Meta、OpenAI押注非GPU芯片 全球AI算力格局迎重构拐点

近期，Meta与谷歌达成数十亿美元合作大规模租用TPU训练AI模型、OpenAI拟导入英伟达基于Groq技术的AI推理芯片的消息接连曝出，摩根大通一份产能报告显示谷歌计划2027年部署600万颗以上高阶TPU。一系列重磅动态标志着全球AI算力正从GPU主导时代转向非GPU芯片崛起的新格局，算力赛道迎来关键重构拐点。

当行业还在为英伟达GPU一芯难求、价格飙涨的现状感叹时，全球AI巨头们已经悄悄调转了算力布局的船头。3月2日，两则外媒密集曝光的重磅合作，直接撕开了全球AI算力格局重构的缺口。

最先引发关注的是Meta与谷歌的超大规模合作：双方签署了数十亿美元的协议，Meta将批量租用谷歌的TPU芯片用于训练自家的大语言模型。作为谷歌专为AI深度学习打造的专用芯片，TPU在Transformer架构模型的训练场景中，相比传统GPU拥有更高的运算效率和更低的能耗成本，恰好匹配Meta在大模型迭代上的海量算力需求。

几乎同一时间，OpenAI的算力调整计划也浮出水面：该公司拟导入英伟达基于Groq技术的AI推理芯片。Groq的推理芯片以低延迟、高吞吐为核心优势，能够大幅提升大模型实时交互场景的响应速度，同时降低推理环节的算力成本，这对于面临用户规模持续增长、推理算力压力陡增的OpenAI而言，无疑是一次关键的性能补位。

过去几年，英伟达GPU凭借出色的通用性和性能，几乎垄断了全球高端AI算力市场，H100、H200等型号长期处于供不应求的状态，甚至催生了“算力黄牛”产业链。但随着大模型训练和推理的需求呈指数级增长，GPU的产能瓶颈、高成本以及场景适配局限性开始凸显。

摩根大通最新流出的产能报告进一步放大了这一趋势：谷歌计划在2027年部署600万颗以上高阶TPU。这一规模不仅能完全覆盖谷歌自身Gemini等大模型的算力需求，更意味着谷歌将正式对外开放规模化的TPU算力服务，直接挑战英伟达在AI算力市场的主导地位。事实上，除了TPU，亚马逊的Inferentia、微软的Maia等专用AI芯片也在加速落地，AI算力的技术路线正在从单一GPU向多元专用芯片扩散。

业内人士普遍认为，此次Meta、OpenAI等巨头的押注，标志着AI算力正式进入“专用化时代”。未来，随着大模型向垂直场景渗透，训练与推理的算力需求将进一步分化，针对特定场景优化的专用芯片会成为主流选择——比如用于训练的TPU、用于实时推理的Groq芯片，以及面向边缘计算的低功耗NPU等。

这种趋势不仅会改变芯片厂商的竞争格局，还将重塑整个AI算力服务市场：第三方算力服务商可能推出“GPU+TPU+专用推理芯片”的混合算力解决方案，中小AI企业也能以更低成本获取适配自身场景的算力资源。而英伟达也不会坐视市场份额被蚕食，大概率会加快在专用AI芯片领域的布局，全球AI算力赛道的多元竞争大幕正在徐徐拉开。