绝大多数人被『英伟达』（Nvidia）股价的狂欢蒙蔽了双眼，认为GPU是AI时代的终极答案。但事实可能恰恰相反。谷歌刚刚发布的Gemini 3在各项基准测试中霸榜，而训练这个史上最强模型的，并非『英伟达』的GPU，而是谷歌自研的TPU。
这不仅仅是两家公司的商业竞争，本质上，这是“全能工匠”与“流水线”在物理极限上的一次碰撞。
深入浅出让你明白TPU与GPU区别
为什么『英伟达』的GPU在面对谷歌TPU时，会显得“笨重”？要理解这一点，我们不需要复杂的计算机架构图，只需要理解一个热力学概念：数据搬运的能耗。
你可以把『英伟达』的GPU想象成一个塞满了成千上万个顶级大厨的超级厨房。这些大厨（CUDA核心）全是通才，左手能做精美的图形渲染（切菜），右手能搞科学计算（炒菜）。
但这个厨房有一个致命的架构缺陷——冯·诺依曼瓶颈。
在GPU的传统架构里，工作流程是这样的：
- 几千个大厨听到指令。
- 所有人同时冲向巨大的冰柜（内存/显存）去拿一颗葱。
- 跑回案板切一刀。
- 再跑回冰柜把葱放回去。
- 如果需要切第二刀，重复上述过程。
听起来是不是很荒谬？但这正是GPU并行工作的原理。这些“大厨”在大部分时间里，并不是在计算（切菜），而是在内存和计算单元之间进行疯狂的“折返跑”。
在物理学上，这种信息的移动是有代价的。 『数据中心』的风扇呼呼作响，电表蹭蹭上涨，大部分能量并没有用来产生智能，而是变成了废热。这就是熵增。
谷歌的TPU（张量处理单元）做了一个极端的减法。
TPU是一个严重的“偏科生”。它不会渲染游戏画面，不能做通用计算，它从诞生那天起只做一件事：矩阵运算。因为目标单一，谷歌为它设计了一种名为“脉动阵列”（Systolic Array）的架构。
这名字听起来很玄幻，但原理极度简单，它就是数据层面的流水线。
在TPU里，数据像血液一样流动。第一个处理单元切完一刀，不跑回冰柜，而是直接顺手递给旁边的第二个单元；第二个切完递给第三个……数据在『芯片』内部一步步被榨干价值，中间完全不需要访问内存。
这就叫数据复用（Data Reuse）。
这意味着，做同样的算术题，『英伟达』的大厨跑了十趟冰柜，累得气喘吁吁（高能耗）；而谷歌的流水线工人在原地动动是指头就搞定了（低能耗）。在单『芯片』时代，这点电费微不足道；但当你把几万颗『芯片』连在一起，日夜不停地训练像Gemini 3这样的大模型几个月时，能耗的差异就变成了天文数字的成本差异。
74%的“过路费”与谷歌的阳谋
物理层面的降维打击，最终会映射到商业层面的血腥屠杀。
华尔街现在看着『英伟达』的财报狂欢，但谷歌在看这财报时，看到的是巨大的套利空间。我们来看一组核心数据：『英伟达』的毛利率约为74%。
这意味着什么？意味着微软、Meta、亚马逊每花100块钱买『英伟达』的卡，只有26块钱是付给了台积电的代工费和物料成本，剩下的74块钱，是交给黄仁勋的“AI时代过路费”。
如果你是谷歌，你要训练Gemini 3：
- 方案A（用『英伟达』）： 你必须顶着74%的溢价烧钱，这是极高的资本支出（CapEx）。
- 方案B（用自研TPU）： 『芯片』设计自己搞，只需付给台积电代工费。这74%的利润，全部留在了自己兜里。
这就是为什么谷歌敢宣称其TPU算力性价比是GPT-4o的24倍。这不完全是算法的奇迹，这是商业模式对物理成本的极致压榨。谷歌是在贴着成本价跑，而竞争对手是在顶着高昂的溢价跑。
那么问题来了，既然TPU这么便宜又好用，谷歌为什么不把它像显卡一样卖给大众？
这正是谷歌最高明、也最“鸡贼”的地方：把肉烂在锅里。
谷歌不卖铲子（『芯片』），它卖的是“挖洞服务”（云算力）。
『英伟达』作为硬件厂商，必须把铲子做得通用，还得维护庞大的销售渠道。而谷歌的策略是：想用TPU？没问题，来Google Cloud租『服务器』。
这一招极其凶狠：
- 广告效应： 用Gemini 3的强悍性能作为TPU的最佳广告（Look，最强模型是用TPU训出来的）。
- 客户锁定： 吸引Anthropic、Midjourney等头部玩家进入谷歌云生态。
- 避开锋芒： 避开了『英伟达』最坚固的护城河——CUDA。
『英伟达』真正的壁垒不是『芯片』，而是过去15年几百万程序员用一行行代码堆出来的CUDA软件生态。这道“叹息之墙”让无数想造『芯片』的公司望而却步。但谷歌通过“只租不卖”的云服务模式，在云端屏蔽了底层硬件的差异，让用户在不知不觉中绕过了CUDA的壁垒，直接使用TPU的算力。
4. 结语：进化的宿命
我们正处在一个计算架构大迁徙的前夜。
这不仅是谷歌与『英伟达』的战争，更是通用计算与专用计算的周期律。在生物学中，单细胞生物往往是全能的，但随着生命体变得复杂，必然演化出心脏、肝脏、大脑等高度专用的器官。
『英伟达』的GPU就是那个全能的单细胞，在AI爆发初期，它的灵活性至关重要。但在AI模型参数迈向万亿、十万亿级别的今天，能源效率和成本控制成了生死的关键。这时候，像TPU这样高度进化的“专用器官”，在物理定律的加持下，展现出了难以抗拒的优势。
『英伟达』并没有输，它依然占据着90%的市场，CUDA依然坚不可摧。但谷歌正拿着一把名为“能效比”的铲子，试图挖开这道墙角。
对于我们人类而言，这或许是一个启示：当一个行业发展到极致，竞争的本质不再是“谁能做更多的事”，而是“谁能以更低的熵增，完成最重要的事”。
我是樗散生，不懂这个“樗”字怎么读，你也可以叫我废柴兄，我们下期见。
