AMD 在“为客户定制 SoC”这件事上并不缺积累。但主机芯片利润率有限，而 AI ASIC 客单量大、绑定周期长，是明显更优质的生意。在通用 AI GPU 市场，MI 系列与英伟达的缠斗一直辛苦；切入定制 ASIC，是一条错位竞争路线——不打正面战役，转而充当云巨头的“芯片工程部队”。
至于“TPU 与 CPU 单封装集成”，很容易让人联想到英伟达的 Grace Blackwell。强化学习的训练流程中，海量 CPU 负责环境模拟与数据生成，需要与加速器高频互动，跨芯片互联的延迟和带宽往往是瓶颈。把 CPU 与 TPU 拉进同一封装，本质上是在为 RL 后训练时代做架构准备——这也从侧面印证，强化学习已成为头部实验室无法回避的算力刚需。
影响与看点
短期看，最紧张的可能是博通。谷歌是其在定制 XPU 领域最重要的客户之一，任何分流动作都会影响市场对其 AI 收入曲线的预期。不过参照联发科的先例，新伙伴更多是分摊迭代型号与工程量，博通在旗舰设计上的地位短期内难以撼动。
中长期看，这件事标志着 AI 芯片竞争焦点的迁移：从“单颗芯片的峰值算力”，转向系统级集成能力 + 供应链组合策略。先进封装、chiplet、CPU/NPU 异构集成，这些原本藏在幕后的环节，正走到牌桌中央。
简短点评
需要提醒的是，这仍是基于泄露报告的传闻，双方均未确认；即便属实，芯片合作从立项到量产通常以年计，真正落地恐怕要到 2027 年之后。但趋势本身相当确定：AI 芯片市场正在分层——英伟达卖通用平台，云厂商定制专用芯片，设计服务公司与先进封装产能则是新的“卖铲人”。对开发者而言，算力供给的多元化与竞争加剧，大概率意味着推理成本的持续下探。这盘棋，才刚下到中盘。