英偉達和谷歌，美國AI棋局的楚河漢界

最近，OpenAI又傳出購買芯片的消息，但采購對象卻并非英偉達或谷歌。

據了解，這筆訂單落在了晶圓級芯片公司Cerebras身上，協議總金額超過100億美元、對應最高約750兆瓦算力容量，并將分階段在2026—2028年落地。

眾所周知，長期以來，OpenAI的核心訓練體系一直建立在英偉達GPU之上。但最近一段時間里，OpenAI一直在嘗試把算力“雞蛋”放進多個籃子里。

去年6月，有媒體披露稱OpenAI計劃通過Google Cloud租用芯片，為包括ChatGPT在內的產品提供部分推理算力。

這一算力供應策略上發生變化背后，是美國AI產業的兩大陣營相互作用下的結果：一邊是以英偉達為核心的GPU生態，另一邊是近年來崛起的谷歌陣營TPU（谷歌自研的AI專用加速芯片）生態。

在大模型爆發初期，英偉達幾乎是算力的唯一中心：從訓練到推理，從芯片到CUDA生態，行業別無其他選擇。

但在過去兩年，這種“絕對核心”地位開始松動。一方面GPU供給長期緊張、價格高企；另一方面超大模型推理負載激增，催生對專用加速器與替代架構的現實需求，也為其他算力路線留下切口。

在這一背景下，谷歌的TPU路線逐漸成型。通過把TPU與Gemini、VertexAI的節奏深度綁定，谷歌逐步搭建起一套“從芯片到模型、云服務”的一體化供給體系。?

Cerebras則是OpenAI在兩大陣營之外插入的一枚籌碼：它主打晶圓級芯片的技術路線，主打低延遲推理與特定負載的吞吐優勢。這家公司也一直被各路機構視為美股潛在IPO標的。

在英偉達和谷歌兩大陣營的“楚河漢界”之間，頭部AI企業們在“站隊”與“合作”間不斷交錯。

01

兩大基座陣營，既要“合縱”也要“連橫”

盡管在AI算力版圖出現了“兩大陣營”分化的現象，但在過去一年里，英偉達仍是市場的絕對主力：IDC在2025年二季度的統計顯示，英偉達在AI算力廠商份額占比約85.2%。

只是在AI產業中，“盟友”與“敵人”的界限往往并不清晰，但仍能在頭部企業身上，窺探到一絲生態上的偏好。

英偉達的主力合作伙伴中，微軟和AWS（亞馬遜云服務）持續把英偉達新品作為云端算力主力；與此同時，谷歌也在加速把TPU打造成更“可遷移”的選項，并通過改進對PyTorch等主流框架的支持、與包括Meta在內的企業/開發者社區協作，降低外部使用門檻。

以微軟為例，根據Omdia的估算，2024年微軟采購了約48.5萬塊英偉達Hopper系列GPU，幾乎是其競爭對手的兩倍之多，顯示出它在AI基建領域與英偉達的緊密關系。

2025年11月，微軟與數據中心運營商IREN簽署了一份約97億美元的合同，其中包括大約58億美元的英偉達GB300芯片與相關設備，用于進一步擴展Azure的AI計算能力。

不止云廠商，一眾大模型企業也是英偉達的基本盤，馬斯克此前曾表示xAI的Colossus超算在2025年已部署約20萬塊英偉達GPU，用于訓練Grok系列模型，并計劃進一步擴容。

不過，盡管英偉達的GPU體系雖然市場份額高達八成以上，但其高成本與軟件生態鎖定，也讓一些頭部用戶開始尋求新的供應鏈渠道。

另一邊，谷歌TPU在某些推理與訓練場景上擁有更低成本的優勢，并且與云服務深度整合，這使得市場近年來對其興趣不斷增長。

幾周前，曾有媒體披露Meta正在評估在2027年后引入谷歌自研芯片的可能性，相關合作規模或達數十億美元，這使TPU有機會成為英偉達之外的一個重要替代樣本。

類似的選擇也出現在Anthropic身上。去年10月，Anthropic宣布將大幅擴大與Google Cloud的合作，計劃利用多達一百萬顆TPU芯片、總價值達到數十億美元的算力資源，來訓練和服務下一代Claude模型，并預計在今年實現超過1吉瓦的計算能力上線。

Google Cloud CEO庫里安稱，“Anthropic大幅擴大使用TPU，反映了團隊多年來在使用TPU時觀察到的強勁價格性能比和效率。”

不過，Anthropic和谷歌的合作離不開資本面背景。谷歌既是Anthropic的早期投資者，也是其最重要的云算力提供方之一。公開信息顯示，谷歌已累計向Anthropic投資超過30億美元，持有約14%股權。

