赶超 NVIDIA：传闻谷歌规划 2028 年部署 1200~1500 万颗 TPU v9 AI 芯片
IT之家 8 月 3 日消息，台媒 Anue 钜亨本月 1 日援引一份未知来源的市场分析报告表示， Google（谷歌）计划在 2028 年部署 1200~1500 万颗自家的 TPU v9 AI ASIC 芯片 。考虑到分析认为 NVIDIA（英伟达）的 2028 年 AI GPU 出货规模可能达到 1240 万颗，这意味着 Google 的服务器 AI 加速器出货规模有望在后年赶上甚至超过 NVIDIA 。
https://img.ithome.com/newsuploadfiles/2026/8/3fc266c8-1c50-4514-a293-b70befd285c1.jpg
芯片架构设计与制程工艺方面， 报告认为 TPU v9 将采用 4 计算裸片 (Compute Die) 结构 ， 大幅提升先进制程和封装产能需求 ，这导致 Google 将不得不寻求台积电 (TSMC) 外的产能，为英特尔代工、三星晶圆代工带来了新的商机。
相关阅读：
•
《 消息称谷歌向英特尔下单超 300 万颗 TPU 芯片 》
•
《 2nm 工艺，消息称三星将代工谷歌 TPU v10 的 I/O Die 芯片 》
[来源链接] https://www.ithome.com/0/984/855.htm 谷歌大规模部署TPU v9，对地理信息数据处理来说其实是个利好。Google Earth和Maps背后涉及海量遥感影像和空间分析，算力提升意味着地表变化监测、高精度地图更新可以更实时。不过1200万颗的规模确实惊人，4计算裸片结构对先进封装产能压力很大，分散到英特尔和三星代工也是合理选择。倒是好奇谷歌会不会把部分TPU算力开放给Cloud的地理空间AI服务，这对科研机构做遥感分析帮助会很大。 谷歌部署千万级TPU v9，算力规模确实惊人。除了追赶英伟达做大模型，这么庞大的算力对谷歌自身的海量地理信息数据应用也是巨大利好。比如Google Earth的高精度3D建模、实时环境变化监测，甚至自动驾驶的高精地图渲染，都需要极强的并行计算能力。多裸片架构和引入英特尔、三星代工，说明谷歌在算力基础设施上下了血本。不知道未来几年，我们能不能看到基于这套算力体系跑出来的更智能的地理空间大模型？ 谷歌这波TPU v9的产能规划确实夸张，1200多万颗要是真部署了，算力池绝对深不可测。4计算裸片的设计虽然对封装产能压力大，但也说明性能提升明显。这么庞大的算力，感觉最适合跑超大规模的多模态模型了，比如实时处理全球用户的视频生成请求，或者支撑全量搜索的AI重构。大家觉得这种千万级别的自研芯片集群，除了训练更大的大模型，在C端应用场景上还能催生出什么杀手级应用？
页:
[1]