各型号TPU出货量预测: 谷歌各型号TPU出货量呈增长趋势，2025年整体出货量预计300万颗左右，其中V5 180万颗、V6 120万颗；2026年出货量大概率超400万颗，大多数来源于V6 220万颗、V7 180万颗；2027年将推出V8，届时V8 330万颗成为出货主力，V7 200万颗，整体出货量超500万颗。其中，V6对应“魔鬼鱼”，V7对应“斑马鱼”。
外卖芯片需求量开始上涨及客户类型: 谷歌外卖芯片比例持续提升，2025年外卖芯片出货量预计超50万颗，2026年将超100万颗。推动需求量开始上涨的客户包括OpenAI、Meta、苹果、XAI等大厂，以及欧洲多家小型客户（如1万颗、2万颗的采购量），这些客户的采购大幅度的提高了谷歌芯片外销数量。
客户采购TPU的核心原因: 客户采购谷歌TPU主要有两大原因，一是谷歌TPU经过多代迭代已成熟，客户可利用谷歌芯片学习其架构、效率、功耗及成本控制等方面的经验；二是客户希望降低对英伟达方案的依赖，在英伟达之外寻找替代方案以实现采购和架构多样化。因此，在自身芯片成熟前，客户将谷歌TPU作为过渡方案。
TPU的适配性与软件优化: TPU并非通用芯片，切换使用会有迁移成本，尤其是将现有英伟达上的大模型迁移至TPU的工作量大且存在运行不确定性，因此客户更多将TPU用于偏推理性的模型，因谷歌芯片在推理方面更具优势。谷歌TPU硬件设计固定，无法修改硬件适配客户模型，只能在软件层面提升对不同模型的适配性，通过优化软件栈来运行不同模型，同时其在单位功耗的算力成本上相比GPU更有优势，能为用户带来价值。
具体客户的外卖芯片出货量: 2025年外卖芯片的50万颗中，OpenAI 10万颗、Meta 10万颗、苹果10万颗、XAI 10万颗，剩余约10万颗来自欧洲小型客户（如多家云厂商的1万颗、2万颗采购）；2026年100万颗的出货计划中，Anthropic 40万颗、苹果20万颗，剩余约40万颗将由OpenAI、XAI等客户贡献（具体数量未统计）。
与谷歌的分工合作: 博通与谷歌在芯片设计中分工明确，谷歌负责整体芯片架构、算法及结构验证；博通承担芯片集成、电路实现（含互联、内存、电源管理相关电路设计等前端环节）及后端的布局布线、流片测试、封装交付等全流程工作。谷歌在核心模块设计中参与度逐渐提升，原因一是内部团队沟通效率更加高，二是能避免核心架构知识因外部合作外泄。
与字节的合作模式: 字节芯片设计团队为近两年新组建，目前处于学习阶段，博通参与率非常高；字节主要提出算力、带宽等需求，由博通负责优化及核心模块设计。
光模块需求比例对比: 对比GPU与TPU对800G光模块的需求比例：GPU为1颗对应1个800G光模块；谷歌TPU方面，其板卡为4颗芯片结构，2颗TPU对应1个800G光模块，因此TPU对光模块的需求比例低于GPU。
V7性能、出货时间及功耗: V7主要是针对推理端做了深入优化，在推理端延迟响应更快，并发解决能力更强；2026年一季度出货，全年出货量约180万颗。
V8性能、价格及机柜结构: V8重点提升训练端性能，2027年推出，标配HBM4；机柜内芯片数量与V7类似；价格这一块，V8预计接近15000美金（因偏训练端且HBM成本比较高），V7价格约1万-1.2万美金；目前V8的液冷方案尚未确定。
TPU价格的构成要素: TPU价格是谷歌芯片交货费用除以出货量的平均价格，包含三部分：a.NRE成本，通常在第一批芯片出货中抵扣，后期价格因不含此成本而下降；b.生产制造成本，涵盖台积电流片（5nm、4nm或3nm）、掩膜、测试封装等台积电收取的费用；c.博通的毛利率，通常在60%-70%之间。V6的价格约为8000美金。
V7量产延迟的原因: V7量产延迟的核心原因是流片后测试性能未达标需重新流片。其量产计划原定为2025年，现推迟至2026年一季度全量产。
国内ASIC厂商进展: 国内ASIC领域领先厂商包括阿里、百度（昆仑之星）及华为，其中华为更类似英伟达，是通用AI加速芯片，除此以外还有摩尔线程等公司，但整体在算力上与国外芯片存在代际差异。国内厂商面临的主要挑战是工艺限制，目前最先进工艺仅能到7纳米且产能没办法保证，同时流片环节受台积电等限制。
海外ASIC厂商进展: 海外ASIC厂商中，谷歌是最大玩家，其下Meta 2026年出货量约50万颗；OpenAI芯片2026年二、三季度量产，NBI领域出货量约20万颗；XAI芯片2027年推出，初始出货量20-30万颗；字节2026年启动ASIC项目，预计年出货量50-60万颗；亚马逊下一代训练芯片由博通代工，2027年出货量约100万颗。此外，DeepMind因需求量不大且研发能力不够，放弃自研计划，决定采用谷歌芯片，2026年预计采购40万颗，2027年规模达60万颗。
