Google研发新型AI芯片，大幅提升Gemini效率

据科技媒体TechCrunch独家报道，Google母公司Alphabet正在秘密研发一款全新的AI芯片，核心目标是让旗下Gemini大语言模型家族运行得更加高效。知情人士透露，该芯片并非现有TPU（张量处理单元）的直接迭代，而是一个面向生成式AI推理与微调场景的专用化设计。

从TPU到新芯片：Google的AI硬件进化

Google在AI芯片领域并非新手。自2016年推出初代TPU以来，其已陆续发布多代定制芯片，广泛应用于搜索、翻译、推荐等业务。然而，随着2023年Gemini模型的发布，Google对算力效率和成本提出了更高要求。据内部消息，新芯片将重点优化稀疏计算、内存带宽和功耗比，使Gemini模型在相同功耗下实现3-5倍的吞吐量提升。

“我们正在重新思考AI芯片的架构，不是简单堆砌晶体管，而是为transformer模型量身定制‘计算引擎’。”——一位不愿具名的Google硬件工程师（来源：TechCrunch）

为什么此时研发新芯片？

目前，全球AI训练和推理主要依赖英伟达GPU和AMD加速器。但Google拥有自研芯片的独特优势：庞大的内部AI应用需求、深度绑定的TensorFlow/JAX软件生态，以及Google Cloud庞大的数据中心网络。新芯片的出现，将帮助Google在三个方面建立护城河：
1. 降低推理成本：Gemini模型在云端和移动端的使用量激增，自研芯片可减少对第三方芯片的依赖，降低单位查询成本；
2. 提升能效比：数据中心能耗已成为Google ESG目标的关键指标，专用芯片有望比通用GPU节能40%以上；
3. 加速模型迭代：软硬件协同设计可缩短Gemini新版本的训练与部署周期。

行业背景与竞争格局

科技巨头自研AI芯片已成趋势。亚马逊AWS的Trainium/Inferentia、微软的Maia 100、Meta的MTIA，加上Google这一新项目，头部公司几乎都在构建“芯片+模型+云服务”的全栈生态。英伟达凭借CUDA生态仍然占据主导地位，但定制芯片在特定场景下的性价比优势日益凸显。分析师认为，Google新芯片若成功，将直接挑战英伟达在云端推理市场的份额，并可能倒逼更多模型厂商为其定制优化。

编者按

从战略角度看，Google此时入局并不意外。Gemini作为其AI战略的核心，必须摆脱对英伟达供应链的依赖。但自研芯片的高投入和长周期也是风险——TSMC先进制程产能紧张、3nm良率挑战以及软件生态迁移成本，都是必须跨越的障碍。历史经验表明，Google曾有多款自研芯片最终未大规模部署（如Pixel Visual Core），此次新芯片能否大获成功，取决于Google能否在硬件与Gemini模型之间实现真正的深度集成。

无论如何，这场AI芯片竞赛正在从“算力军备竞赛”转向“效率军备竞赛”。当模型参数规模达到万亿级别时，算力效率的提升可能比单纯增加算力更具战略价值。

本文编译自TechCrunch