最近全网都在吵英伟达B200和谷歌TPU谁更强，参数对轰、FLOPS拉满，好像谁单芯片跑分高谁就赢了。但真正决定AI战争胜负的，根本不是芯片本身，而是——怎么把上万个芯片连成一个“超级大脑”。而谷歌，已经悄悄建好了光速高速公路，英伟达还在铜缆小路上狂踩油门。
被所有人忽略的战场：集群，不是芯片
大家熟悉的叙事是：英伟达是AI之王，Blackwell架构性能炸裂，CUDA生态牢不可破，毛利率高达75%，其他玩家只能争老二。
这套逻辑在过去几年完全成立。但2025年，谷歌用TPUv7彻底改写了游戏规则。
关键不在于“芯片多快”，而在于“集群多稳、多便宜、多大”。AI大模型训练从来不是单打独斗，而是万芯协同的系统工程。真正的瓶颈，早已从算力转移到通信带宽和互联成本。
英伟达的铜缆困局：性能强，但撑不住万芯规模
英伟达靠什么把芯片连起来？答案是NVLink + 高端铜缆。这套方案在小规模集群（比如72芯片以内）确实快如闪电，但一旦扩展到数千甚至上万芯片，物理限制就扑面而来。铜缆不仅贵，而且发热严重、信号衰减快、布线极其复杂。每增加一个节点，延迟和功耗都非线性飙升。
更致命的是，铜的物理极限决定了它无法经济高效地支撑超大规模集群。英伟达试图用更粗的铜、更强的信号放大器来硬刚，但这只会让成本滚雪球般上涨。
谷歌的破局点：用光，不用电
谷歌没走英伟达的暴力堆料路线，而是押注光学互联。
他们自研了一套“光学电路交换机”（Optical Circuit Switch, OCS），简单理解，就是用激光和微镜阵列代替铜线传输数据。想象一下：传统数据中心像一座用无数电线缠绕的老式电话交换局，而谷歌的TPU集群则像一座用光束在空中自由穿梭的未来城市。没有物理接触，几乎没有延迟，功耗极低，还能动态重构连接拓扑。这才是真正的“软件定义网络”在硬件层面的终极实现。
9000+芯片无缝协同，成本直降40%
根据SemiAnalysis最新报告，谷歌TPUv7集群已实现9000多颗芯片的高效互联，且训练吞吐远超同等规模的英伟达方案。
更重要的是，总拥有成本（TCO）比英伟达低30%-40%。这个数字意味着什么？
意味着如果你要训练一个万亿参数模型，用谷歌方案可能省下上亿美元。在AI军备竞赛中，成本优势就是战略核武器。当对手能用60块钱干你100块的活，你的高毛利神话就站不住脚了。
谷歌的“垂直整合”杀招：消灭中间商，自产自销
英伟达看似强大，但它的芯片要交给台积电代工、用SK海力士的显存、富士康组装，每一环都要分走利润。而谷歌从芯片（TPU）、交换机（OCS）、液冷系统到数据中心，全部自研自建。
它不是硬件厂商，而是AI基础设施的“端到端运营商”。
这种垂直整合让谷歌能彻底优化每一层效率，把传统供应链中的“利润堆叠”全部抹平。
结果就是：同样算力，成本更低；同样成本，规模更大。
最狠一招：借Anthropic之手，撬动CUDA护城河
谷歌最令人拍案叫绝的操作，不是自己用TPU，而是开放给Anthropic。
目前，Claude大模型已在TPUv7上稳定运行。
这等于向整个AI行业喊话：“你不需要被CUDA绑架！”长期以来，开发者因生态惯性不敢离开英伟达，因为重写代码代价太高。但谷歌通过支持主流模型（如Claude），证明TPU生态已具备实战能力。Anthropic成了谷歌的“战略棋子”，用实际案例瓦解开发者对CUDA的恐惧依赖。一旦有第二个、第三个大模型成功迁移，CUDA的“软性垄断”就会加速崩塌。
英伟达不会死，但高毛利时代结束了
必须承认，英伟达在单芯片峰值性能、通用计算灵活性、软件工具链成熟度上仍有优势。对很多中小规模训练或推理任务，Blackwell仍是首选。
但AI的未来属于超大规模、超低成本、超高能效的集群。
在这一赛道，谷歌已构建出结构性优势。英伟达的75%毛利率神话，将面临前所未有的压力。未来，它要么被迫降价，要么看着客户流向更经济的替代方案。垄断定价权一旦松动，整个估值逻辑都将重置。
下次看芯片，别只看FLOPS，要看“连接成本”
下次你看到一张芯片性能对比图，请别只盯着TOPS或FP8算力。真正关键的问题是：“把10000颗这样的芯片连起来，要花多少钱？延迟多少？功耗多高？”答案将决定谁才是下一代AI基础设施的真正赢家。英伟达赢在硅片，谷歌赢在开关——那个用光速重构数据流的光学交换机，才是掀翻棋盘的关键。
结语：AI战争已从“算力竞赛”升级为“系统工程对决”
这场战争，早已超越芯片层面的军备竞赛。它是一场关于数据中心架构、能源效率、网络拓扑、软件生态和成本控制的全面战争。谷歌用TPUv7证明，真正的创新不是让单个引擎更快，而是设计出能让万马奔腾而不拥堵的高速公路。而这条路，是用光铺成的。
极客一语道破：
谷歌一直以来都奉行垂直整合战略，利用强大的分布式系统软件可靠地扩展通用硬件，例如 GFS/Colossus、Spanner 和 TrueTime 等。在人工智能时代，他们也沿用了这一策略，例如 GSPMD、XLA 和 TensorStore 等。即便竞争对手拥有同等甚至更强大的硬件，也很难与谷歌的垂直整合模式抗衡。
谷歌OCS：功耗降低40%，资本支出减少30%，吞吐量提升30%。信号全程保持光纤传输，无需电信号转换。
TPUv7 的每瓦性能是 v6 的两倍--在相同的电费下产生两倍的计算能力。
部署规模：谷歌使用 48 台交换机来支持 4,096 个 TPU。英伟达需要 568 台 InfiniBand 交换机才能实现相同的部署规模。
谷歌在开关经济性和能效方面明显胜出。
但两种架构都面临同样的限制：电力基础设施无法无限扩展。
谷歌斥资930亿美元用于自主研发的TPU供应链。Anthropologie也投入了数百亿美元。
这些集群需要专用电网。预计到2027年将出现铜短缺。价值510亿美元的数据中心已经在建设自己的发电厂。
- - 谷歌的优势：每瓦性能可以在电网限制严格之前争取缓冲时间。
- - 英伟达 75% 的利润率：已成往事。