谷歌 TPU AI 基建规模迈入 100 万级，核心瓶颈从“缺芯”转向“缺电”

在 SEMICON Taiwan 2026 活动中，谷歌宣布其 TPU 系统规模已跨越 100 万芯片级门槛，电力供应当前成为 AI 基础设施扩展的主要制约因素。

所谓“100 万芯片级规模”，指的是谷歌的 TPU 互联体系（涵盖网络拓扑、通信协议、软件栈等）已具备将最多 100 万颗 TPU 芯片整合为一个统一计算集群、实现协同运作的能力。

这一技术突破意味着，超大规模 AI 模型训练能够跨越多处数据中心与多个 Pod 进行分布式实施，而电力供给（而非芯片数量）已成为限制进一步扩充的核心瓶颈。

在名为“思维的物理学和智能的架构”的活动演讲中，谷歌首席技术官阿明·瓦赫达特强调，随着 AI 模型规模持续增长，制约扩张的关键瓶颈已从芯片本身转向电力供应，AI 算力的上限正从“无法制造芯片”转变为“无法获取电力”。

瓦赫达特还指出，AI 已迈入“智能体人工智能”时代，交互模式正由人机互动过渡至“智能体与智能体”的自动化交流，这将推动人工智能应用呈现指数级增长，并催生近乎无限的全球计算需求。

他将工业革命描述为一场“肌肉倍增器”革命，而人工智能则是一场“大脑倍增器”。人工智能不仅是对现有工作的自动化，更是让以往不可能完成的任务变为现实。未来，每位患者都能拥有医生，每位学生都能拥有老师，过去需要十年才能取得的科学突破，一年之内即可实现。

谷歌与 Anthropic 达成的合作协议涉及多达 100 万颗 TPU 芯片，总计算功率超过 1 吉瓦。根据协议，自 2027 年起，谷歌将向 Anthropic 提供 3.5 至 5 吉瓦的 TPU 算力容量，这笔交易价值高达 400 亿美元。

除谷歌外，其他科技巨头也面临类似的电力瓶颈。报道称，亚马逊正额外采购 200 万颗 Nvidia 芯片用于其 AI 基础设施建设，但电力供应短缺正成为全球 AI 数据中心扩张的共同挑战。

在技术规格方面，谷歌的 Ironwood TPU（TPU v7）每颗芯片具备 4,614 TFLOPS 的 FP8 计算能力，9,216 芯片的 Pod 可提供高达 42.5 Exaflops 的计算性能。该芯片配备 192 GB 高带宽内存，带宽达 7.37 TB/s，功耗效率较前代 Trillium 提升 2 倍。

在今年 4 月的 Cloud Next 大会上，谷歌发布第八代 TPU，分为 TPU 8t（训练专用）和 TPU 8i（推理专用）两种架构。TPU 8t 超级 Pod 可扩展至 9,600 颗芯片，共享 2 PB 高带宽内存，提供 121 ExaFLOPS 的 FP4 计算能力。想了解更多关于谷歌 AI 基础设施的详细信息，可访问开元官网首页。