谷歌永远不会出售TPU。一旦谷歌大规模出售TPU，他们就将其架构优势转变为商品。 谷歌的内部团队对TPU的容量拥有优先权，因为这些工作负载直接产生收入和战略护城河。任何外部出售的TPU都是未用于保护谷歌主要利润引擎的TPU。 目前，TPU是谷歌的专有优势，垂直整合使他们能够以竞争对手无法匹敌的成本运营AI基础设施。DeepMind可以消耗掉会让OpenAI破产的计算预算，因为谷歌不支付零售GPU价格，他们支付的是内部TPU的边际成本。 如果谷歌开始对外出售TPU： - 他们必须与Nvidia GPU进行竞争定价，这意味着要揭示他们的成本结构。突然间，大家都知道谷歌真正的AI计算成本并不是魔法。 - 出售裸金属TPU意味着发布详细的规格、性能基准和编程接口。这是在向竞争对手提供"谷歌如何在规模上实际进行AI"的蓝图。目前，这些是专有的。一旦它成为产品，就会被研究、逆向工程，最终被复制。 - 谷歌云已经通过GCP以高价出售TPU访问。如果他们开始出售裸TPU，他们就与自己更高利润的云产品竞争。没有哪个精明的买家会在可以直接购买TPU并以更低的成本运行时，支付GCP的加价。 与GPU替代品相比，GCP TPU定价并不激进，但确实是高价。这不是无能，而是故意定价以阻止大规模外部采用。谷歌提供TPU的可用性足以避免反垄断"囤积基础设施"的指控，并捕获一些高利润的云收入，但他们实际上并不希望外部客户大规模消耗容量。 将其与AWS进行比较，AWS出售他们能制造的每一块芯片（Graviton、Trainium、Inferentia），因为AWS是一个商品基础设施业务。谷歌的核心业务是依赖于AI基础设施的广告和消费产品。出售基础设施就像麦当劳将其供应链出售给汉堡王，即使这能产生收入，你也在增强竞争对手并削弱你的主要业务。 你不能同时成为商品芯片供应商并保持专有基础设施优势。一旦你出售，你就会商品化。一旦你商品化，你的优势就会消失。 鉴于出售TPU似乎在战略上不明智，为什么仍然有人猜测谷歌会追求这一点？我认为这是因为每个超大规模云服务商的云部门都有持续的"我们需要差异化"的焦虑，而定制芯片看起来像是差异化。但差异化只有在保护利润或在不破坏核心业务的情况下捕获市场份额时才重要。谷歌出售TPU将是破坏价值大于创造价值的差异化。

Nvidia 为收购 Groq 支付了 3 倍于其 9 月估值的价格。这是战略上的核武器。 每个 AI 实验室都依赖 GPU，造成了巨大的集中风险。谷歌通过内部使用 TPU 摆脱了这种依赖，证明了 "Nvidia 或者没有" 的叙述是错误的。这不仅展示了技术的可行性，还揭示了 Nvidia 的护城河比市场认为的要浅。当一个超大规模云计算公司成功构建定制硅片时，每个复杂的买家都会开始进行 "我们是否应该自己构建？" 的计算。这降低了 Nvidia 的总可寻址市场（TAM）。 Jonathan Ross（Groq 的创始人）是 TPU 的发明者。他理解使非 GPU AI 加速可行的架构原则。他的 LPU 架构针对的是推理工作负载，而 GPU 在这方面实际上是过度设计的。这一点很重要，因为推理是长期内真正赚钱的地方。训练是一次性资本支出，但推理是随着使用而递增的经常性运营支出。如果 Groq 证明 LPU 在推理上能够达到具有竞争力的性价比，每个云服务提供商都会将其架构进行白标化。Nvidia 将被挤压到 "仅仅训练" 的境地，同时失去年金流。 可以安全地将这笔交易视为 Nvidia 在为 Groq 使整个 Nvidia 替代生态系统提供保障。但更有趣的是第二阶效应，即客户锁定。现在，Nvidia 同时拥有了现有标准（CUDA + GPU）和最可信的替代架构（LPU）。这就像微软收购 Github 一样具有战略意义。任何评估 "构建 vs 购买 vs 替代供应商" 的 AI 实验室现在面临： - 选项 A（Nvidia GPU） - 选项 B（Nvidia <> Groq LPU） - 选项 C（从头开始） 将竞争威胁转变为客户细分工具，Jensen 是交易的高手。他们现在可以进行价格歧视：高端客户为 GPU 付费，价格敏感的推理则被引导到 LPU，Nvidia 捕获了两者。 如果 Nvidia 不将 LPU 纳入其路线图，这只是一次纯粹的防御性举措。如果他们确实整合并开始提供 "用于训练的 GPU，推理的 LPU" 套餐，这将成为一本教科书式的护城河扩展收购。 技术中最昂贵的事情不是构建未来，而是防止其他人没有你而构建未来。

热门评论也是机器人。人工智能正在逐步接管。