据《日经亚洲》9月2日报道，谷歌云 AI 与基础设施高级副总裁兼首席技术官 Amin Vahdat 表示，谷歌正大幅加快自研人工智能芯片 TPU 的迭代节奏，把原先约两年一代的更新周期压缩到每年推出两款新版本，未来还可能进一步加密，以在人工智能竞赛中保持领先。

从两年到一年两款

Vahdat 称，更快的芯片更新能提升模型训练与推理效率、巩固谷歌在人工智能领域的竞争力。在今年的 Google Cloud Next 2026 大会上，他曾提出一个判断：”计算机不再由单颗芯片定义，计算机是整个数据中心。”这句话点出了谷歌的思路：竞争焦点已从单颗处理器，扩展到电力、散热、网络和存储共同构成的整体基础设施。

谷歌的 TPU 全称张量处理器，是其从 2015 年开始自研、2018 年起对外出租给云客户的专用 AI 芯片。第八代 TPU 已首次把训练与推理拆分为两款独立芯片——TPU 8t 专攻训练、TPU 8i 专攻推理——正是负载分化的直接结果。本轮加速迭代，是在这一架构转向基础上的节奏升级。

对手也在加码

把芯片当作战场的不只谷歌。亚马逊自 2018 年发布 Inferentia、2020 年推出 Trainium 以来，持续扩充自研 AI 芯片阵容；英伟达则在训练与推理两端提供从数据中心到边缘设备的全栈方案，长期占据市场主导。超大规模云服务商集体自研芯片，目标都是降低对外部供应的依赖、压缩算力成本。

对使用云服务的企业而言，更快的 TPU 迭代可能带来算力成本下降与性能提升，但短期内对现有供应链与算力规划的影响仍有待观察。

中国市场同样加速

在中国市场，算力自主同样是各方关注的重点。以华为昇腾系列为代表的国产 AI 芯片近年来迭代明显提速，训练与推理场景也在逐步分化。全球范围内的芯片架构创新与生态整合，正成为决定人工智能产业胜负的关键变量之一。