2026年ASIC需求展望: 2026年ASIC出货量预计约100多万颗，低于市场此前预期的300-400万颗。小厂商因需求量小、缺乏研发实力及财力支撑芯片迭代，更倾向于采购第三方芯片或利用其架构。
OCS技术的优势: OCS技术采用光互联方式，核心优点是带宽无限且传输距离远，适用于数据中心高速互联场景。
OCS技术的局限: 当前光子计算及量子计算尚未成熟，OCS技术处理数据时存在很明显局限：需将光信号转换为电信号处理后再转回光信号，因无法直接在光信号上运算，导致存在延迟问题。
谷歌的OCS应用情况: 谷歌内部GPU网络中OCS技术渗透率约50-60%，部分节点仍需采用光电交换机处理；OCS协议需通过以太网或其他通用协议与外围非TPU结构连接以实现数据互联互通。
A：谷歌TPU需求量近年大幅攀升，2025年出货量预计约300万颗；2026年出货量大概率超400万颗；2027年V8将成为出货主力，出货量约330万颗，V7约200万颗，整体出货量超500万颗。
Q：谷歌外销芯片今年约300万颗、明年400万颗的出货量目标，实现概率大不大？
A：大概率会超过400万颗。谷歌外销芯片比例持续提升，今年预计出货量超过50万颗，明年超过100万颗；今年与Android签署协议，明年向Android交货40万颗，OpenAI、Meta、XAI、苹果等均从谷歌采购芯片，还有欧洲等小型客户，这些均推动谷歌外销芯片数量增长。
Q：海外大厂与谷歌存在竞争关系且自身在推有关产品，为何仍会采购谷歌的TPU？
A：谷歌TPU技术成熟，已迭代至GPT第五至七代，在架构设计、运算效率、功耗控制及成本管理上具备独特竞争优势。OpenAI等大厂的芯片研发处于早期阶段，需通过使用谷歌TPU学习其架构及应用经验；同时，为降低对英伟达方案的依赖，这些大厂将谷歌TPU作为过渡选择。未来三五年待自身芯片成熟后，预计会采用谷歌与英伟达的芯片以实现采购及架构多样化，减少对英伟达生态的依赖。
A：使用谷歌TPU存在迁移成本，尤其是现有运行在英伟达上的大模型迁移至TPU的工作量极大，且迁移后模型能否运行仍存疑问。目前OpenAI、Meta、Anthropic等公司接入TPU的多为偏推理性模型，因谷歌芯片在推理方面更具优势，且这些模型特性更接近谷歌自身的MyLAN、TensorFlow等模型。谷歌会在软件生态开发层面针对这些客户的模型做优化，但不会修改TPU硬件，而是通过提升软件层对不同模型的适配性及优化软件栈来支持运行。TPU并非通用芯片，与GPU相比，其单位功耗的算力成本更具优势，若能适配Meta、OpenAI等客户的模型，将为这一些企业带来较大价值。
Q：公司今年50万颗、明年100万颗的TPU出货量按客户划分的结构是怎样的？
A：今年50万颗TPU出货量中，OpenAI、Meta、苹果、XAI各约10万颗，剩余约10万颗来自欧洲几家云厂商等小客户；明年100万颗出货量中，Anthropic约40万颗，苹果约20万颗，剩余约40万颗预计来自OpenAI、XAI等客户。
A：早期因谷歌芯片设计能力较弱，芯片前端结构设计至后端全流程均由博通负责；如今谷歌拥有五六百人的芯片设计团队，具备独立设计能力，合作方式调整为谷歌负责芯片整体架构、算法及结构验证，博通负责芯片集成、模块具体电路实现、前端及后端设计。核心算力单元等模块谷歌参与度提升，原因是其需保护核心架构及提高算法与硬件的沟通效率，但芯片整体集成及性能优化仍由博通主导。
A：字节芯片设计团队于近两年组建，目前处于学习阶段，芯片设计能力弱于谷歌。博通在字节芯片的前端设计、后端设计及流片等环节参与率极高，全权负责相关工作；字节主要提出算力、带宽等需求，由博通负责优化及核心模块设计。
A：英伟达72卡机柜含144颗GPU芯片，采用64通道800G NV Switch架构，每台服务器约1个GPU对应1个800G光模块；谷歌TPU板卡含4颗芯片，两颗GPU对应1个800G光模块，其光模块需求量比例小于英伟达。
A：从谷歌信息来看，TPU V7偏推理端，针对推理端做了深入优化，延迟响应更快、并发解决能力更强；V8偏训练端，训练端性能更优。V8预计2027年推出，标配HBM4，而V7不支持HBM4；其在带宽、HBM用量及带宽要求上与英伟达一致，带宽及算力较V7大幅提升。
？A：V8价格目前难以预测，因偏训练芯片且HBM价格较高，大概率接近15000美金；V7价格按芯片面积及工艺推算，约在1万至12000美金之间。
