（本文作家为 硅基象限，钛媒体经授权发布）

文 | 硅基象限

不是替代，是重构，NPU让AI算力参加“乐高时期”。

昔日十年，AI算力的叙事险些被一家公司界说——NVIDIA（英伟达）。

从A100到H100，再到H200，GPU像一条不休膨胀的算力工业活水线，把深度学习从实验室推向大模子时期。

但一个被始终薄情的问题是：GPU最初并不是为AI而生，是为图形渲染而生。

这意味着它从一驱动等于“通用并行辩论架构”，而不是“AI原生架构”。

于是，一个更底层的趋势驱动出现：

当AI辩论领域指数级增永劫，GPU的角落恶果驱动下落。

产业驱动向另一个标的转型，从头贪图辩论范式，一种依靠专用辩论芯片贪图逻辑（ASIC）的算力芯片——NPU出身了！

好意思国本领4月22日，在Google Cloud Next行动上，谷歌推出两款第八代NPU芯片，TPU8t、TPU8i阔别用于AI肃肃和AI推理。TPU8t每瓦性能上比前代居品擢升124%，TPU8i擢升117% ，TPU8i的每好意思元性能擢升80%。业内批驳，“其如果对出门售，或将取代英伟达”。

云就业厂搞芯片，并非是谷歌的特有道路。

全球云就业阛阓的“大哥”亚马逊，在2018年发布首款用于推理的 NPU—Inferentia1，并在2023年推出了第二代Inferentia2，并在旧年底发布用于肃肃的NPU，Trainium3；排行第二的微软云也在2023年发布了首款云霄NPU（Maia 100），并在本岁首发布了Maia 200。

国内亦如斯。阿里在2019年发布首款NPU（含光800），专注云霄推理和视觉辩论；2018 年驱动百度发布基于ASIC逻辑的自研AI芯片昆仑1，并已迭代至昆仑芯3代。

2026年，算力芯片的大客户，字节首先也将对NPU下手。外媒败露字节首先已驱动与三星洽谈自研NPU芯片，代号SeedChip，专为AI推理任务贪图，瞻望2026年3月底前录用首批样品。

2026年的趋势是芯片不再是一整块，谷歌、字节、阿里们思在英伟达的平台上，“拼”入我方的专用模块。

云厂商自研NPU，或将改变AI本钱结构、能耗弧线，以至营业模式。

谷歌TPU、阿里含光800等履行是一种NPU花样。

NPU（Neural Processing Unit）芯片，英文奏凯翻译过来等于神经收罗处理芯片。

要调处NPU和GPU的别离，不错先从它们的底层逻辑驱动，NPU广义上属于专用处理芯片（ASIC），而GPU属于通用处理芯片。

芯片按贪图逻辑不错被分为三类，通用辩论芯片、FPGA（可重构硬件）和ASIC （专用处理芯片）。

第一是通用辩论芯片，诸如CPU和GPU，一条请示驱动成百上千线程并行施行，止境擅所长理大领域并行辩论，频频不改变硬件，而是通过软件（CUDA）改变“任务调治”。这等于为什么大众齐说英伟达其实是一家软件公司，GPU中枢特征是高度可编程、适配扫数辩论任务、架构复杂（需要许多缓存）。但代价是通用性越强，恶果越低。

第二类是 ASIC（专用定制芯片），它是为了某一个特定任务（比如识别图像、处理语音）而有意定制的，数据流固定、能效极高，是一种“把算法固化进硅片”的贪图体式。漏洞是一朝电路压印在硅片上，功能就无法转换，不够天真。ASIC的履行是把AI辩论从“软件问题”酿成“物理问题”，但它也意味着天真性最低、更新周期长。

第三类是FPGA（可重构硬件），其不错通过“从头布线” 改变芯片硬件布局和改变软件代码，来改变芯片功能，像一套“乐高积木”，它介于通用和专用之间，常用于算法迭代快的原型建造或边缘辩论。

