2026年11月19日 星期四
wayawa.ai 在美华人的资讯与折扣
资讯 · 科技

Google、Meta、AMD三强出手!两行代码撼动NVIDIA垄断格局

Google Cloud在本月9日对外展示了其最新的芯片产品和软件解决方案,试图在由NVIDIA主导的AI芯片领域占据一席之地。为实现这一目标,该公司与AMD深化合作,推进第8代TPU的产品线,同时发布了TPU 8tx及TPU 8i Max这两款功能专用芯片。在软件领域,Google携手Meta打造了一个新平台「TorchTPU」,该平台原生集成对PyTorch框架的支持。该平台的核心卖点在于,企业开发者仅通过添加两行代码的修改,就可以平稳地将现有GPU工作环境切换到Google的TPU计算资源。在这一战略中,Google既从硬件安全性和开源软件生态入手,也针对NVIDIA多年来通过硬件垄断和CUDA技术生态所建立的技术堡垒发起全面冲击。

此次三方携手中,各方发挥自身优势。Google提供AI芯片和云计算基础设施,Meta则贡献其软件框架方面的专长,AMD为整个方案提供x86处理器和硬件安全保障。由此三家行业龙头形成了一个「反NVIDIA联盟」。这个联盟的竞争力体现在三个方面:一是通过两行代码实现无成本迁移;二是加快硬件产品的迭代周期;三是提供具有竞争力的计算资源定价方案。借助这些优势,三方联合向NVIDIA占主导地位的全球AI算力市场发起进攻。

NVIDIA之所以能长期占据市场领导地位,其关键在于全球开发者群体对PyTorch框架和CUDA技术生态形成了高度的依赖。在过去,许多企业在考虑切换到TPU时,通常需要投入巨大的开发重构成本,这成为了转换的重大障碍。为了解决这一问题,Google Cloud采取了新的策略——与PyTorch的创始方Meta以及更广泛的开源社区合作,共同研发了一款原生支持PyTorch后端的TorchTPU产品,并已将其推向商业化应用。

这一方案的便利性体现在:程序员只需对现有脚本进行最小化改动——仅添加两行代码——就可以直接访问Google Cloud TPU的计算能力。在此过程中,现有的模型代码、函数库以及完整的工作流都可以保持不变。这样的设计使得企业的开发团队可以以极低的成本和学习曲线,顺利地转换到Google的计算平台上。

硬件方面,Google Cloud大幅加快了TPU的发布节奏。过去每两年推出一套新产品,如今已加速到每年四款。继春季推出的TPU 8t和TPU 8i之后,公司再次发布了两款新一代产品。其中,TPU 8tx是与AMD联合开发的芯片,采用了x86处理器,重点突出保密计算的能力。这款芯片在计算性能上达到了12.6 PFLOPs的FP4运算力,内存配置为216 GB HBM。在安全性上,该芯片实现了PCIe链路的硬件级加密和内存物理隔离。此外,通过采用BoardFly互联框架,芯片之间的通信延迟对比TPU 8t已经下降至原来的一半。

另一款芯片TPU 8i Max的定位则是应对超大规模上下文处理和高吞吐量需求。这款产品采用单个封装内集成双计算芯片的架构方案。在内存配置上,它配备了384 GB的HBM显存,相比前代增加了33%。内存带宽也实现了翻倍提升,达到17.2 TB/s的水平。芯片上的SRAM也同样翻倍增至768 MB。从整体性能指标来看,TPU 8i Max的推理算力密度和吞吐量都达到了TPU 8i的两倍水准。这样的配置使其特别适合那些需要维护庞大KV缓存的复杂AI智能体应用场景。

在软件工具层面,Google Cloud首次推出了一款开源内存管理工具,名为「TPU-Sync」。这款工具针对的是AI智能体在调用外部系统工具或等待响应指令期间可能产生的计算资源空闲现象。TPU-Sync的工作原理是:当智能体处于休眠状态时,该工具能够将计算内存动态地转移出芯片,通过加密的PCIe链路实现这一过程,从而释放出计算能力供其他推理任务并行使用。一旦新指令被触发,内存可以在毫秒级的时间内被重新加载回来。

这项工具的优势不仅在于提高了服务器的整体利用率、降低了单次推理任务的成本,还具有很强的向后兼容性——现有的TPU v7、v6和v5版本都可以使用。此外,Google Cloud与Inferact和RadixArk两家合作伙伴合作,使得业界流行的开源推理框架vLLM和SGLang能够直接支持TPU和GPU运算,让企业可以通过GKE这一统一的架构来灵活分配和调度不同类型的计算资源。

← 上一篇「权力重组」特朗普力推白宫换血,强硬派米勒成最强推手 下一篇 →拜登:用笔替心声代言 抗癌新书即将面世