指南
TPU 与 GPU 供应链怎么比
**定义：**GPU 是由第三方供应商广泛销售的通用并行加速器；TPU 通常指 Google 为机器学习设计并与其云和软件栈集成的定制 ASIC。
把 TPU 与 GPU 只放在单颗芯片基准测试里比较，容易忽略供应链的主要差异：谁定义规格、谁承担库存、谁能使用系统、软件迁移成本多高。
| 环节 | TPU/定制 ASIC | 商用 GPU |
|---|---|---|
| 产品定义 | 云厂商与特定工作负载深度协同 | 芯片供应商面向多客户平台 |
| 销售模式 | 主要通过内部服务或云实例 | 系统厂、云厂商和企业采购 |
| 软件 | 特定编译器和框架集成 | 更广泛的开发者生态 |
| 供应瓶颈 | 先进制程、HBM、封装、互连 | 同样受这些环节约束，但采购规模和份额不同 |
两类加速器可以竞争，也可以在同一云厂商内分工。定制芯片提高了多供应商的可能，却不会消除 HBM、代工和封装集中度。一个芯片设计成功也不等于工作负载能以可接受成本迁移。
要跟踪实际份额，应同时看可用性、客户采用、软件性能、系统交付和单位计算成本。互连见《AI 数据中心互连地图》，存储见《HBM 是什么》，多供应商政策见《主权 AI 为什么强调多供应商》。
FAQ
TPU 采用增加就一定减少 GPU 需求吗？
不一定。总计算需求可能同时扩大，不同工作负载也可能分工。需要区分绝对需求与份额。
自研芯片能消除供应风险吗？
不能。它可改变设计和议价权，但仍依赖代工、存储、封装、设备和电力。