Anthropic CFO Krishna Rao此前曾表示：“Anthropic與Google有長期伙伴關系，這次擴展有助于持續增長定義前沿AI所需的算力。”

通過加大對TPU的使用，Anthropic在成本與算力供給上獲得更高確定性，同時也加深了與谷歌在云基礎設施層面的長期合作關系。

不過，AI產業版圖中，即使是資本合作伙伴之間，也可能出現產品和業務上的競爭。字母AI在近期的《爭奪AI制高點，谷歌和Anthropic必有一戰》一文中曾總結，“如果Anthropic利用谷歌的TPU訓練出了遠超Gemini的模型，那谷歌在應用層的競爭將變得更加困難。”

正是在這一現實之下，“合縱連橫”開始成為AI基建格局中的關鍵邏輯。算力層面，面對英偉達在GPU與生態上的長期主導，谷歌以TPU、云服務和資本關系拉起穩定合作網絡，模型公司也借此獲得更可控的算力與成本，此為“合縱”。

但這種結盟并不會延伸到產品前臺。進入模型與應用層，競爭重新回到零和博弈：Gemini、Claude、ChatGPT在前端要面臨正面廝殺，“連橫”隨之出現，即在基礎設施上交錯合作，但在產品上又各自為戰。

英偉達與谷歌兩大陣營并存，恰恰放大了這種合縱連橫的結構。不過，說起這一版圖的形成以及兩條路徑之爭的起源，還要追溯到AI爆發前的10年。

02

GPU與TPU之爭，源自“前AI時代”

在生成式AI成為全球焦點之前，英偉達已提前十余年布局算力生態。

2006年CUDA發布，使GPU首次成為可被通用編程調用的并行計算平臺，開發者得以繞開硬件細節直接釋放算力潛能。隨后，PyTorch、TensorFlow等主流框架相繼圍繞CUDA構建，GPU也從圖形加速器演變為AI訓練與推理的事實標準底座。

CUDA的價值不止“讓GPU可編程”，更在于打造了獨家軟件生態這一壁壘。

英特爾前CEO帕特·基辛格，在去年接受采訪時直言，英偉達真正的護城河在于“CUDA以及NVLink這樣的軟件和互連體系”，而不僅僅是單一代GPU的性能優勢。

這一體系優勢在2012年迎來爆發點，多倫多大學的Alex Krizhevsky等人利用兩塊英偉達GPU在ImageNet挑戰賽上訓練出AlexNet并一舉奪魁，展示了大規模神經網絡與GPU并行計算結合的巨大潛力，成為行業關注的里程碑事件。

但在深度學習浪潮爆發的同時，大規模神經網絡對算力效率和能耗也提出新要求。此時，谷歌意識到，依賴通用GPU在大規模推理和訓練時，存在著成本高且功耗大等問題。

于是，從2015年起，谷歌開始研發TPU——一種面向神經網絡推理負載的定制芯片。彼時的目標還不是今天的通用AI計算，而是支撐搜索、翻譯和廣告等核心業務中的深度學習模型，在數據中心內以更低能耗、更穩定時延完成大規模推理任務。

2018年，谷歌將TPU正式引入Google Cloud，對外開放使用，試圖證明TPU在云端的現實價值。ResNet-50等模型的測試數據顯示，TPU上訓練可顯著縮短時間并降低成本，使原本需要數天的任務在更短周期內完成。

不過，在幾年后的生成式AI爆發初期，英偉達迅速成為了那個最大贏家。2020—2022年，大模型訓練從研究走向工程化，A100等GPU憑借成熟的軟件生態和穩定供給，成為各大云廠商和模型公司的默認選擇。

TPU的轉折點，出現在算力需求持續放大之后。2023年起，隨著大模型推理負載激增、電力與成本壓力上升，谷歌TPU因在單位能耗和價格性能比上的優勢開始受到行業重視，逐步獲得更廣泛采用。

字母AI在此前的報道《AI在美國“與民爭電”》中曾披露，AI數據中心的驚人能耗，已經迫使美國AI企業親自下場，投身能源基礎設施建設。因此，TPU的能耗和成本優勢，無疑是吸引諸多AI企業用戶的重要因素。

另一方面，為降低開發者遷移門檻，谷歌近年明顯加大了TPU的軟件生態投入。去年，曾有多家外媒披露，谷歌正推進代號為TorchTPU的內部項目，核心目標是提升TPU對PyTorch的原生支持能力。

據了解，該項目與Meta的需求密切相關，部分軟件組件可能開源，以縮小TPU與英偉達GPU在主流開發環境中的使用差距。

事實上，以谷歌為代表的TPU生態的發展，一定程度上也宏觀層面，對沖了英偉達一直占據絕對主導地位的擔憂。

“讓一家企業成為全球AI未來的守門人是危險的，會帶來嚴重的經濟風險。”美國參議員伊麗莎白·沃倫，曾這樣呼吁美國司法部啟動對英偉達反壟斷調查。

尤其對于OpenAI這樣的頭部模型公司而言，“合縱聯橫”的算力格局，無疑比依賴單一技術路線更具戰略彈性。

03

OpenAI的“搖擺”和“押注”

