近日，谷歌TPU攜Gemini3逆襲之勢(shì)大幅拓寬增量前景，meta考慮斥資數(shù)十億美元為其買單，機(jī)構(gòu)將TPU產(chǎn)量預(yù)期上調(diào)67%至500萬塊。基于“芯片-光交換網(wǎng)絡(luò)-大模型-云服務(wù)”全鏈閉環(huán)，谷歌智算體系重回AI賽道前沿梯隊(duì)，標(biāo)志著美式封閉壟斷路線更進(jìn)一步。

與此同時(shí)，以DeepSeek為代表的開源模型緊追不舍。月初，DeepSeek V3.2及其長思考增強(qiáng)版模型出爐，前者在性能測(cè)試中打平ChatGPT，后者直接對(duì)標(biāo)閉源模型頂流Gemini。這也預(yù)示著中國開源開放路線漸入佳境，國產(chǎn)智算體系在應(yīng)用層展現(xiàn)出良好的生態(tài)協(xié)同潛力。

至此，中美AI產(chǎn)業(yè)博弈棋至中盤，“開放協(xié)同”與“封閉壟斷”對(duì)位格局愈發(fā)清晰。尤其在智算生態(tài)布局中，兩大陣營或正醞釀著一場(chǎng)體系化能力的巔峰較量。

01 從Gemini3到TPU v7，軟硬一體閉環(huán)臻至極境

毋庸置疑，谷歌TPU的突然走紅，很大程度得益于Gemini3的模型能力驗(yàn)證。作為專為谷歌TensorFlow框架而生的ASIC芯片，TPU憑借軟硬件一體化設(shè)計(jì)為其全棧閉環(huán)完成奠基，同時(shí)也在上層應(yīng)用高位突破時(shí)俘獲外部用戶市場(chǎng)，甚至一度被視為英偉達(dá)GPU的最強(qiáng)平替。

所謂“軟硬一體化”，即硬件的設(shè)計(jì)完全服務(wù)于上層的軟件和算法需求。如Gemini 3訓(xùn)練和推理過程高度適配TPU集群，而這種定制化專用模式也在功耗能效方面展現(xiàn)出極高價(jià)值——TPU v5e的功耗僅為NVIDIA H100的20%-30%，TPU v7每瓦性能較前代產(chǎn)品翻倍增長。

目前，谷歌通過“芯片+模型+框架+云服務(wù)”的垂直整合，形成了一個(gè)封閉且高效的循環(huán)。一方面極大地提升了自身AI研發(fā)和應(yīng)用開發(fā)效率，另一方面也在NV主流體系下裂土而治，奪得又一智算賽道主導(dǎo)權(quán)，meta對(duì)TPU的采購意向則將這一體系熱度推向了高點(diǎn)。

業(yè)內(nèi)有觀點(diǎn)指出，從蘋果到谷歌，美式的垂直封閉玩法幾乎臻至極境，表現(xiàn)出科技巨頭為鞏固和擴(kuò)張利益版圖，在產(chǎn)業(yè)鏈層面泛在的壟斷欲望。但從生態(tài)發(fā)展角度來看，封閉模式缺乏長期主義精神，極易導(dǎo)致產(chǎn)業(yè)長下游喪失創(chuàng)新活性，并形成單一主體高度集權(quán)的格局。

另外，從TPU的應(yīng)用場(chǎng)景來看，軟硬一體閉環(huán)儼然是專屬于巨頭的游戲。某分析人士稱，谷歌的集群化設(shè)計(jì)和“軟件黑盒”，需要用戶重新配置一整套異構(gòu)基礎(chǔ)設(shè)施。如果沒有萬億參數(shù)模型訓(xùn)練需求，根本填不滿TPU的脈動(dòng)陣列，省下的電費(fèi)可能都抵消不了遷移成本。

同時(shí)，由于TPU技術(shù)路線極為封閉，與主流開發(fā)環(huán)境無法兼容，用戶還需要一支專業(yè)的工程團(tuán)隊(duì)駕馭其XLA編譯器，重構(gòu)底層代碼。也就是說，只有像谷歌、meta這種級(jí)別的企業(yè)才有資格轉(zhuǎn)向TPU路線，也只有算力規(guī)模達(dá)到一定程度才能發(fā)揮出定制化產(chǎn)物的能效優(yōu)勢(shì)。

不可否認(rèn)，谷歌等頭部企業(yè)通過垂直整合自建閉環(huán)，在局部賽道快速實(shí)現(xiàn)單點(diǎn)突破，同時(shí)也造就了美國科技巨頭林立的蔚然氣象。但在中美AI博弈背景下，美式封閉壟斷路線憑借先發(fā)優(yōu)勢(shì)提前完成了賽道卡位，被動(dòng)的追隨式趕超已很難滿足中國智算產(chǎn)業(yè)的發(fā)展需要。

