一句话看懂：据台湾媒体引述的市场分析报告，谷歌计划到 2028 年部署 1200 万至 1500 万颗自研 TPU v9 芯片，规模有望超过英伟达同期的 AI GPU 出货量。这意味着谷歌正从“租用英伟达算力”转向“自建算力基础设施”，可能对英伟达的 AI 芯片主导地位构成实质挑战。
事件核心：发生了什么
据台湾媒体“聚台”引用的市场分析报告，谷歌计划在 2028 年前部署 1200 万至 1500 万颗自研 TPU v9 AI 加速芯片。作为参照，该分析预计英伟达同年的 AI GPU 出货量约为 1240 万颗。如果预测成真，谷歌将在服务器 AI 加速器出货量上首次超过英伟达。
TPU 是谷歌为 AI 训练和推理专门设计的 ASIC 芯片，此前一直通过内部使用迭代，从未公开销售。TPU v9 预计采用 4 个 Compute Die 的结构设计，这对先进制程和封装产能提出更高要求。报告指出，谷歌可能因此需要在台积电之外寻求更多制造合作伙伴，英特尔和三星的晶圆代工业务有望获得新机会。
为什么重要
这一计划的意义不仅在于“自研替代采购”。对谷歌而言，自研 TPU 能显著降低长期算力成本，并减少对单一芯片供应商的依赖；对整个 AI 行业来说，它标志着大型科技公司正从“购买通用 GPU”加速转向“定制 AI 芯片”。当一家拥有海量自研芯片的超级玩家出现，英伟达在 AI 算力市场的定价权、供货节奏和生态优势都会面临真正的压力。
同时，多供应商代工策略如果落地，也会改变先进芯片制造的产能分配格局，让台积电之外的第二、第三梯队代工厂获得更多高端订单机遇。
对用户/开发者/创作者的影响
对普通用户而言，算力供给多元化可能在中长期降低大模型 API 的调用成本，因为云厂商不再只能被动接受英伟达 GPU 的溢价。对开发者和企业决策者来说，谷歌若大规模部署 TPU，意味着云平台上的 AI 训练和推理价格、配额、性能都可能发生变化；选择云厂商时，不仅要看模型能力，也要关注底层芯片的供给和性价比。创作者如果依赖 AI 图像生成、视频生成等高算力应用，也可能间接受益于更便宜的云端推理服务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，这仍是一份市场分析报告的预测，并非谷歌官方确认。后续可以关注三点：第一，TPU v9 的实际量产时间和出货节奏是否与报告一致；第二，谷歌是否会向外部开发者开放 TPU 算力租赁，甚至公开销售芯片；第三，英伟达在 2028 年前的下一代 GPU 出货策略、以及英特尔与三星代工产能能否承接谷歌的订单，都可能决定这一计划最终落地成色。
来源：AIbase
