最新8月1日消息，这几年的AI浪潮中，受益最大的当属NVIDIA，各大公司的训练、推理都少不了购买后者的GPU显卡，不过两年后GPU恐怕就不是主宰了，谷歌的TPU会后来居上。

在AI芯片技术路线上，可以简单分为NVIDIA为主的GPU通用计算及谷歌为主的ASIC专用计算，谷歌自研的张量处理器TPU也有10年历史了，只不过部署的数量是比不过NVIDIA的GPU的。

但是这两年来，各家都不希望算力芯片完全捆绑到NVIDIA的显卡上，自研AI芯片开始爆发，谷歌的TPU部署量也迅速提升，第七代TPUv7已经部署，4月份发布了第八代TPUv8，首次针对训练及推理做了区分。

其中V8T偏重AI训练，虽然谷歌说也可以做推理，但主要还是训练用的，每个Pod节点堆了9600个V8T芯片，FP4性能达到了121EFlops，配备了2PB HBM内存，内存带宽19.2TB/s，芯片内部带宽400GB/s，几乎都是2-4倍的变化。

V8i主要面向AI推理负载，规格上要降不少，每个节点只有1152个V8i芯片，算力降低到了11.6EFlops，内存带宽19.2TB/s没变。

再下一代的第九代TPUv9会更猛，会上4芯封装，封装要求更高，因此除了此前合作的台积电之外，还会用上Intel的EMIB封装，分给Intel大约300万颗TPU芯片的订单。

这也意味着TPUv9这一代的总数量惊人，日前供应链消息称谷歌28年部署的TPUv9数量将达到1200万到1500万颗。

这是什么概念呢？NVIDIA的AI GPU显卡芯片供应市面上大多数算力厂商，今年的销量预计是820万颗，2028年也就提升到1240万颗，谷歌的TPU将首次在数量上领先NVIDIA的显卡。

ASIC路线的AI芯片数量超过NVIDIA的GPU，这事本身并不稀奇，因为谷歌、微软、亚马逊等大厂肯定是不希望AI芯片完全依赖NVIDIA或者AMD的，用自己研发的芯片不仅可以降低成本，还可以减少对NVIDIA的技术依赖性。