最近一篇来自SemiAnalysis的重磅长文在AI圈里炸开了锅——它断言：谷歌第七代TPU（代号“Ironwood”/TPU v7）+ Anthropic订购100万颗TPU的超级订单，标志着英伟达CUDA生态的“护城河”开始崩塌。
文章声称，TPU不仅总拥有成本（TCO）显著优于英伟达Blackwell GPU，还首次走出谷歌内部，正式杀入“商户市场”。
乍一看，这像是AI基础设施格局洗牌的前夜：昔日王者英伟达被挑战，谷歌悄然崛起。但事实真的如此简单吗？本文深度拆解这篇爆文，结合公开财报、技术披露与第三方信源，为你还原这场“AI算力暗战”的真实图景。
Anthropic百万TPU订单：千真万确，但细节存疑
首先必须承认，SemiAnalysis文章的核心驱动力并非空穴来风。
2025年10月，谷歌与AI明星公司Anthropic联合官宣：Anthropic将在训练和部署Claude模型时，计划接入高达100万颗TPU，总价值“数十亿美元”，并将在2026年带来“超过1吉瓦”的算力容量。这直接坐实了“100万TPU”和“数十亿规模”这两个震撼数字。
更关键的是，谷歌母公司Alphabet在2025年第三季度财报中披露：其营收 backlog（未完成订单）从6月底的1082亿美元猛增至9月底的1577亿美元，单季暴涨495亿美元。
管理层特别强调：云业务 backlog 已达1550亿美元，环比增长46%、同比增长82%，主要由AI驱动。这与SemiAnalysis所称“大型多年期AI基建订单（可能包含Anthropic）正成为GCP增长引擎”的判断高度吻合。
Ironwood性能对飙Blackwell：差距正在快速缩小
谷歌确实在2025年公开发布了Ironwood——这是迄今最强大的TPU。单芯片配备192GB HBM3E高带宽内存，内存带宽高达7.37TB/s，FP8峰值算力达4614 TFLOPs，还能横向扩展至9216颗芯片组成超大规模Pod。
多家外部技术分析与媒体报道证实：在芯片和Pod层面，Ironwood的原始算力和带宽已大致追平甚至略微落后于英伟达GB200/GB300 Blackwell系统，历史性地大幅缩小了TPU与GPU之间的性能鸿沟。
尤其值得注意的是，谷歌官方文档明确指出：Gemini系列模型正是在TPU上训练并运行的；而近期关于Gemini 3和Ironwood的报道，更是反复强调二者“深度集成”，多个信源暗示Gemini 3的训练完全在TPU上完成。这意味着TPU已不仅是成本工具，而是支撑谷歌最前沿AI能力的核心引擎。
神秘“第四客户”是谁？SemiAnalysis的推理大胆但未证实
然而，文章从坚实事实滑向推测的关键转折点，出现在对博通（Broadcom）“第四位XPU客户”的归属判断上。博通在2025年Q3财报电话会上透露，已获得来自“第四位AI加速器客户”超100亿美元的AI机架订单，主要在2026财年交付。但博通并未点名该客户。
华尔街日报、Tom's Hardware等多家独立媒体均指向OpenAI，尽管未获官方确认。但SemiAnalysis却断言：这位神秘客户就是Anthropic，并进一步假设这100亿美元订单全部用于直接采购40万套Ironwood机架。这个推论虽具可能性——考虑到Anthropic刚宣布与Fluidstack在得州和纽约启动500亿美元的多年期AI基建计划——但它仍是推断，而非既定事实。把可能性当作确定性，是该文过度自信的典型表现。
谷歌云backlog暴涨495亿，全归功于Anthropic？想得太简单
类似问题也出现在对谷歌云订单的归因上。SemiAnalysis声称，Q3那495亿美元的backlog增长中，“大部分”来自Anthropic计划向GCP租用的60万颗TPU，价值约420亿美元。但Alphabet的财报仅确认了总增长额及AI驱动属性，并未按客户或产品拆分明细。
SemiAnalysis的数据本质是“反向工程”：它在数学上与公开总额一致，却非唯一解。将这种估算当作铁证，无疑高估了归因的确定性。这种“数据拼图式叙事”虽引人入胜，却容易误导读者误以为所有细节都已板上钉钉。
