谷歌是最不缺算力的公司，他比英伟达还不缺。 甚至英伟达 GPU 极有可能就是跟着 TPU 走的（圈内半透明的共识了） 1️⃣ 张量核心（Tensor Core） NVIDIA 在 Volta 之后全面引入，本质是向 TPU 的矩阵乘法专用化靠拢 2️⃣ 低精度计算（FP16 / BF16 / INT8） TPU 很早就为推理优化低精度，GPU 是后来被模型需求“逼着”支持 3️⃣ 大规模集群 + 编译器协同 TPU 是“硬件 × 编译器 × 调度”的整体，而 NVIDIA 才开始认真做 Triton / CUDA Graph / NVLink 级别协同 英伟达靠芯片算力赚钱，而 Google 靠长年稳固的生态，广告、搜索引擎、YouTube 、浏览器、Android 等等网络现象供血，算力仅仅是其成本，不是消耗利润。 TPU 一直是 Google 全力自研的，可以允许足够长时间的研究和推翻。 Jeff Dean 对 TPU 的理解是，如果模型是你定义的，那么硬件也应该是你定义的，所以 TPU 是从编译器（XLA）、计算图（TensorFlow）、数据中心拓扑、调度系统的一整套系统工程 风险层面讲，由于英伟达是卖 GPU，必须服务于所有客户，容错率极低。 该买哪个美股，又清晰了吧