谷歌出售AI芯片，减少对英伟达依赖

怎么入门科技周边编程？需要学习哪些知识点？这是新手们刚接触编程时常见的问题；下面golang学习网就来给大家整理分享一些知识点，希望能够给初学者一些帮助。本篇文章就来介绍《Google出售AI芯片，降低对辉达依赖》，涉及到，有需要的可以收藏一下

Google传出正积极与社群巨头Meta及多家大型金融机构接洽，希望推动其自主研发的AI晶片TPU（Tensor Processing Unit）部署至客户自有资料中心，借此在AI晶片市场进一步挑战辉达（NVIDIA）的主导地位。

据最新消息指出，Google正探讨两种合作模式：一是在企业自建资料中心内直接导入Google设计的TPU硬件；二是通过公有云服务租用TPU运算资源。若此计划顺利落地，客户将可在本地机房运行AI工作负载，同时结合Google Cloud进行混合部署，实现效能、资安防护与法规合规之间的平衡。

延伸阅读：

川普启动AI「创世纪任务」 动员最大科学资源堪比登月计画

市场评估，这项布局潜在商机庞大，其中与Meta的合作案规模有望达到数十亿美元，合约跨度长达数年。此举也显示大型科技公司正寻求分散AI晶片供应来源，降低对单一供应商依赖。对金融机构与高频交易业者而言，在内部机房部署TPU不仅能保有敏感资料的掌控权，还可引入先进的生成式AI模型分析能力，减少完全仰赖外部云端平台所带来的风险疑虑。

近年来AI热潮带动资料中心对高效能GPU需求激增，辉达凭借H100等产品，在云端服务商与大型网络平台中占据关键角色。Google过去除在自家服务如搜寻、YouTube与Gemini广泛应用TPU外，也在Google Cloud提供辉达GPU服务，采取双轨并行策略。如今进一步推动TPU进入客户私有机房，被视为是更主动出击、争夺AI运算市场主导权的重要举措。

一旦大型企业开始采用多源AI晶片架构，现行由辉达主导的生态体系可能逐步松动，进而提升云端服务商与终端用户在技术选型与成本议价上的空间。研究机构预测，未来几年主要云端业者的AI相关资本支出将持续攀升，也将激励更多厂商投入自研或客制化AI晶片开发，促使AI运算架构朝向多元化发展。

与此同时，Google近期宣布推出第七代自研TPU「Ironwood」，将率先于Google Cloud上线，专为生成式AI与大规模模型训练等高负载任务优化。包括Google自身的Gemini、影像生成模型Veo与Imagen，以及新创Anthropic的AI模型，都将运行于新一代TPU之上，并借助大规模TPU丛集（superpod）应对日益增长的运算需求。

由此可见，Google不仅持续强化云端端的TPU服务能力，更积极拓展TPU在企业本地环境的应用场景，其AI晶片战略已从内部使用转向对外输出与生态系建构。后续Meta与金融机构的合作进展，以及其他云端业者与晶片开发商的应对动作，势将牵动全球AI晶片产业格局与供应链演变。

今天关于《谷歌出售AI芯片，减少对英伟达依赖》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！