据报道,Meta Platforms正在与Google商讨斥资数十亿美元购买Google的AI芯片,进一步推动了这家搜索巨头在人工智能技术领域挑战英伟达领导地位的发展势头。
这项交易将标志着Google芯片产品发展动力的增强,以及其长期挑战英伟达市场主导地位的潜力。此前,Google已同意向Anthropic供应多达一百万颗芯片。
Google母公司Alphabet有望在周三纽约交易时段首次触及4万亿美元市值。英伟达股价在盘前交易中下跌约4%。
据消息人士透露,Meta正在讨论在2027年在其数据中心使用Google的芯片——即张量处理单元(TPU)。Meta还可能在明年从Google云计算部门租用芯片。
该协议将有助于确立TPU作为英伟达芯片替代方案的地位。英伟达芯片目前是从Meta到OpenAI等大型科技公司和初创企业开发和运行人工智能平台所需计算能力的黄金标准。
英伟达股价已面临阻力,投资者担心更广泛的AI泡沫。曾因在2008年金融危机期间做空房地产市场而闻名的迈克尔·伯里,在《大空头》一书中被详细描述,现在正对这家芯片制造商的循环AI交易、硬件折旧和收入确认进行审查。
在Google与Anthropic的交易公布后,Seaport分析师杰·戈德伯格称其为TPU的"真正有力验证"。他表示:"很多人已经在考虑这个问题,现在可能有更多人在思考。"
Google发言人表示:"Google云计算正经历对我们定制TPU和英伟达GPU需求的加速增长;我们致力于支持两者,正如我们多年来一直所做的那样。"
Meta的代表拒绝置评。
周二亚洲早盘交易中,与Alphabet相关的亚洲股票大幅上涨。在韩国,向Alphabet供应多层板的IsuPetasys公司股价跳涨18%,创下盘中新高。在台湾,联发科股价上涨近5%。
与Meta——全球数据中心和AI开发最大支出者之一——的交易将标志着Google的胜利。但很大程度上取决于张量芯片是否能展现出成为长期可行选择所需的能效和计算能力。
张量芯片最初是十多年前专为人工智能任务开发的,现在在其母公司之外作为训练和运行复杂AI模型的方式获得发展势头。在全球公司担心过度依赖英伟达的时代,其作为替代方案的吸引力不断增长,在这个市场中,即使是AMD也是遥远的第二名。
图形处理单元(GPU)是英伟达主导的芯片市场部分,最初是为加速图形渲染而创建的——主要用于视频游戏和其他视觉效果应用——但后来证明非常适合训练AI模型,因为它们可以处理大量数据和计算。另一方面,TPU是一种专门产品,被称为专用集成电路,即为特定目的设计的微芯片。
张量芯片还被改进为Google自有应用中AI和机器学习任务的加速器。由于Google及其DeepMind部门开发像Gemini这样的尖端AI模型,公司能够将这些团队的经验反馈给芯片设计师。同时,定制芯片的能力也使AI团队受益。
Q&A
Q1:什么是TPU芯片?与英伟达GPU有什么区别?
A:TPU是张量处理单元,是Google开发的专用集成电路,专门为人工智能任务设计。与英伟达GPU不同,GPU最初是为图形渲染创建的,而TPU从一开始就是为AI和机器学习任务量身定制的专用芯片。
Q2:Meta为什么要选择Google的TPU芯片?
A:Meta选择TPU芯片主要是为了减少对英伟达的过度依赖,寻求AI芯片供应的多样化。TPU作为替代方案能够提供训练和运行复杂AI模型所需的计算能力,同时Google已经通过与Anthropic的合作证明了其技术实力。
Q3:这次合作对Google和英伟达市场地位有什么影响?
A:这次合作将有助于确立TPU作为英伟达芯片替代方案的地位,推动Google在AI芯片市场的竞争力。对英伟达而言,这意味着其市场主导地位面临挑战,投资者对AI泡沫的担忧也导致英伟达股价承压。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。