谷歌 TPU AI 基建规模达百万级，电力成核心瓶颈

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

IT之家 9 月 16 日消息，在 SEMICON Taiwan 2026 活动中，谷歌宣布其 TPU 系统已扩展至 100 万芯片级规模， 而电力供应成为 AI 基础设施扩张的核心瓶颈。 IT之家注：这里的“100 万芯片级规模”是指谷歌的 TPU 互联架构（包括网络拓扑、通信协议、软件栈等）已经能够支持将最多 100 万颗 TPU 芯片连接成一个统一的计算集群，实现协同工作。 该技术能力的突破，意味着超大规模 AI 模型训练可以跨越多个数据中心、多个 Pod 进行分布式训练， 而电力供应（而非芯片数量）已成为限制进一步扩张的核心瓶颈。 在题为“思维的物理学和智能的架构”活动演讲中，谷歌首席技术官阿明 · 瓦赫达特（Amin Vahdat）指出，随着 AI 模型规模不断扩大， 制约扩张的核心瓶颈已从芯片本身转移至 电力供给 ，AI 算力的天花板正在从“造不出芯片”变成“找不到电”。 瓦赫达特还称 AI 已经进入“智能体人工智能”时代，交互模型正在从人机交互转向“智能体与智能体”的自动化对话，这将推动人工智能应用呈指数级增长，并创造几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”。 人工智能不仅仅是自动化现有工作，更是让以前不可能完成的任务成为可能。未来，每个病人都能拥有医生，每个学生都能拥有老师，过去需要十年才能取得的科学进步，一年之内就能完成。 谷歌和 Anthropic 达成的合作协议涉及高达 100 万颗 TPU 芯片，总计算功率超过 1 吉瓦。根据协议，从 2027 年开始，谷歌将为 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。 除了谷歌之外，其他科技巨头也面临类似的电力瓶颈问题。报道指出亚马逊正在购买额外 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）每芯片提供 4,614 TFLOPS 的 FP8 计算能力，9,216 芯片 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，功耗效率比前代 Trillium 提升 2 倍。 在今年 4 月召开的 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 芯片，共享 2 PB 高带宽内存，提供 121 ExaFLOPS 的 FP4 计算能力。