在大模型爆發期，OpenAI就與對英偉達的算力體系緊緊捆綁在一起。公開信息顯示，在GPT-3時代，OpenAI曾動用約3,600臺HGXA100服務器、近3萬塊英偉達GPU進行訓練。

這種緊密的關系一直持續到今天，去年年底，OpenAI宣布和英偉達展開新一輪合作，計劃部署至少10吉瓦的英偉達算力系統，這些系統將包括數百萬塊英偉達GPU，用于訓練并運行下一代模型。首批算力預計將在今年下半年上線。

不過，這種緊密捆綁背后，OpenAI也在探索“去中心化”的舉措。尤其是隨著近年來模型規模與推理負載急劇上升，新的算力供給路徑迫在眉睫。

去年6月，有媒體披露稱OpenAI開始通過Google Cloud租用TPU，為包括ChatGPT在內的產品提供部分推理算力，希望借此降低推理成本。這是OpenAI首次計劃批量使用非英偉達芯片。

OpenAI發言人隨后稱“公司目前僅處于對部分谷歌TPU的早期測試階段，尚無計劃進行大規模部署。”

但這份相對克制的回應，仍難以掩蓋OpenAI尋求供應鏈平衡的意圖。Forrester高級分析師Charlie Dai此前指出，OpenAI開始測試TPU，反映出“隨著推理成本不斷上升，AI提供商正嘗試在英偉達GPU之外，尋找更具成本控制能力的專用方案”。

而在幾個月后，OpenAI在10月宣布與AMD簽署協議，將在未來幾年部署最高6吉瓦的AMD GPU資源，計劃從今年下半年開始落地，進一步做實了上述觀點。

時間來到2026年初，近期，Cerebras也被納入OpenAI的算力“雞蛋籃”。外媒報道稱，雙方簽署了一項多年期協議，總額超過100億美元，對應最高750兆瓦算力，并將分階段交付至2028年。

OpenAI在公告中由高管Sachin Katti發言，稱其算力策略是構建一個“Resilient Portfolio”（有韌性、抗風險的算力組合），按不同負載匹配不同系統；在這一組合中，Cerebras以“低時延推理”能力發揮補位作用。

值得關注的是，在技術路線上，Cerebras走的是另一條路：把整片硅晶圓直接做成一顆“晶圓級芯片”（WSE-3）。

Cerebras一顆芯片面積約4.6萬平方毫米，是英偉達主流數據中心GPU（約800平方毫米）的數十倍，集成約4萬億晶體管和90萬個核心，并將計算與存儲高度集中在同一器件內，從而減少GPU集群中常見的跨卡通信瓶頸。

而在資本層面，這樁合作背后有一個無法忽視的背景：OpenAI首席執行官奧特曼，此前以個人身份投資過Cerebras。

另一邊，OpenAI的布局并未止步于引入外部算力替代方案。去年以來，多家外媒披露OpenAI已在內部組建芯片團隊，并與博通展開合作，推進自研AI加速器芯片，研發重點是圍繞自身模型體系，優化推理負載與系統級效率。

奧特曼曾在和博通的合作公告中表示：“通過開發我們自己的加速器（芯片），可以將我們在最前沿模型和產品設計中學到的經驗直接嵌入硬件，從而釋放更強大的能力。”

而在谷歌TPU和其他供應商之間的搖擺，一定程度上也映射出OpenAI對于谷歌這位競爭對手態勢的警惕。

蘋果在近期宣布與谷歌達成多年合作，將用Gemini模型升級Siri與Apple Intelligence。毫無疑問，這一合作將強化谷歌在與OpenAI競賽中的位置，鞏固其在移動端AI入口的生態影響力。

更長遠地看，美國AI算力產業格局并非單純的陣營間的商戰，而是一條可跨越的“楚河漢界”。在基礎設施層，英偉達與谷歌分別構筑起兩套穩定運轉的算力基座，成為企業繞不開的長期投入方向。

但這條“界線”并不意味著割裂。對模型公司而言，算力是必須“合縱”的底座，而產品與模型競爭才是真正的戰場。越是頭部玩家，越需要在底層結盟、在上層博弈。

作為模型側的頭部玩家，OpenAI的多路徑布局，正是這一現狀的縮影：既要依托英偉達的強大生態，但也不能持續單點依賴。同時開始布局自研算力，為下一輪算力與模型競賽預留空間。

2026年，美國AI產業的“楚河漢界”之間，“合縱連橫”的戲碼仍將繼續上演。