GPU功能迢遥，不错并行作念许多事，若是把这些智商齐用上，不错无比迢遥，然而单价更高，开云sports也更费电，而 NPU只作念一件事或一类事，功能单一，然而单价低也更省电。

云就业商并不卖芯片，而是思要提供更具性价比的算力。

在2015年，谷歌就驱动磋议NPU，其时，谷歌发现一个问题：其数据中心中，神经收罗推理需求暴涨，但GPU恶果不及。

于是，谷歌里面启动了TPU面目。2015年第一代仅用于数据推理的TPU出身，2018年对外通达Google Cloud TPU，2020–2024年驱动参加“肃肃+推理一体化”阶段。

2026年，跟着TPU 8发布，谷歌初度明确分红两条道路：用于肃肃的TPU 8t和用于推理的TPU 8i，这背后反应的是一个更大的趋势：AI算力的重点，正在从肃肃转向推理。

行业机构瞻望，到2030年，75%-80%的AI算力将用于推理。这意味着GPT肃肃一次，推理运行数亿次。因此，谁能把 1 分钱的推理本钱压到 0.1 分，谁等于 畴昔的算力王者。

谷歌的两款芯片阔别由两个勾通方贪图，TPU8t由博通贪图， TPU8i由联发科贪图，两颗齐或将基于台积电2nm工艺，瞻望2027年底量产。TPU 8最中枢变化在于试图管制“内存墙”问题，通过更高带宽HBM、更密集的片间互联。

据悉，这次TPU8对比上一代Ironwood居品，TPU 8i 推理芯片HBM容量从216GB增到288GB，带宽从6528提到8601GB/s，片上 SRAM擢升三倍达384M。集群领域从数万颗扩到13.4万颗，最多可连100万颗。

NPU并不是谷歌独角戏，亚马逊、微软等齐有NPU居品，而国内华为昇腾（Ascend）、寒武纪、地平线等也有肖似居品发布。

以前云厂商买英伟达的“全家桶”，现时他们思买英伟达的“地基”，我方盖“屋子”。

TPU 8系列发布背后，是一个止境显著的政策：去英伟达化。

如果TPU得胜，AI算力将从“GPU支配”酿成“多架构竞争”。

但取代“英伟达“，却并终止易。

最紧要的问题是生态，英伟达的CUDA仍然是行业圭表，CUDA 有 400 万建造者。另一方面，TPU功能太过单一，GPU不错用于AI肃肃和推理、图形处理和渲染，然而TPU的功能单一。

业内东谈主士广泛觉得，NPU的真理不是“替代GPU”，而是从头界说AI算力结构。畴昔可能出现，GPU手脚通用算力底座、TPU/NPU手脚AI专用加快层。

英伟达也看到了这个趋势，在2025年底，英伟达斥资 200 亿好意思元对 Groq 进行收购，Groq研发的 LPU (Language Processing Unit) ，在运行大模子（LLM）时，其速率是传统 GPU 的 10 倍以上。

这就像是昔日十年，大多手机厂商的竞争。当手机里最紧要的Soc芯片照旧被高通、联发科支配，具备迢遥的护城河，自研Soc芯片需要付出很大的本钱且濒临高风险。

那么，思要有特有上风、在阛阓上更具竞争力，大大批手机企业不会聘任自研Soc芯片，而是针对Soc芯片的局部功能作念优化。

此前，三星、vivo、OPPO等手机厂商齐聘任自研用于擢升拍照智商的NPU芯片，杀青各异化，比如vivo蓝图影像芯片、OPPO马里亚纳 MariSilicon芯片。

云厂商的算力竞争也接近尖锐化，越来越多用于肃肃和推理的NPU将会出现，并不休擢升智商。

畴昔的确的算力产业分水岭将是：谁能把AI推理本钱压到极致开云体育，谁就掌合手下一代算力时期主动权。