A：V8预计2027年推出，目前液冷方案未完全确定，需等待芯片前期规划确定后，再决定具体液冷方案。
A：V7明年将使用HBM3，因HBM4预计明年一季度由海力士开始量产，且V7设计已接近完成，不会改用HBM4；V8大概率使用HBM4。
Q：PCB供应商的进度情况，当前主供商是否为TFC和RSU，及今年阶段性补位进展如何？
A：因公司业务更多偏向芯片产品与市场，对PCB板相关情况了解较少；提及的PCB供应商相关联的内容属于下游供应链、采购范畴，公司接触较少。
Q：明年国内外科技大厂自研ASIC产品的进展，以及明年AIGC领域各家的市场、市场占有率及下游需求量展望如何？
A：国内方面，阿里、百度及华为处于领先，华为为通用AI加速芯片；摩尔线程等其他公司算力与国外存在代际差异，国内芯片公司面临工艺挑战，流片受限制，最先进7纳米工艺产能没办法保证。海外方面，Meta明年ASIC量约50万颗；OpenAI明年二、三季度量产，NBI领域量约20万颗；X A2芯片27年推出，初始量20-30万颗；博通明年启动字节项目，预计年出货量50-60万颗；亚马逊下一代训练芯片由博通打造，27年出货规模约100万颗；微软目前出货量小，明年计划与博通接触委托设计下一代产品；软银、Oracle等27-28年形成规模出货。此外，DeepMind放弃自研，明年从谷歌采购40万颗，后年60万颗；未来类似Antler的公司会增多，因需求量小、研发实力/财力不足，更倾向采购第三方芯片或利用其架构。
Q：Meta、亚马逊的Training Two、Training Three等芯片与谷歌第七代芯片相比，迭代速度较慢且频繁跳票的原因是什么？A：芯片迭代慢及跳票主要源于两方面因素：一是定制芯片难度高，需设计服务企业与云厂商深度配合，复杂ASIC芯片需长期磨合以实现结构与电路的最佳契合——谷歌早期前四代芯片出货量仅10-40万颗，第五代才达百万颗以上规模；二是芯片公司自身设计能力与投入成本，博通依托收购亚赛劳杰等形成的资深团队及丰富IP库保障设计稳定性，而部分公司因前期研发投入巨大，导致迭代进度缓慢或跳票。
Q：谷歌成为首家规模化应用OCS设备的企业，OCS与传统ID或以太网设备相比被谷歌采用的原因及OCS的优势、局限性是什么？
A：OCS的优点是采用光互联方式，具备无限带宽及远距离传输特性，适合数据中心高速互联需求，这是谷歌采用OCS的核心原因。其局限性最重要的包含：当前光子计算、量子计算技术未成熟，OCS处理数据需将光信号转电信号处理后再转回光信号；谷歌内部GPU网络中OCS渗透率约五六十，部分节点仍需光电交换机；与外围非TPU结构连接时，需通过以太网或其他通用协议实现数据互联互通。
Q：谷歌除TPU芯片、Cloud AI Suite外，在网络方面还有哪些突破推动了训练强度提升？
A：谷歌在网络架构上的核心突破包括：定制ICI片间互联芯片并通过类似总线的协议实现片间高速互联；T6芯片支持64颗芯片形成Cube结构的高速片间互联；通过多线程技术形成超级节点，其超级池内V5版本含8000多颗GPU芯片、V6/V7版本含9000多颗GPU芯片，互联形成超级节点，大幅度的提高单节点算力、降低时延并提高响应速度，这些优化一同推动了训练强度提升。
GDPS 2025全球开发者先锋大会暨国际具身智能技能大赛即将于12月12日-14日在上海启幕，傲意科技将发布新一代混合触觉力控灵巧手。作为本次赛事的铂金赞助商，傲意科技将提供30台高性能灵巧手。傲意旗下ROHand系列灵巧手逐步迭代，目前已形成三大系列，年出货量达数千只。
高市早苗宣称竹岛是日本固有领土？韩硬刚：将对日本就独岛提出的任何不当主张 予以坚决严厉回应！
12月9日（报道）重庆，一男子飞无人机时在崖洞中发现干尸，当事人：报警后 有关部门已在处理。
01多地延长公积金贷款年龄上限男延至68岁，女延至63岁！山东省住房和城乡建设厅召开《山东省住房公积金2024年年度报告》新闻通气会。
就在12月初，一个令人不安的消息传来：我们两个重要的邻居——巴基斯坦和阿富汗，又打起来了。这场冲突来得猛烈且突然。仅仅在一个多月前，双方还在国际斡旋下达成过停火默契，但就在12月5日晚间，协议的纸张似乎还没凉透，炮火声就打破了夜晚的宁静。而且，这还是一场动用了重型武器的正面互殴。
中国辽宁舰航母编队在正常训练之下，遭到日本战斗机无理滋扰的后续问题还在持续发酵，12月6日，在中日战机在宫古海峡以东海域发生两次对峙事件之后，不仅是日本给出了激烈的反应，中国海军也是强硬还击，就连美国防长在事前的演讲发言，也被拿出来大肆解读一番。
用心经营自己的写作人生专注上市公司产业链研究，如果我们什么都改变不了，那就不要改变纯真的灵魂！