OpenAI真的停滞了吗？别被片面叙事带偏
文章另一处明显“选择性忽略”是OpenAI的进展。SemiAnalysis暗示OpenAI自GPT-4o后未完成全规模预训练，称Gemini 3的出现暴露了其“停滞”。但公开信息完全反驳此观点：OpenAI在2025年4月发布了明确更强大、更高效的GPT-4.1，8月又推出GPT-5，自称“最强模型”，在AIME 2025、SWE-bench、MMMU等多项基准测试中创下SOTA（当前最佳）。没有任何证据表明这些是“半成品”。
虽有Sam Altman内部备忘录泄露，谈及“经济逆风”与谷歌复苏，但那更多是内部管理沟通，而非算力枯竭的证据。更讽刺的是，博通的100亿订单若真是OpenAI所下，恰恰说明OpenAI正积极构建自己的非英伟达加速器栈，而非坐以待毙。SemiAnalysis从“OpenAI无敌”极端跳到“OpenAI掉队”，显然矫枉过正。
TCO优势真实存在，但44%差距是模型假设
在硬件层面，文章对TPU v7 vs. Blackwell的定性判断基本准确，但量化TCO（总拥有成本）的说法需谨慎对待。
Ironwood的192GB HBM3E、7.4TB/s带宽、4614 FP8 TFLOPs等参数与谷歌文档一致；而英伟达Blackwell Ultra（GB300 NVL72）单GPU配288GB HBM3E、8TB/s带宽，整机架含72颗GPU与36颗Grace CPU。
可见TPU v7在单芯片内存与带宽上接近GB200，仅在容量（192GB vs 288GB）上略逊于GB300，并非数量级差距。
文章声称谷歌内部Ironwood芯片TCO比GB200服务器低44%，这逻辑上合理——英伟达硬件毛利率超70%，意味着约4倍成本加价；而博通定制ASIC毛利率更低，且谷歌能内部消化系统集成与软件价值。
但“44%”这一精确数字无法公开验证，它依赖SemiAnalysis自家模型对BOM成本、功耗、利用率、折旧的假设。同理，其称外部客户（如Anthropic）租用TPU可比GB200/GB300节省30%-52% TCO，也属情景估算，而非硬数据。
MFU利用率争议：TPU真能碾压GPU吗？
文章另一有趣观点是：TPU因更贴近实际负载，能实现更高“模型浮点利用率”（MFU），而英伟达峰值FLOPs虚高。
这在理论上成立——业界共识是，大集群实际训练利用率常仅20%-40%，受功耗、内存、通信瓶颈限制。但若断言TPU“常规达到40% MFU而Blackwell仅30%”，进而推导出巨大TCO优势，则超出公开验证范围。
甚至英伟达赞助的SemiAnalysis自家“InferenceMAX”基准测试，也显示Blackwell在推理吞吐量上显著领先Hopper与AMD MI300。
可见，双方都能设计有利于己方的基准。对投资委员会而言，关键不是SemiAnalysis的假设错对，而是这类TCO差距的“高方差”——任何重仓押注40%-60% TCO优势的策略都应打折处理。
英伟达的“循环生态”遭质疑，但回应有理有据
文章指出英伟达通过投资或融资支持CoreWeave等GPU重资产“新云”公司，构建“资金内循环”以支撑GPU需求。
这确是真实存在的批评。
但英伟达财团队已回应：此类安排旨在获取有吸引力的风险调整回报，并非制造虚假需求。SemiAnalysis还称，TPU等替代方案让Anthropic、OpenAI能“威胁”英伟达，从而获得大幅折扣——例如OpenAI借此节省30% GPU开支。
这种博弈逻辑大概率存在（高毛利赋予英伟达定价空间，替代方案增强客户议价权），但具体折扣幅度高度不透明且因案而异。“OpenAI省30%”之说并无公开证据，应视为合理推测而非事实。
谷歌“表外融资”模式：重塑AI基建资本结构
