谷歌TPU集群冲上百万芯片级，AI算力扩张遭遇电力天花板

百万芯片集群成型，互联架构先于芯片数量触及上限

在SEMICON Taiwan 2026的一场技术演讲中，谷歌披露其TPU系统已具备支撑100万颗芯片量级统一集群的能力。这一数字并非指谷歌已部署了100万颗TPU，而是表明其互联架构——涵盖网络拓扑、通信协议与软件栈——已经能够将最多百万颗TPU芯片连接为单一计算集群，实现协同运算。

该能力的意义在于，超大规模AI模型的训练可以跨越多个数据中心与多个Pod进行分布式协同，芯片数量本身不再是首要约束。谷歌首席技术官阿明·瓦赫达特（Amin Vahdat）在以“思维的物理学和智能的架构”为题的演讲中直言，随着模型规模持续膨胀，扩张的核心瓶颈已从芯片供给转移至电力供给，AI算力的天花板正由“造不出芯片”变为“找不到电”。

从人机对话到智能体对话，算力需求被推向指数级

瓦赫达特将当前阶段定义为“智能体人工智能”时代，交互模型正从人机交互转向智能体与智能体之间的自动化对话。这一转变将推动AI应用呈指数级增长，并创造出近乎无限的全球计算需求。

他用工业革命与AI作类比：前者是“肌肉倍增器”，后者则是“大脑倍增器”。AI不只是自动化既有工作，更让此前不可能完成的任务成为可能。在他的描述中，未来每个病人都能拥有医生，每个学生都能拥有老师，过去需要十年才能取得的科学进步，一年之内就能完成。

Anthropic协议与Ironwood规格：算力扩张的具象刻度

谷歌与Anthropic达成的合作协议涉及高达100万颗TPU芯片，总计算功率超过1吉瓦。根据协议，从2027年开始，谷歌将为Anthropic提供3.5至5吉瓦的TPU算力容量，交易价值高达400亿美元。

技术规格层面，谷歌Ironwood TPU（TPU v7）每芯片提供4,614 TFLOPS的FP8计算能力，9,216芯片Pod可提供高达42.5 Exaflops的计算性能。该芯片配备192 GB高带宽内存，带宽达7.37 TB/s，功耗效率比前代Trillium提升2倍。

今年4月召开的Cloud Next大会上，谷歌发布第八代TPU，分为TPU 8t（训练专用）与TPU 8i（推理专用）两种架构。TPU 8t超级Pod可扩展至9,600芯片，共享2 PB高带宽内存，提供121 ExaFLOPS的FP4计算能力。

电力瓶颈并非谷歌独有，全球AI数据中心同此凉热

类似挑战正在整个行业蔓延。亚马逊正在购买额外200万颗Nvidia芯片用于AI基础设施建设，但电力供应短缺已成为全球AI数据中心扩张的共同难题。芯片采购可以靠资本开支解决，电力供给却受制于电网容量、能源结构与审批周期，扩张节奏由此被重新校准。

从百万芯片级互联架构到吉瓦级算力协议，AI基础设施的竞争维度正在迁移：谁能更快获得稳定、廉价的电力，谁就更可能把芯片集群转化为可持续的算力供给。芯片与电力之间的这道新不等式，将决定下一阶段AI竞赛的实际配速。