谷歌把TPU卖给甲骨文：云算力游戏换了规则

2026年10月28日，每日经济新闻援引消息报道了一项在云计算行业引发震动的合作：甲骨文（Oracle）计划于2027年在旗下云服务平台OCI中部署谷歌定制的张量处理单元（TPU），面向企业级客户提供AI推理和训练算力服务。

这条消息的价值不在于“又一家云厂商有了新芯片”——AWS有Inferentia、Azure长期依赖英伟达GPU——而在于它打破了一个运行了整整十年的潜规则：做顶级AI芯片的公司，从不把自己的武器借给对手。

谷歌为自家Google Cloud设计了数代TPU，性能在大型语言模型训练中已被反复验证，但这些芯片从未对外出售，甚至不对其他云服务商开放接入。现在，它愿意让甲骨文的客户直接使用谷歌制造的AI加速卡。

反常之处在于，甲骨文是谷歌在公共云市场的直接竞品之一。AWS占据约31％的市场份额，Azure约23％，而GCP约11％。谷歌将自己研发的核心硬件投入竞争对手的基础设施，这笔账怎么算都说不通，除非有更大的棋盘。

芯片原厂为什么要自降壁垒？

要理解这件事，先看谷歌的处境。

TPU从2006年立项以来经过了至少五代迭代。最新的TPU v5系列在大规模Transformer模型的训练效率上已经超越同档次的英伟达H100，这也是OpenAI等头部AI公司愿意将部分工作负载迁移到GCP的原因。但TPU有一个致命短板——生态封闭。

开发者习惯用CUDA编程，几乎所有AI框架默认优化的是英伟达显卡。TPU需要专门的软件栈适配，迁移成本高。这意味着即便TPU性能更强，大量企业客户也不会主动选择GCP作为训练平台。谷歌需要一个“后门”，让习惯了其他平台的企业在不重写代码的前提下用上TPU。

甲骨文恰好提供了这个入口。

OCI在数据库和企业应用层面积累了稳定的客户关系，但在AI算力方面一直是追赶者。与其花数年重新设计芯片，不如直接与芯片原厂握手。这种模式在半导体行业并不陌生：苹果A系列芯片供应iPhone，iPad和Mac用的是自家M系列；高通骁龙卖手机SoC给三星、小米，同时自己用骁龙优化Pixel。芯片原厂向多家客户授权技术是常态，只是在云计算领域，这种授权一直发生在非核心产品层面。

TPU上云属于罕见的“核心AI算力跨界授权”。背后的商业逻辑很清晰：谷歌赚的不是硬件销售的钱，而是生态黏性。当企业发现用自己的工程师熟悉的工具链就能调用TPU性能时，它们会更大概率选择GCP的其他服务——比如BigQuery、Vertex AI以及未来可能扩展的模型API。这本质上是一种“硬件引流、软件变现”的策略，和英伟达早期推TensorRT、cuDNN免费SDK的逻辑如出一辙。

谁来吃红利？谁承压？

对甲骨文来说，这是一步快棋。

2027年服务上线前还有近一年时间用来完成软件适配和系统集成。如果进展顺利，OCI将拥有市场上少数几家能提供原生TPU支持的云平台之一。对于已经在训练大模型但苦于英伟达GPU缺货的企业，这是一个实际的备选方案。Oracle在数据中心布局上近年投入巨大，其云收入增速连续多个季度超过行业平均，TPU的加入可能进一步拉高增速。

最紧张的应该是英伟达。全球AI加速芯片市场中，英伟达占据约80％至90％的份额。TPU上云给客户的第二个选项打开了缺口。短期内不会动摇英伟达的基本盘，但如果甲骨文TPU套餐定价更具竞争力，且企业客户发现迁移成本没有想象中高，英伟达在高阶GPU定价上的议价能力将被稀释。一个值得注意的细节是，英伟达的Blackwell架构虽然产能紧张，但其利润率远高于AMD或英特尔的同级别产品，一旦竞争对手通过TPU以更低价格撬走大单，英伟达的高溢价策略可能受到持续压力。

亚马逊和微软的压力则更复杂。AWS推出了自研Trainium和Inferentia芯片来降低客户成本，Azure也在探索更多元化的加速器组合。两家不太可能轻易接受第三方芯片入驻自己的云平台——这等于给对手递刀子。但它们需要加快自有芯片的研发节奏，否则2027年后可能在高端训练场景中失去价格主导权。

为什么是现在？

时间节点值得注意。

2026年全球AI基础设施建设进入密集交付期，英伟达新一代B200和Blackwell Ultra系列正在批量出货，但供应链紧张并未完全缓解。与此同时，全球云支出仍在以两位数的速度增长，企业级AI训练需求远超两年前的预期。在这种供需错配下，任何能额外增加算力的方案都会被市场迅速消化。

另一层原因是竞争格局固化。过去五年，三大公有云巨头（AWS、Azure、GCP）的市占率基本锁定在30％－23％－11％左右的区间。单纯堆资本开支已经很难撼动格局，必须从架构创新中寻找突破口。当芯片性能差距缩小到一定阈值后，授权比自建更符合商业效率。

接下来的观察指标

这篇报道尚未附带官方合同金额或首批部署规模，以下是写稿后建议跟踪的关键信号：

其一，Oracle是否会公布TPU服务的正式产品名称与上线时间表。若年底前仍无细节披露，需警惕当前信息的完整度。其二，TPU套餐的定价策略是否明显低于同级别英伟达GPU实例。价格差超过30％才会真正撬动企业客户迁移。其三，谷歌是否在同期对GCP自身的TPU产能做出调整。若产能扩张放缓，说明对外授权优先级高于自用。其四，英伟达是否会推出针对该事件的价格调整或新客户激励政策，这是判断市场竞争烈度的先行指标。其五，首批签约使用TPU的客户名单——如果有知名AI公司公开背书，说明合作已进入实质性阶段。

这些指标能帮助我们判断：这究竟是一次试探性的市场实验，还是AI基建底层逻辑永久改写的开端。