文章在“生态系统与融资”部分最为扎实。谷歌通过Fluidstack，对TeraWulf、Cipher Mining等前矿企提供“表外租赁担保”——即谷歌为Fluidstack的租赁义务提供正式担保（如TeraWulf的13-18亿美元、Cipher的14+3.3亿美元），使其能获得项目融资债务，同时谷歌获得矿企股权认股权证。这些结构已多次官宣：10-25年托管合同、矿企获得数十亿签约收入、谷歌以担保换股权。
彭博社称此为“谷歌担保”新范式，其他超大规模客户正效仿。SemiAnalysis正确指出：此模式解决了加速器集群（4-5年寿命）与数据中心长租约（15+年）的期限错配，并让超大规模客户能绕过内部采购周期，更快扩展电力与空间。若此模式成行业标准，将深刻改变AI基建的资本结构与风险分担。
投资启示一：谷歌/Alphabet——从成本优势到外部变现
交叉验证SemiAnalysis观点与Alphabet财报、Anthropic公告及硬件报道，可确认：TPU正从谷歌内部成本优势，转变为外部收入与利润引擎。Anthropic的100万TPU、数十亿美元、2026年超1吉瓦容量，已具法律约束力；GCP的Q3 backlog激增证明此类AI订单已达Alphabet量级。Ironwood搭配Axion CPU，构成覆盖AI训练、推理与通用计算的全栈自研芯片组合。
若Ironwood TCO确显著优于Blackwell，谷歌将获得三重战略杠杆：
1）改善内部AI业务（搜索、Workspace、YouTube等）单位经济；
2）向外部AI实验室与企业提供差异化GCP服务（更便宜或同价更优）；
3）将英伟达的部分超额利润转化为自身价格优势或利润。
更值得关注的是，路透社报道称Meta正洽谈2027年起数十亿美元采购TPU，并可能2026年就通过GCP租用——这意味着谷歌甚至可向其他超大规模客户出售TPU，模糊云厂商与芯片商边界。
对投资组合而言，这强化了“Alphabet长期盈利被低估”的逻辑：其AI基建投入部分计入资本支出、部分为表外义务，但绑定的AI收入池（搜索、广告、云、Workspace）高利润且多元化。若TPU大幅降低AI单次查询成本，则搜索中的AI叠加将从利润拖累变为可扩展增长点，支撑远超当前模型预期的终局盈利。
投资启示二：英伟达——护城河受冲击，但崩溃言之过早
SemiAnalysis叙事揭示了英伟达在前沿计算领域首个规模化挑战，但时间维度至关重要。英伟达刚公布单季570亿美元营收（数据中心510亿），毛利率73%-75%，并指引Q4达650亿，目标2027财年维持70%+毛利率。
如此高盈利意味着：即使TPU、Trainium（Trainium为亚马逊自研AI芯片）、博通XPU逐步侵蚀其定价权，英伟达仍有巨大缓冲空间。当前供给仍紧，超大规模客户与国家级项目争抢产能，且Blackwell/Rubin路线图、网络与软件生态构成高切换成本。
未来12-24个月，替代加速器更可能压制英伟达上行空间、推动行业走向竞争均衡，而非引发崩盘。
关键投资问题是：当前估值是否已透支未来十年70%+毛利率与50%+增长？若SemiAnalysis的TCO差异方向正确，英伟达长期毛利率确有下行压力。理性均衡下，多家大型供应商（英伟达、谷歌/博通、AWS/Trainium、Meta ASIC、OpenAI XPU）将驱动价格竞争，尤其对商品化工作负载及无深度生态绑定的客户。风险不在技术落后（Blackwell Ultra及后续Rubin架构仍可能多项领先），而在被迫分享价值池。极端情况下，英伟达毛利率或从70%-75%向高端半导体常态的40%-50%收敛——仍极赚钱，但估值倍数应下调。
SemiAnalysis正确指出：英伟达以股权融资支持新云客户与初创公司以维系需求与定价，但随着TPU替代方案规模化，这些英伟达系新云的议价能力或削弱，尤其当客户视GPU与TPU容量为部分可替代时。
投资启示三：博通——军火商崛起，但集中度风险高
