8月3日，一则消息在半导体和AI圈炸开了锅。据台媒钜亨网援引一份市场分析报告，谷歌计划在2028年部署1200万至1500万颗自研的TPU v9 AI加速芯片。而分析认为英伟达2028年的AI GPU出货规模可能约为1240万颗。这意味着，在服务器AI加速器的出货量上，谷歌有望在后年首次赶上甚至超过英伟达。

一、TPU v9：四颗计算裸片堆出来的算力野心

TPU是谷歌专为AI训练和推理定制的ASIC芯片。从租用英伟达GPU转向自研芯片，是谷歌降低算力成本、摆脱单一供应链依赖的关键布局。

为了在2028年达成这一目标，谷歌的第九代TPU——TPU v9——将采用4颗计算裸片（Compute Die）结构。这一设计顺应了行业向多芯片（Chiplet）协同发展的趋势，但同时也将先进制程和封装产能的需求推向了新的高度。

二、台积电不够用，英特尔和三星的机会来了

问题在于，如此庞大的产能需求，仅靠台积电一家可能无法满足。市场分析认为，英特尔代工和三星晶圆代工将因此迎来新的商机。

近期的消息显示，在谷歌测试了英特尔的先进封装能力后，双方已达成合作，英特尔将为其生产数百万颗TPU。此前彭博社也报道，谷歌已向英特尔下单，委托其制造超过300万颗专用AI芯片。由于英特尔（EMIB/EMIB-T）与台积电（CoWoS-L）的封装技术标准并不直接兼容，这种供应链分工也符合多芯片设计的客观需求。

三、从采购GPU到自研芯片，谷歌的“去英伟达化”

自十年前自主研发AI芯片以来，谷歌持续扩大自研硬件在其底层架构中的比重，如今这一战略已从支持内部业务全面延伸至云计算服务。

如果2028年的目标如期达成，谷歌将一举成为全球最大的AI加速器单一使用者。这并不意味着谷歌会彻底停止采购英伟达硬件，但将大幅提升其对自身计算堆栈和供应链的自主掌控力。毕竟，英伟达在2026年向数据中心供应了约820万颗GPU，预计到2028年才达到1240万颗。谷歌的追赶速度，比整个行业预想的都要快。

四、算力战争进入新阶段：从单芯片性能到大规摸部署能力

谷歌此次部署规模的飙升，意味着其TPU v9的产能需求相比2027年将翻倍以上。这一宏大的产能布局也预示着AI硬件领域的竞争重点，正在从单纯的单芯片性能比拼，转变为大规模部署能力的全面较量。

尽管TPU v9与英伟达下一代架构（如Rubin及Rubin Ultra）的详细性能对比尚未公开，但谷歌用行动表明了态度：算力的未来，不能只靠买别人的芯片。当单一云服务巨头在AI加速器产量上首次具备与顶尖芯片供应商抗衡的能力，英伟达的AI芯片霸权，或许正迎来最强有力的挑战者。