谷歌推出“最强”TPU芯片，非GPU阵营活跃起来了

当地时间4月9日，谷歌发布第七代TPU（Tensor Processing Unit，张量处理器），并称该芯片是谷歌目前功能最强大的TPU，且是谷歌首款面向AI推理时代的TPU。这款芯片名为“Ironwood”，单芯片峰值算力可达4614 TFLOPs。

谷歌这款新芯片的特点还包括节能。相比通用的GPU（图形处理器），TPU等ASIC（专用集成电路）的特点就包括较低功耗。除了TPU，还有其他芯片希望凭借较低功耗等特点抢占AI芯片市场，非GPU阵营颇为活跃。

谷歌TPU迭代

谷歌在“Google Cloud Next 25”大会上推出了第七代TPU。“它专为大规模思考、推理AI模型设计，是谷歌迄今为止最节能的TPU。”谷歌表示。Ironwood可扩展至9216片芯片集群，性能是第六代TPU Trillium的2倍，能效则比2018年谷歌第一款Cloud TPU高出近30倍。

这款新TPU在内存带宽等方面有所改善，加快了数据访问速度。每颗Ironwood芯片的HBM（高带宽内存）容量为192GB，是Trillium的2倍。HBM带宽也有所提升，单颗Ironwood芯片的内存带宽达7.2Tbps，是Trillium的4.5倍。Ironwood芯片间互联（ICI）带宽则为1.2Tbps，是Trillium的1.5倍。

谷歌的TPU用于公司内部工作负载，不对外出售芯片，但谷歌自研的TPU部署量已经不小。据市场研究机构TechInsights数据，谷歌早在2023年就成为全球第三大数据中心处理器设计公司，位列CPU霸主英特尔和GPU霸主英伟达之后。

依托于自研芯片，谷歌在当地时间周三重申了今年的资本支出计划。谷歌计划今年斥资约750亿美元建设数据中心，押注生成式AI，这笔投资将用于构建改善谷歌核心资产所需的芯片和服务器，并支持Gemini等AI服务的开发。

一般来说，ASIC芯片的通用性比GPU弱，但适用于高效执行特定范围的功能，能耗和成本可以做到更低，业界分析人士认为这类芯片适合用于AI推理。

随着AI应用逐渐铺开，推理所需的AI芯片需求也有望增加。作为数据中心供应链上的厂商，铠侠株式会社首席技术执行官柳茂知告诉记者，市面上出现各种AI服务器，此前以训练型、学习型服务器为主，近段时间受DeepSeek等AI模型推动，出现越来越多推理型服务器。

除了谷歌TPU，其他云厂商也在自研这类能耗较低的ASIC芯片，例如亚马逊旗下有Trainium系列芯片，Meta有专为AI训练和推理设计的MTIA，微软有Azure Maia。

非GPU阵营活跃起来

除了ASIC芯片，其他新架构芯片也在迎合AI服务的灵活、低功耗需求，试图在AI时代分一杯羹。

采用RISC-V指令集架构的芯片也具备较低功耗的特点，且该指令集开源，目前RISC-V厂商也瞄准了AI服务的需求。3月，阿里达摩院的玄铁最高性能处理器C930开启交付，面向服务器级别高性能应用场景。这是一款CPU芯片，核内AI算力相比前代有所提升，采用RISC-V精简指令集，而非x86、ARM这两种目前被广泛使用的指令集。同月，睿思芯科也推出一款高性能RISC-V服务器芯片，面向智算场景。

“AI推理产生的算力需求将指数级增长，近期各行各业本地化部署DeepSeek，产生巨大的算力需求，导致很多智算中心算力供不应求，RISC-V芯片能凭借低功耗和灵活定制的优势改变这个现状。” 在近日中科创星发起的好望角科学沙龙上，中国科学院计算技术研究所副所长、研究员包云岗表示。

芯片厂商奇异摩尔相关负责人告诉记者，RISC-V架构具有开放性和可定制性，其开源和模块化特性允许开发者根据特定AI应用的需求定制指令集，从而优化性能和功耗。AI推理产生算力需求，使RISC-V在AI领域变得更加重要。

作为一种年轻的指令集架构，加州大学伯克利分校的研究团队2010年才首次发布RISC-V。另外两种主流指令集x86和ARM都较为封闭，x86基本不对外授权，企业要使用ARM架构需向其所属公司支付授权使用费，RISC-V的路径则是开源免费。但相比x86和ARM生态的成熟，RISC-V生态仍在完善过程中。此前RISC-V多应用于物联网领域，目前则在探索应用于高性能计算，例如用于AI服务。

包云岗表示，国内香山高性能处理器核IP、玄铁C930服务器芯片等推出，验证了RISC-V在高性能计算领域的可行性。市场研究机构Omdia预计，AI将对该架构芯片扩大应用有所助力，2030年基于RISC-V的AI处理器出货量将超过5亿颗。

RISC-V的研究热度也有所升温。近日东壁科技发布的相关报告显示，RISC-V领域研究自2019年起进入快速增长期，2022年进一步升温，目前该领域的研究进入稳定增长阶段。RISC-V领域的研究热点就包括人工智能与机器学习、物联网与边缘计算、拓展高性能计算应用等。国内学者发布的RISC-V相关论文数已超300篇。

不过，包云岗也指出，RISC-V在应用中还需攻克“三座大山”，分别是工具链短板、标杆案例缺失和人才缺口，尤其是人才缺口。目前该领域从芯片设计、验证、解决方案、技术支持等各个层次的人才均不足。