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
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。