AI推理时代，TPU需求炸裂式扩张! 大摩：谷歌百万颗TPU撬动2000亿美元云计算收入

智通财经获悉，华尔街金融巨头摩根士丹利的最新测算表明，随着AI算力产业链条由集中式AI训练进一步转向规模化AI推理进程，谷歌TPU主导的AI ASIC算力集群正从谷歌云计算业务内部的降本增效与定制化计划工具升级为可对外销售的高毛利AI云基础设施业务。百万颗TPU、大约350亿美元的潜在大规模批量供货承诺，促使摩根士丹利分析师团队将谷歌TPU系统售价假设由每吉瓦200亿美元大幅上调至270亿美元，并将毛利率假设由20%提高至30%。

摩根士丹利最新发布的一份研究报告显示，该行预计，谷歌2027年与2028年的TPU相关云收入将分别达到840亿美元和1080亿美元，合计接近2000亿美元。这也意味着谷歌母公司Alphabet(GOOGL.US)可能从巨额AI资本开支主要承担者进一步转变为AI算力系统租赁/出售超级平台，TPU则可能成为继搜索广告与公有云计算IaaS+SaaS业务之后的又一规模化收入增长引擎。

百万颗TPU撬动350亿美元订单!大摩：谷歌剑指2000亿美元算力金矿

对于模型结构相对稳定、调用量巨大且能够长期保持高利用率的成熟模型、开源模型与AI智能体工作负载，TPU等专用AI芯片(谷歌TPU即为最典型的云计算大厂们自研AI ASIC技术路线)可以围绕低精度矩阵计算、内存访问和芯片互连进行深度优化，从而改善单位Token成本、每瓦吞吐量与总体拥有成本;与此同时，谷歌TPU算力集群同样可以承担大规模训练任务，因此更准确的趋势是GPU与ASIC/TPU形成异构算力分工。

也就是说，AI训练算子进程以及那些架构最复杂、变化速率最快的前沿AI工作负载仍高度需要AI GPU集群——前沿模型预训练、强化学习和快速变化的新算子仍更依赖GPU的可编程性、CUDA生态与NVLink/NVSwitch集群能力，而围绕成熟与开源体系AI大模型、Copilot、AI Agent(即AI智能体)的大规模AI推理工作负载则越来越适合专用的自研AI芯片。具体来看，谷歌将第八代TPU分为训练型TPU 8t和推理型TPU 8i：8i通过更大的片上SRAM、288GB HBM和专用集合通信引擎优化KV Cache与低延迟推理，官方称其推理性价比较Ironwood提高最高80%。

在摩根士丹利、Wedbush Securities等持续看好AI算力产业链投资前景的机构们看来，AI推理时代的近乎无止境最前沿算力与围绕AI智能体的算力需求，使AI ASIC能够在不摧毁GPU需求的情况下成长为第二个万亿级算力生态的重要组成部分——反而进一步强化了“AI半导体超级周期不是单一GPU周期，而是整个数据中心硅含量指数级提升周期”的AI算力产业链投资逻辑。

摩根士丹利分析师布赖恩·诺瓦克领导的分析师团队在致客户的最新报告中写道：“值得注意的是，近期媒体报道显示，Alphabet旗下的谷歌承诺以约350亿美元的价格供应约100万颗TPU——据我们估算，相当于约1.3吉瓦——折合约等同于我们此后上调后的每吉瓦约270亿美元。此前，我们假设谷歌在这些第一方合作关系中，以每吉瓦200亿美元的价格销售机架及系统，毛利率为20%。”“

此外，谷歌与迈威尔科技进一步扩大化的定制化芯片研发协议——我们的半导体研究团队曾在此撰文分析——与TPU定价及平均售价高于我们此前假设的判断一致，而且可以说为这一判断提供了支持。鉴于这些新信息，我们将TPU第一方销售额预期大幅度上调至每吉瓦270亿美元……销售毛利率则大幅提高至30%。总体而言，我们目前预计，谷歌将在2026年下半年销售0.3吉瓦的TPU系统，2027年销售3.2吉瓦，2028年销售4.2吉瓦。按照这一测算，2027年和2028年TPU相关的谷歌云计算业务营收数据将分别达到840亿美元和1080亿美元。”布赖恩·诺瓦克领导的分析师团队写道。

诺瓦克领导的大摩分析师团队继续给予谷歌“增持”评级，目标价则重申为400美元。截至周二美股盘初，谷歌母公司Alphabet的股价徘徊在每股348美元附近。

谷歌联手Marvell、微软Maia 200蓄势待发以及Anthropic挖角TPU元老，AI巨头们在AI推理时代争夺“硅权”

AI推理时代的Token经济学截然不同于AI训练工作负载，训练包含前向传播、反向传播、梯度同步与频繁变化的研究型算子，更看重通用性、软件成熟度和集群扩展能力;推理则可拆分为计算密集型的预填充(Prefill)和内存带宽、KV缓存及延迟敏感的解码。ASIC/XPU能够实现删除不必要的通用电路，针对FP8/FP4低精度矩阵运算、注意力机制、混合专家模型(MoE)、KV Cache和数据移动路径进行硬化，从而提升每瓦Token数量级、每美元Token数及服务等级协议(SLA)的确定性。

需要强调的是，AI智能体的模型调用模式虽然相比于GPU更加适合ASIC，但其规划、工具调用、检索增强生成(RAG)和状态管理仍需CPU、内存、网络与存储协同，因此智能体时代反而会进一步强化“异构计算体系”。

美国科技巨头之一的微软(MSFT.US)计划很快推出其最新自研AI加速器Maia，加之谷歌与Fabless芯片公司Marvell(迈威尔科技)的新协议覆盖AI加速器、存储和内存控制器等多款定制芯片，凸显出AI应用领军者以及超大规模云计算厂商们主导的AI算力基础设施建设进程正在从“集体采购英伟达GPU”全面升级为英伟达GPU+AMD GPU+自研AI专用集成电路(AI ASIC)/XPU+CPU/DPU大规模协同运行的异构计算体系。当AI大模型架构逐步稳定且全球各行业Token调用量呈现出指数级增长后，高并发AI推理工作负载越来越适合通过定制芯片降低单位Token成本。

谷歌与Marvell(即迈威尔科技)的新协议，全面覆盖AI加速器、存储和内存控制器等定制芯片，潜在采购对应Marvell截至2033财年的最高约1200亿美元收入，实质是分散对谷歌TPU长期以来的技术端合作伙伴博通这一单一fabless设计伙伴的依赖。

微软Maia 200则以台积电3纳米制程、FP8/FP4张量核心、272MB片上SRAM及定制片上网络(NoC)压缩Azure、Copilot与大模型推理成本;其相对英伟达GPU的核心优势不是“任何模型都更快”，而是微软能够把芯片、编译器、模型、数据中心网络和云端调度联合优化，并避免支付外部GPU厂商们的全部利润溢价。

微软一份研究报告称Maia 200相较其机群中最新一代硬件已经实现每美元性能提高30%，其自研MAI模型运行在Maia 200上时每瓦性能提高约40%。这正是推理时代ASIC/XPU最危险的竞争力：当数十亿次相似Token生成任务能够被高度标准化之后，英伟达主导的“万能GPU”的灵活性溢价不一定值得每一次推理请求都支付。

本文源自：智通财经网