原文开篇点题：Google 正在推动把 TPU 卖给或租给其他公司、装进任何人的数据中心——而不再只锁在 Google Cloud 里。这引发了头条新闻、股价震荡，以及英伟达一次「值得玩味的」公开回应。更扎心的是：当今世界最顶尖的两个 AI 模型（Google 的 Gemini 与 Anthropic 的 Claude），完全或部分是用 Google 芯片、而非英伟达 GPU 开发的——英伟达对此心知肚明。
Gemini 与 Claude 完全或部分由 TPU 训练。这一事实直接促使 Meta——英伟达最大客户之一——认真考虑改用 TPU 开发新模型。（原文）
11 月 25 日 Meta 洽购 TPU 的报道发出后，英伟达盘中最深下挫约 7%，收跌约 3%；Alphabet 逆势大涨。（补充背景）
英伟达芯片在各类 AI 任务上的性能依然占优，CUDA 软件同样强势；且 GPU 在任何云上都租得到——TPU 直到最近还只有 Google Cloud 一家有。（原文）
原文判断：只要 Google 继续把芯片卖到自家云之外，就会有更多 AI 开发者把两家的芯片和服务器摆在一起逐项比价。这份报告就是这么做的。
原文解释：GPU 什么都能算，从渲染游戏画面到训练大模型，尤其擅长机器学习最需要的「矩阵乘法」；而 TPU 为矩阵乘法做了更极端的特化——这决定了它们后来的一切。
两大当家旗舰：Google 第七代 TPU「Ironwood」 vs 英伟达「Blackwell」。原文给出的总口径很直接——
——原文援引一位行业高管。但 TPU 的翻盘点不在单芯片：Google 能把数千颗 TPU 连成一个 Pod 协同工作，而英伟达（不借助额外组网线缆时）最多直连 256 颗 GPU。（原文）
原文的答案：连接规模。数千颗 TPU 连成一个 Pod，让开发新模型「格外好用且省钱」；英伟达不加额外组网时最多直连 256 颗。另一个答案是成本结构——芯片造价其实差不多，差的是商业模式。
NVL72 机架内 72 颗全互联，跨机架靠 NVLink/网络扩展，直连上限约 256 颗；再往上需要额外网络线缆组网，带宽与效率随之下降。（图示 128 格，每格 2 颗）
原文：数千颗 TPU 连成一个 Pod，训练新模型格外划算。官方数据：一个 Ironwood Pod ≈ 42.5 ExaFLOPS（FP8）、约 10 MW。（图示 216 格，每格约 43 颗）
是 CUDA 和它背后的软件生态。原文算了笔账：已经用 CUDA 的客户，继续租英伟达反而更省钱；只有那些有时间、有人力把代码重写一遍的开发者，才能真正吃到 TPU 的成本红利。
原文直球问答——JAX、PyTorch XLA 这些新方案弥合软件差距了吗？「短答案：没有。」不过 Google 正在拼命追赶，并向潜在客户搭售自研配套软件，让 TPU 更好用。
Claude 部分基于 TPU 开发；已签约至多百万颗（补充）
长期用 TPU 训练其最大语言模型（前员工 + 论文佐证）
正认真考虑用 TPU 开发新模型，谈判进行中
2023 年公开表示用 TPU 开发模型
Gemini 为 TPU 而生，全家桶原生适配
因早期 TPU 技术问题，去年转投 GPU——提醒：TPU 并非稳赢
原文花了大量篇幅揭秘 TPU 供应链——这也是多数二手报道漏掉的部分。
分析师估算的博通分成。它按 Google 蓝图完成 TPU 物理设计与关键封装、代管台积电产线，还提供命门级 IP——SerDes 高速互联（芯片间高速传数据、实现万卡并行的最佳技术）。（原文）
原文反驳黄仁勋「对手芯片免费也没人要」：台积电刻意不把产能过度倾斜给任何一家——英伟达永远拿不到它想要的全部产能，所以对手芯片永远有需求。（原文）
Google 与博通多次因 TPU 价格「顶牛」，于是引入联发科，即将代产一款低配版 TPU 以摊薄 AI 运行成本。（原文）
原文以 FAQ 形式写成，这里按原文口径浓缩——点击展开。
v1 只做推理、仅供内部（搜索、AlphaGo）。2018 年起在 Google Cloud 开放租用。
ChatGPT 引爆算力抢购，H100 一卡难求，市值冲上数万亿美元。
Google 首次把 TPU 明确定位为「推理时代」武器，9,216 颗一个 Pod。
签约至多 100 万颗 TPU、超 1 GW 算力——史上最大 TPU 订单，证明第三方大规模可用。
Gemini 3（纯 TPU 训练）口碑爆棚之际，The Information 曝出 Meta 洽购 TPU → 英伟达盘中暴跌 7%、官方下场回应「领先一代」，Alphabet 大涨。
The Information 以 FAQ 形式逐项拆解 GPU vs TPU：算力、成本、供应链、软件生态——本报告的主要依据。
CES 宣布 Vera Rubin 七芯片全面投产；GTC 2026 发布 NVL144：单机架 3.6 EF（NVFP4），宣称推理性价比数倍于 Blackwell。
第八代 TPU 一分为二：8t 管训练、8i 管推理（官方称训练最快提速 3 倍、性价比提升 80%）；一周后官宣首次向精选客户直接出售 TPU——原文预判的路线成真，Anthropic 再签数 GW 下一代协议。
Rubin 出货撞上 TPU v8 部署潮，产量差从 3 倍向 2 倍收窄——真正的决战才刚开始。
短答案：现在还没有输家——但「英伟达别无对手」的时代结束了。
原文承认：性能覆盖面、CUDA、随处可租的可得性，英伟达全面占优；单芯片算力仍是 TPU 的约 2 倍，产量约 3 倍。它输掉的不是市场，是「唯一性」。
Gemini 与 Claude——世界最顶尖的两个模型，完全或部分由 TPU 训练。这句话在 2024 年还是异端，如今是原文开篇的既定事实。
原文点破：客户哪怕只是「讨论一下用 TPU」，都能逼英伟达降价。竞争让所有算力买家受益——包括没买 TPU 的。
台积电的产能分配决定 TPU 铺货上限（2027 剑指 500 万颗），而软件差距——原文口径「JAX 们还没补上」——决定 TPU 能不能被英伟达客户真正用起来。