博通作为谷歌TPU的主要芯片合作伙伴，同时自有XPU项目已服务至少4家大客户（其一已下100亿机架订单），正成为“定制加速器军火商”。无论该订单归属OpenAI、Anthropic或他人，趋势明确：博通在超大规模客户与基础模型实验室中斩获多重设计胜利。但其毛利率与净利率结构性低于英伟达，且AI收入集中于少数客户，议价能力受限。投资组合中搭配英伟达与博通，可对冲“定制ASIC vs 通用GPU”风险，但无法消除周期性与客户集中风险。
投资启示四：AMD——夹缝求生，市场蛋糕正被瓜分
对AMD而言，整体影响偏负面。AMD正努力以第二供应商身份从英伟达手中抢份额，但每一份TPU、Trainium、MTIA（Meta自研芯片）或博通XPU的成功部署，都在蚕食通用GPU的总可寻址市场。若超大规模客户的非英伟达支出日益倾向自研或谷歌ASIC，AMD的上行空间将受限。
SemiAnalysis早期研究与独立基准测试均显示：AMD MI300系列在实际性能与生态成熟度上落后于英伟达，强化了其“第三选择”地位。唯一利好是：部分客户或需非超大规模厂商控制的通用加速器供应商，AMD仍是首选。但TPU与Trainium的TCO故事越 compelling，这部分残余需求就越可能成为结构性弱势市场。
投资启示五：超大规模客户分化——自研芯片成胜负手
文章逻辑凸显超大规模客户的“战略分野”：AWS与谷歌已全力押注自研AI芯片（Trainium/Inferentia、TPU/Axion）；Meta似正加速远离英伟达，路透社称其洽谈2027年起数十亿美元采购谷歌TPU，并可能2026年就租用；微软则仍重度依赖英伟达与AMD，其内部ASIC（Maia/Cobalt）在公共影响力与生态采用上明显落后。
未来3-5年，拥有成功、广泛应用的自研加速器与吸引力融资结构的超大规模客户（谷歌、AWS），应享有更优AI单位经济与定价灵活性。
若谷歌能为Anthropic、Meta等提供相较纯Blackwell集群20%-40%的TCO优势，且不压缩自身云利润率，则其云竞争力将显著提升。微软则或需接受更低Azure AI利润率（通过大幅折扣英伟达产能）或加速自研路线图——两者皆有风险。
投资启示六：矿企转型新云——高杠杆高贝塔，但尾部风险大
TeraWulf（WULF）、Cipher Mining（CIFR）、Iris Energy（IREN）等矿企构成此叙事中高杠杆、高贝塔一环。
SemiAnalysis正确指出：这些矿企掌控高密度电力站点与购电协议（PPA），可转型AI数据中心。与Fluidstack及谷歌担保的已披露交易，已使其签约收入与股权估值跃升。若“超大规模客户担保”模式规模化，它们将从投机矿企变为类“受监管”基础设施商，拥有长期、通胀挂钩现金流。但其现金流高度集中（一两个交易对手），债务将随数百兆瓦新容量融资而激增，股权暴露于超大规模客户AI资本支出或谷歌TPU战略逆转风险。
从组合构建看，若TPU采用超预期，这些标的具巨大期权价值；但若TPU TCO优势小于预期或更 niche（小众），则尾部风险显著。
结论：方向正确，但别被即时叙事冲昏头
综上，SemiAnalysis文章的核心结论——以TPU为首的替代加速器正结构性压缩英伟达护城河——方向正确，但“即时崩塌”论言过其实。
对投资委员会，最稳健的启示是：
1）TPU在技术和经济性上已具规模化竞争力，获Gemini 3与Anthropic订单验证；
2）谷歌已悄然构建第二个类英伟达的经济特许权，正通过Anthropic、潜在Meta等外部变现；
3）英伟达超常盈利难永续，随多ASIC生态成熟将面临竞争；
4）新融资结构（超大规模客户担保新云租赁）正重塑AI基建资本结构与风险轮廓。
组合上，这支持：相对超配Alphabet及精选AI基建标的（博通，及小仓位WULF/CIFR类高风险高回报标的），适度低配或下调英伟达估值倍数，并对AMD上行空间保持谨慎。同时，在超大规模客户中优选手握可信自研加速器与实证ASIC经济性的玩家，规避过度依赖英伟达标价者。
SemiAnalysis文章虽有偏颇，但最大价值在于揭示谷歌TPU布局的规模与严肃性，及TPU-新云-超大规模客户融资三角的涌现，而非其精确TCO百分比或客户归属细节——后者仍是估算，非定论。