智通財經APP獲悉，華爾街金融巨頭摩根士丹利的最新測算表明，隨着AI算力產業鏈條由集中式AI訓練進一步轉向規模化AI推理進程，谷歌TPU主導的AI ASIC算力集群正從谷歌雲計算業務內部的降本增效與定製化計劃工具升級為可對外銷售的高毛利AI雲基礎設施業務。百萬顆TPU、大約350億美元的潛在大規模批量供貨承諾，促使摩根士丹利分析師團隊將谷歌TPU系統售價假設由每吉瓦200億美元大幅上調至270億美元，並將毛利率假設由20%提高至30%。
摩根士丹利最新發布的一份研究報告顯示，該行預計，谷歌2027年與2028年的TPU相關雲收入將分別達到840億美元和1080億美元，合計接近2000億美元。這也意味着谷歌母公司Alphabet(GOOGL.US)可能從鉅額AI資本開支主要承擔者進一步轉變為AI算力系統租賃/出售超級平台，TPU則可能成為繼搜索廣告與公有云計算IaaS+SaaS業務之後的又一規模化收入增長引擎。
百萬顆TPU撬動350億美元訂單!大摩：谷歌劍指2000億美元算力金礦
對於模型結構相對穩定、調用量巨大且能夠長期保持高利用率的成熟模型、開源模型與AI智能體工作負載，TPU等專用AI芯片(谷歌TPU即為最典型的雲計算大廠們自研AI ASIC技術路線)可以圍繞低精度矩陣計算、內存訪問和芯片互連進行深度優化，從而改善單位Token成本、每瓦吞吐量與總體擁有成本;與此同時，谷歌TPU算力集群同樣可以承擔大規模訓練任務，因此更準確的趨勢是GPU與ASIC/TPU形成異構算力分工。
也就是說，AI訓練算子進程以及那些架構最複雜、變化速率最快的前沿AI工作負載仍高度需要AI GPU集群——前沿模型預訓練、強化學習和快速變化的新算子仍更依賴GPU的可編程性、CUDA生態與NVLink/NVSwitch集群能力，而圍繞成熟與開源體系AI大模型、Copilot、AI Agent(即AI智能體)的大規模AI推理工作負載則越來越適合專用的自研AI芯片。具體來看，谷歌將第八代TPU分為訓練型TPU 8t和推理型TPU 8i：8i通過更大的片上SRAM、288GB HBM和專用集合通信引擎優化KV Cache與低延遲推理，官方稱其推理性價比較Ironwood提高最高80%。
在摩根士丹利、Wedbush Securities等持續看好AI算力產業鏈投資前景的機構們看來，AI推理時代的近乎無止境最前沿算力與圍繞AI智能體的算力需求，使AI ASIC能夠在不摧毀GPU需求的情況下成長為第二個萬億級算力生態的重要組成部分——反而進一步強化了「AI半導體超級周期不是單一GPU周期，而是整個數據中心硅含量指數級提升周期」的AI算力產業鏈投資邏輯。
摩根士丹利分析師布賴恩·諾瓦克領導的分析師團隊在致客戶的最新報告中寫道：「值得注意的是，近期媒體報道顯示，Alphabet旗下的谷歌承諾以約350億美元的價格供應約100萬顆TPU——據我們估算，相當於約1.3吉瓦——摺合約等同於我們此後上調後的每吉瓦約270億美元。此前，我們假設谷歌在這些第一方合作關係中，以每吉瓦200億美元的價格銷售機架及系統，毛利率為20%。」「
此外，谷歌與邁威爾科技進一步擴大化的定製化芯片研發協議——我們的半導體研究團隊曾在此撰文分析——與TPU定價及平均售價高於我們此前假設的判斷一致，而且可以說為這一判斷提供了支持。鑑於這些新信息，我們將TPU第一方銷售額預期大幅度上調至每吉瓦270億美元……銷售毛利率則大幅提高至30%。總體而言，我們目前預計，谷歌將在2026年下半年銷售0.3吉瓦的TPU系統，2027年銷售3.2吉瓦，2028年銷售4.2吉瓦。按照這一測算，2027年和2028年TPU相關的谷歌雲計算業務營收數據將分別達到840億美元和1080億美元。」布賴恩·諾瓦克領導的分析師團隊寫道。
諾瓦克領導的大摩分析師團隊繼續給予谷歌「增持」評級，目標價則重申為400美元。截至周二美股盤初，谷歌母公司Alphabet的股價徘徊在每股348美元附近。
谷歌聯手Marvell、微軟Maia 200蓄勢待發以及Anthropic挖角TPU元老，AI巨頭們在AI推理時代爭奪「硅權」
AI推理時代的Token經濟學截然不同於AI訓練工作負載，訓練包含前向傳播、反向傳播、梯度同步與頻繁變化的研究型算子，更看重通用性、軟件成熟度和集群擴展能力;推理則可拆分為計算密集型的預填充(Prefill)和內存帶寬、KV緩存及延遲敏感的解碼。ASIC/XPU能夠實現刪除不必要的通用電路，針對FP8/FP4低精度矩陣運算、注意力機制、混合專家模型(MoE)、KV Cache和數據移動路徑進行硬化，從而提升每瓦Token數量級、每美元Token數及服務等級協議(SLA)的確定性。
需要強調的是，AI智能體的模型調用模式雖然相比於GPU更加適合ASIC，但其規劃、工具調用、檢索增強生成(RAG)和狀態管理仍需CPU、內存、網絡與存儲協同，因此智能體時代反而會進一步強化「異構計算體系」。
美國科技巨頭之一的微軟(MSFT.US)計劃很快推出其最新自研AI加速器Maia，加之谷歌與Fabless芯片公司Marvell(邁威爾科技)的新協議覆蓋AI加速器、存儲和內存控制器等多款定製芯片，凸顯出AI應用領軍者以及超大規模雲計算廠商們主導的AI算力基礎設施建設進程正在從「集體採購英偉達GPU」全面升級為英偉達GPU+AMD GPU+自研AI專用集成電路(AI ASIC)/XPU+CPU/DPU大規模協同運行的異構計算體系。當AI大模型架構逐步穩定且全球各行業Token調用量呈現出指數級增長後，高併發AI推理工作負載越來越適合通過定製芯片降低單位Token成本。
谷歌與Marvell(即邁威爾科技)的新協議，全面覆蓋AI加速器、存儲和內存控制器等定製芯片，潛在採購對應Marvell截至2033財年的最高約1200億美元收入，實質是分散對谷歌TPU長期以來的技術端合作伙伴博通這一單一fabless設計夥伴的依賴。
微軟Maia 200則以台積電3納米制程、FP8/FP4張量核心、272MB片上SRAM及定製片上網絡(NoC)壓縮Azure、Copilot與大模型推理成本;其相對英偉達GPU的核心優勢不是「任何模型都更快」，而是微軟能夠把芯片、編譯器、模型、數據中心網絡和雲端調度聯合優化，並避免支付外部GPU廠商們的全部利潤溢價。
微軟一份研究報告稱Maia 200相較其機群中最新一代硬件已經實現每美元性能提高30%，其自研MAI模型運行在Maia 200上時每瓦性能提高約40%。這正是推理時代ASIC/XPU最危險的競爭力：當數十億次相似Token生成任務能夠被高度標準化之後，英偉達主導的「萬能GPU」的靈活性溢價不一定值得每一次推理請求都支付。