“小院高墻”之外，如何充分發(fā)揮舉國體制優(yōu)勢(shì)，團(tuán)結(jié)一切力量拆墻修路，成為拉近中美AI體系差距的關(guān)鍵。

02 多元異構(gòu)生態(tài)協(xié)同，開放路徑通往下一賽點(diǎn)

相較于美式寡頭壟斷模式，中國智算產(chǎn)業(yè)正基于多元異構(gòu)體系層層解耦，重塑開放式生態(tài)系統(tǒng)。從頂層設(shè)計(jì)到產(chǎn)業(yè)落地，“開源開放+協(xié)同創(chuàng)新”已然成為國產(chǎn)軟硬件全棧共識(shí)。

在政策層面，《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》提出構(gòu)建布局合理、泛在連接、靈活高效的算力互聯(lián)網(wǎng)，增強(qiáng)異構(gòu)算力與網(wǎng)絡(luò)的融合能力，實(shí)現(xiàn)多元異構(gòu)算力跨域調(diào)度編排。并且，相關(guān)部門多次強(qiáng)調(diào)，鼓勵(lì)各方主體創(chuàng)新探索智能計(jì)算中心建設(shè)運(yùn)營模式和多方協(xié)同合作機(jī)制。

延伸到AI應(yīng)用層，《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》同樣要求深化人工智能領(lǐng)域高水平開放，推動(dòng)技術(shù)開源可及......不難看出，國家在人工智能和智算領(lǐng)域給出了截然不同的中國方案——不在封閉路線中盲目追趕封閉，要在開放格局下謀求錯(cuò)位趕超。

事實(shí)上，頂層設(shè)計(jì)完全基于產(chǎn)業(yè)現(xiàn)實(shí)需要。在美方科技封鎖下，中國智算產(chǎn)業(yè)主要面臨兩大挑戰(zhàn)：單卡算力性能瓶頸、算力成本高。除了在芯片、模型、基礎(chǔ)軟件等核心技術(shù)領(lǐng)域持續(xù)攻堅(jiān)外，當(dāng)前更有效的途徑是發(fā)展更大規(guī)模、更多元高效的智算集群，突破AI算力瓶頸。

業(yè)內(nèi)調(diào)研結(jié)果顯示，國內(nèi)宣布擁有千卡規(guī)模的算力集群不少于100個(gè)，但其中大部分是異構(gòu)芯片。可以想象，假如不同硬件系統(tǒng)相互封閉，標(biāo)準(zhǔn)接口不統(tǒng)一，軟件棧互不兼容，將導(dǎo)致難以實(shí)現(xiàn)智算資源的有效整合利用，更無法滿足大規(guī)模參數(shù)模型的應(yīng)用需求。

根據(jù)行業(yè)主流觀點(diǎn)，國產(chǎn)AI算力存在多元化、碎片化特征，同時(shí)又具備相當(dāng)?shù)囊?guī)模化優(yōu)勢(shì)。當(dāng)務(wù)之急并不是各自埋頭推進(jìn)單一技術(shù)路線，更首要的是盡快打通“技術(shù)墻”、“生態(tài)墻”，實(shí)現(xiàn)產(chǎn)業(yè)鏈開放跨層協(xié)作，真正釋放總體算力生態(tài)潛能，從單點(diǎn)突破邁向集成創(chuàng)新。

具體來看，所謂開放路線旨在基于開放的計(jì)算架構(gòu)推動(dòng)產(chǎn)業(yè)生態(tài)協(xié)同創(chuàng)新。比如通過制定統(tǒng)一的接口規(guī)范，聯(lián)動(dòng)芯片、計(jì)算系統(tǒng)、大模型等產(chǎn)業(yè)鏈上下游企業(yè)共同參與生態(tài)建設(shè)，減少重復(fù)性研發(fā)和適配投入，共享技術(shù)攻關(guān)和協(xié)同創(chuàng)新效益。

同時(shí)，隨著開放架構(gòu)中的協(xié)作標(biāo)準(zhǔn)趨于統(tǒng)一，可以進(jìn)一步打造出商品化的軟硬件技術(shù)，用以代替定制化、專有化的系統(tǒng)，進(jìn)而降低計(jì)算產(chǎn)品應(yīng)用成本，實(shí)現(xiàn)覆蓋產(chǎn)業(yè)全棧的算力普惠。

顯然，在中國式開放體系下，國產(chǎn)AI算力正打破谷歌TPU的泛化普及困境，將智算生態(tài)系統(tǒng)與各方開發(fā)者用戶廣泛鏈接，最終形成體系化協(xié)同戰(zhàn)力，更靈活高效賦能人工智能+落地。屆時(shí)，中美AI博弈也將走出單卡競爭和單一模型比拼，全面迎來生態(tài)體系能力的終極對(duì)壘。

文章封面首圖及配圖，版權(quán)歸版權(quán)所有人所有。若版權(quán)者認(rèn)為其作品不宜供大家瀏覽或不應(yīng)無償使用，請(qǐng)及時(shí)聯(lián)系我們，本平臺(tái)將立即更正。