打破十年独占：Google TPU 进驻甲骨文云，双重破解 CUDA 生态与数据重力

Google 的王牌算力芯片，在自家后院藏了整整十年。 现在，它要被装进老对手的机房了。

从 2027 年开始，甲骨文的云计算中心将大规模部署 Google 最新的第八代 TPU。 两家在云服务市场上斗了这么多年，这还是 Google 第一次把自家算力核心卖给直接竞争对手。

Google 为什么要这么干？

过去这几年大模型爆发，英伟达的 GPU 成了印钞机。 芯片价格被炒上天，买卡要排队，还得看黄仁勋的配额脸色。 其实论硬指标，Google 手里的 TPU 一点都不弱。 它最新的第八代训练芯片 TPU 8t，单颗芯片能跑出 12.6 PFLOPS 的 FP4 算力。 在超大规模集群训练里，有效工作时间能咬在 97% 以上。 拿来做低延迟推理，每美元算力性能比英伟达同行方案高出最多 80%。 算力强，集群利用率高，性价比还顶。

那为什么过去大模型团队不肯大面积投奔 TPU？ 大家被卡在两个现实难题里。

头一个坎，是代码。 整个开源 AI 界，大家的模型架构全是用 PyTorch 写的，生态牢牢绑在英伟达的 CUDA 上。 以前你想用 TPU，必须把模型代码推倒，用 Google 自己的 JAX 框架或者复杂的编译器重写一遍。 动辄几千行底层算子，谁重构谁掉头发。 没人愿意为了省点算力钱，冒着业务跑飞的风险去重构整套模型。

这个问题，前阵子被 Google 联手 Meta 给拆掉了。 他们开源了 TorchTPU，直接把 TPU 做成了 PyTorch 的原生底层设备。 代码里加上一句参数，现成的 PyTorch 模型就能直接跑。 开源社区最主流的推理框架 vLLM 和 SGLang，不用重写一行模型代码，无缝切到 TPU 上。

代码的问题解决了，后面还有一个更硬的家伙：数据重力。 大企业的核心业务数据、账本、交易记录，很多都在甲骨文的数据库里。 几十上百 PB 的敏感数据，谁敢随便在不同云之间倒腾？ 不仅跨云传输的时延无法接受，那笔天文数字的跨云数据流出费，就能把利润吃光。 数据移不动，算力就只能看着干着急。

这次两家联手，就是要把这个工程钉子拔掉。 甲骨文出地皮、电力、散热和机房网络，Google 专心把 TPU 集群送进去。 甲骨文用自研的 Acceleron 专网架构和智能网卡，直接把 TPU 算力集群接到了自家的数据库和存储池上。 TPU 芯片之间走 Google 原生的光纤高速通道；对外传输走 Acceleron 硬件专网。 大企业的核心数据根本不用离开甲骨文机房，就能让 TPU 挨着自己的账本微调和大并发推理。 没有跨云延迟，没有过路费。

以前 Google 守着 TPU 当护城河，以为能把客户全逼进自己的云生态。 结果英伟达的生态实在太硬，企业的数据库实在太沉。 守在自家的院墙里，TPU 就算堆得再高，也冲不垮 CUDA 的大门。 把武器卖进对手的阵地，算力替代的仗才真正打响了。