谷歌的tpu在hbm存储用量上将增长6.8倍，当时谷歌还拿小作文跟三巨头谈判长约😂 目前算上三巨头的扩产产能也远远跟不上他们的规划需求增量。

谷歌的tpu芯片⽤例与 GPU 相⽐略有局限，在特定用例上比如推理方面，谷歌tpu芯片提供⾼达 1.4 倍的每美元性能提升，这对于可能尝试使⽤ GPU ⽽不是 TPU 的客户来说是⼀笔相当可观的节省. 同时在搜索检索速度方面， TPU 提供的速度优势，TPU 在训练动态模型的速度⽐ 英伟达GPU 快 5 倍.

不知不觉，过去2周写了很多关于Google #TPU# 的文章，既有技术干货也有商业思考，整理TPU系列文章如下： 1️⃣谷歌重要产品发布介绍分别是 专用于训练的TPU 8t芯片以及Virgo 网络。 2️⃣300万片TPU背后的产业链： 3️⃣为了适应模型发展，第八代TPU设计中，谷歌的软硬件和网络解决方案： 4️⃣Anthropic 订购TPU，他和谷歌的股权投资历史 5️⃣Google TPU 8t和英伟达GB300机架级性能对比 6️⃣TPU封装 7️⃣TPU对英伟达的冲击 8️⃣TPU对谷歌财报未来贡献

按照 $GOOG 财报会中透露的时间节点，26年底tpu出货，27年放量。 对应的 $MRVL 连续爆拉时间可能就在9月左右开始直到27年。因为tpu没有大规模放量现在市场看不太清楚mrvl的潜力。

谷歌这个财报最利好 $MRVL 谷歌用tpu侵蚀了英伟达的市场版图， 而最新款的推理TPU和内存MPU，俩个未来需求量最大的芯片设计是跟 $MRVL 合作， 谷歌利润暴增，自然 $MRVL 作为供应商肯定利润也少不了。

现在 $MRVL 156刀太便宜，为什么看好 。 要从谷歌在 TPU 供应链上采取的“分而治之”的策略说起。 谷歌跟博通的合作是主要负责高性能训练级的TPU。 而谷歌跟 $MRVL 的合作是推理型TPU和新增的内存处理单元MPU。 很明显在AI带来的token经济时代，推理和内存是最大的需求端反超了训练需求。这个变化很快就会反馈在今年下半年的 $MRVL 财报业绩中， $MRVL 的 AI 业务刚进入爆发期，谷歌的订单（预计 2026-2027 年出货达数百万颗）对其业绩的边际拉动作用远大于博通。 同时我们可以分析一下从为什么谷歌会找 $MRVL 来合作设计推理TPU和内存MPU。 为了降低延迟，现在的AI服务器从铜互联进化到光互连，未来的硅光技术会成为主流。 而在这方面，光互连和芯片设计都精通的 $MRVL 进入谷歌 TPU 供应链就是谷歌的必然选择。对mrvl来说这本质上就是为了下一代“光电融合”架构做铺垫，不仅是在帮谷歌“画电路图”，它实际上是在推销一套“全光互连的计算底座”。在这种趋势下，芯片公司与通信公司的界限正在模糊， $MRVL 正在试图定义 1.6T 乃至 3.2T 时代的 AI 连接标准，将原本属于模块厂“#中际旭创# #新易盛# ”的一部分利润（即集成和测试的溢价）收归己有。

🔥 前AMD高管深度拆解：ASIC战局与芯片巨头的隐秘关系 ⠀ $NVDA 之外的世界，正在悄悄重组 👇 ⠀ 1️⃣ 为什么 $GOOGL TPU 需求暴增？ ⠀ 市场迫切需要 $NVDA 以外的选择 ⠀ 推理端需求爆发，TCO成为新战场 ⠀ 前几代TPU主打训练，现在全面转向推理 ⠀ 2️⃣ 推理时代的新指标 ⠀ 不再只追求原始算力和最大功耗 ⠀ 转向每瓦性能和每美元性能 ⠀ 效率才是下一轮竞争的核心 ⠀ 3️⃣ $GOOGL TPU 背后谁在撑场？ ⠀ 核心架构：$GOOGL 自研 ⠀ SerDes IP 等关键知识产权：来自 $AVGO ⠀ 两家深度绑定，不是简单的甲乙方关系 ⠀ 4️⃣ $MRVL 的下一张牌 ⠀ $GOOGL 将与 $MRVL 合作开发下一代内存处理单元 MPU ⠀ 最大瓶颈：ASIC与内存之间的数据传输速度 ⠀ 解法：把部分计算直接卸载到内存，减少吞吐瓶颈 ⠀ 5️⃣ $INTC 的逆袭机会 ⠀ $GOOGL TPU 第九版将采用 $INTC 的 EMIB 封装技术 ⠀ $META 计划2027年用 $INTC 开发自研ASIC ⠀ 这些都是代工订单，不直接影响 $AVGO 和 $MRVL 的设计业务 ⠀ 但 $INTC 代工端将显著受益 ⠀ 💡 一句话总结 ⠀ AI芯片格局正在从 $NVDA 一家独大 ⠀ 演变成 $GOOGL · $AVGO · $MRVL · $INTC 多方分食 ⠀ 每一层都有赢家，关键是你蹲在哪一层 ⠀ ❓ 你最看好哪家从这轮ASIC浪潮中获益最多？ ⠀ 评论区告诉我 👇