谷歌与Meta联手“TorchTPU”：剑指CUDA生态，英伟达再临挑战

谷歌正在内部推进一项名为“TorchTPU”的计划，旨在提升其人工智能芯片对全球使用最广泛的AI框架PyTorch的兼容性。此举直指英伟达长期以来赖以生存的软件生态系统护城河。

据彭博社周四报道，知情人士透露，谷歌正与Meta密切合作推进这一计划。Meta作为PyTorch的创建者和管理者，希望通过降低推理成本并使AI基础设施多元化，以增强与英伟达的谈判筹码。谷歌还在考虑将部分软件开源，以加速客户的采用速度。

与过去支持PyTorch的尝试相比，谷歌此次投入了更多组织资源和战略重视。随着越来越多企业希望采用张量处理单元（TPU）芯片，但将软件栈视为瓶颈，这一计划已成为谷歌云业务的关键增长引擎。

如果成功，TorchTPU将显著降低企业从英伟达GPU转向替代方案的切换成本。英伟达的主导地位不仅依赖硬件，更依赖其深度嵌入PyTorch的CUDA软件生态系统，而这一生态系统已成为企业训练和运行大型AI模型的默认方法。

软件兼容性成TPU推广最大障碍

谷歌的TorchTPU计划旨在消除阻碍TPU芯片采用的关键障碍。知情人士表示，企业客户一直向谷歌反馈，TPU在AI工作负载上更难采用，因为历史上开发者需要转向谷歌内部青睐的机器学习框架Jax，而非大多数AI开发者已在使用的PyTorch。

这一不匹配源于谷歌自身的技术路径。谷歌内部软件开发团队长期使用名为Jax的代码框架，其TPU芯片则依赖XLA工具来高效运行代码。谷歌自身的AI软件栈和性能优化主要围绕Jax构建，这扩大了谷歌使用芯片方式与客户需求之间的差距。

相比之下，英伟达的工程师多年来一直确保使用PyTorch开发的软件能在其芯片上尽可能快速高效地运行。PyTorch是一个开源项目，其发展历史与英伟达CUDA软件的开发紧密相连。CUDA被华尔街部分分析师视为英伟达抵御竞争对手的最强护盾。

谷歌加速TPU外部销售

Alphabet长期以来将其TPU芯片的绝大部分份额保留给内部使用。这一情况在2024年发生改变，当时谷歌云计算部门成功游说，获得了TPU销售团队的管理权。此举大幅增加了谷歌云的TPU配额。

随着客户对AI兴趣的增长，谷歌一直寻求通过提高TPU产量和对外销售来获利。TPU销售已成为谷歌云收入的关键增长引擎，该公司正努力向投资者证明其AI投资正在产生回报。

今年，谷歌开始将TPU直接销售到客户的数据中心，而不再限制只能通过自家云服务访问。本月，谷歌资深人士Amin Vahdat被任命为AI基础设施负责人，直接向首席执行官Sundar Pichai汇报。谷歌需要这些基础设施来运行自己的AI产品，包括Gemini聊天机器人和AI驱动的搜索，同时也要供应给Anthropic等谷歌云客户。

Meta成为战略合作伙伴

为加速开发进程，谷歌正在与Meta密切合作。据The Information首次报道，两家科技巨头一直在讨论Meta获取更多TPU的交易。

知情人士透露，早期为Meta提供的服务采用谷歌托管模式，即Meta等客户安装谷歌设计的芯片来运行谷歌软件和模型，由谷歌提供运营支持。Meta在开发使TPU更易运行的软件方面具有战略利益，希望借此降低推理成本，并使其AI基础设施从英伟达GPU多元化，从而获得谈判优势。

谷歌云发言人未就该项目的具体细节置评，该发言人表示：“我们看到对TPU和GPU基础设施的大规模加速需求。我们的重点是提供开发者所需的灵活性和规模，无论他们选择在哪种硬件上构建。”Meta则拒绝置评。

降低切换成本挑战英伟达生态

PyTorch最初于2016年发布，是开发AI模型的开发者最广泛使用的工具之一。在硅谷，很少有开发者会编写英伟达、Advanced Micro Devices或谷歌芯片实际执行的每一行代码。相反，这些开发者依赖PyTorch等工具，这是一个预编写代码库和框架的集合，可以自动化AI软件开发中的许多常见任务。

知情人士表示，随着希望采用TPU芯片但将软件栈视为瓶颈的企业需求增长，谷歌已将更多组织重点、资源和战略重要性投入TorchTPU项目。大多数开发者无法轻松采用谷歌芯片并使其性能达到英伟达水平，除非进行大量额外的工程工作。在快节奏的AI竞赛中，这类工作需要时间和资金。

如果TorchTPU计划成功，将显著降低希望寻求英伟达GPU替代方案的企业的切换成本。英伟达的主导地位不仅由其硬件加固，更依赖其深度嵌入PyTorch的CUDA软件生态系统，这已成为企业训练和运行大型AI模型的默认方法。