TPU vs. GPU的愚蠢讨论：一场注定被“Finance Normies”遗忘的叙事

在当下所有涉及AI的讨论中，市场似乎每隔几个月就需要一个新的“NVIDIA 杀手”叙事来证明NVIDIA市值的脆弱。最近的焦点集中在Google TPU芯片上，Bloomberg报道说Meta很可能大规模采购，从此，市场认为TPU将彻底改变算力格局。

然而，剥离掉那些似是而非的噪音，你会发现：

这场关于TPU vs. GPU的讨论从技术基因角度看充满了根本性的误解。

它不过是华尔街在看到NVIDIA市值冲破5.0万亿美金后的一次心理恐高而导致的犹豫不决。

不出三个月，这一话题就会像之前的“DeepSeek颠覆算力需求”论调一样，被Finance Normies（跟风投资者）彻底遗忘。

不同基因决定的技术壁垒：

Google并不在乎你的PyTorch

首先，你要知道，Google TPU的存在逻辑与NVIDIA GPU有本质的不同：

NVIDIA的每一行CUDA代码、每一个CuDNN库的更新，都是为了让外部开发者“爽”或“更爽”；而Google的每一个TPU晶体管，第一要务永远是服务于Google内部的Search、Ads以及现在的Gemini工作流。

●Google从来不会“为了通用市场构建兼容工具”

Google本身拥有极其强大的内部工具链如Borg, Colossus, Flume等，但其工程文化的底色是“为了Google的规模构建专有工具”，而不是“为了通用市场构建兼容工具”。

尽管Google对外宣称支持PyTorch，但业内的资深MLE（机器学习工程师）都心知肚明：

PyTorch on TPU (via XLA) 多年来一直处于“能跑通MNIST，但在生产环境不仅是坑”的状态。

当遇到复杂的自定义Kernel、动态形状（Dynamic Shapes）或前沿的Attention变体时，XLA的编译延迟和算子不支持问题就会暴露无遗。

对于习惯了NVIDIA生态的工程师来说，在TPU上调试PyTorch代码简直是灾难。这不仅仅是工具链的缺失，更是因为Google根本没有动力去为外部用户优化这些“非内部标准”的体验。

● Roadmap的零和博弈：为什么要帮对手磨刀？

Google和Meta、OpenAI、Grok在模型层面上是死敌，这就引出了一个无法调和的战略矛盾：

TPU的下一代架构（v6/v7）是根据Gemini下一代模型的特性（如特定的MoE路由机制、稀疏化计算需求）来定义的。如果Meta的Llama 4或者其他客户的模型架构演进方向与Gemini 不同，Google会为了适应竞争对手的需求去修改TPU的指令集或编译器吗？

回答是：绝不可能！

对比之下，当一个新的SOTA算法出现（例如某种新型的FlashAttention）：

NVIDIA会连夜更新kernel（内核）以确保所有客户都能用上。这个时候，NVIDIA就是开发者的神！

而Google呢？你自己去啃TPU的底层文档吧！这对于追求Time-to-market的AI公司来说是不可接受的。

●GCP只是过客的客栈

对于Meta这样拥有巨量资源的科技巨头，购买GCP（Google Cloud Platform）的TPU算力其实完全符合逻辑，但这不会是长期的战略结盟。

因为Meta雇佣了大量ex-Google员工，这些人熟悉Borg和TPU体系，短期内用TPU跑实验确实顺手，但这只是一种人才红利的变现，而非硬件优势的证明。

Meta对TPU的购买，TPU在这里扮演的角色仅仅是Stopgap（权宜之计）。Meta使用TPU是为了填补在自研MTIA芯片成熟之前、以及英伟达GPU供货紧张时期的算力缺口。一旦MTIA能够承担主要推理甚至训练负载，或者当NVIDIA的供应缓解，这部分需求会迅速撤出。

只要Google不把自己定位为纯粹的Merchant Silicon（商用芯片）供应商，这在商业上对Google毫无意义！

那么，TPU所谓的“开放生态”就永远是一个伪命题：

指望Google投入真金白银去优化PyTorch生态以帮助Meta训练出击败Gemini的模型，这在商业博弈论中是不存在的解，Google的脑袋显然也没有进水。

所以，对于Meta或其他科技巨头，租用GCP上的TPU算力（尤其是在雇佣了大量前Google员工的情况下）是可以理解的。但这只是他们在自研ASIC成熟之前的变通之道。

一旦各家的Roadmap出现分歧，指望Google投入资源去优化PyTorch以支持对手的模型，纯属天方夜谭。

而且，Google也不会提供Reference Design，单是维护一套非主流硬件架构的工程成本，就足以抵消硬件价格上的任何潜在优势。

所以，关于与ASIC的竞争，黄仁勋之前才会这样放话，即使竞争对手将芯片价格定为零，客户仍然会选择英伟达。

注定要被遗忘的叙事：

“Finance Normies” 的记忆只有三个月

为什么在这个时间点，TPU vs. GPU的讨论突然成了热点？答案不在技术，而在金融市场的心态。

TPU是Google差异化GCP的护城河。如果Google开始对外销售TPU芯片，甚至帮助Meta这样的大模型竞争对手在非GCP环境下搭建Data Center，这无异于帮竞争对手设计Rack、写Kernel，最终用来训练一个和自己竞争的模型。

除了“脑子抽了”，很难找到合理的战略解释。

所以，市场正在拼命寻找理由来验证 “AI Capex will have a funding gap in 2028”（2028年AI资本支出将出现资金缺口）以及 “ASIC will eat NVIDIA's lunch”（ASIC 将蚕食 NVIDIA 份额）这两个宏观预设，而TPU vs. GPU的愚蠢讨论来的正是时候，终于有事情符合了市场的心绪。

十个月前，当DeepSeek展现出惊人的代码优化能力时，市场惊呼“软件优化将减少对GPU的需求”，NVIDIA股价随之大跌。

然而几周后，这个叙事就被抛诸脑后！

现在，市场又拿起了“NVIDIA 75%的毛利率不可持续”这一FUD（恐惧、不确定和怀疑）大棒，试图通过捧高TPU来打压英伟达GPU的估值。

但这注定只是一场无聊的轮回。对于Finance Normies来说，他们需要的不是技术真相，而是一个能解释当前股价波动的故事。

目前的TPU热潮，本质上是CSP（云服务提供商）与NeoCloud（云计算服务模式）博弈以及ASIC长期替代逻辑在短期内的非理性投射。

如果2028年真的出现资金缺口，或者是ASIC真的在通用性上超越了CUDA护城河，那时的市场反应将是毁灭性的（跌幅30%还是90%的区别），而不是现在这种茶余饭后的谈资。

三个月后，当财报季再次证明NVIDIA的护城河依然坚固，今天关于“Google卖TPU卡给Meta”的讨论，就会像之前关于“DeepSeek杀死硬件需求”的讨论一样，成为金融圈健忘症的又一个注脚。