据媒体报道，OpenAI正洽谈直接向谷歌购买张量处理单元（TPU）。这一进展若成真，将把双方始于十六个月前的租赁关系转变为直接的硬件所有权，也勾勒出这家AI巨头在硅片供应商选择上清晰的“三方供应商”战略全貌。
目前，两家公司均未正式确认此事。报道未披露购买价格、芯片数量、具体代次或交付时间表。但该谈判的关键背景在于，领导OpenAI硬件项目的工程师曾在谷歌任职近九年，并深度参与了TPU的研发工作。
从租赁到购买：硅片战略进入新阶段
OpenAI于2025年开始租赁谷歌芯片，当时公司表示暂无大规模部署TPU的计划。然而，随着ChatGPT等模型日均处理数亿次查询，按小时支付云计算费用与摊销自有硬件成本之间的差异急剧累积。对于具备稳定、高容量工作负载的OpenAI而言，拥有权比租赁更具财务优势。
时机进一步放大了这一事件的重要性。在此前六天，OpenAI刚与谷歌达成协议，通过谷歌云提供其AI模型。这意味着双方在基础设施层的合作正双向扩展：既在模型层激烈竞争，又在底层设施上加强协同。
关键人物：前谷歌工程师主导采购
OpenAI硬件负责人理查德·霍（Richard Ho）为此次谈判提供了运营可信度。霍在谷歌担任工程高级总监约九年，曾帮助领导Cloud TPU项目并共同发明芯片架构设计的机器学习方法。他在TPU架构中沉浸的九年，使OpenAI拥有评估、集成和优化谷歌芯片的内部专业知识，有效消除了技术尽职调查的限制。
霍的影响力已体现在OpenAI的硬件进展中。他领导开发了与博通联合设计的首款定制推理芯片Jalapeño，该芯片于2026年6月24日亮相，从设计到流片仅用时约九个月。此外，OpenAI近期招聘寻求具有TPU经验的工程师，也佐证了其在非英伟达硬件上的投入。
架构优势：TPU为何适合AI推理
谷歌TPU基于脉动阵列架构构建，矩阵操作以同步方式流过芯片，中间结果保留在阵列内部而非写回主内存。这种“权重静止”设计大幅减少了片外内存流量，使其在由密集矩阵乘法主导的大语言模型推理中，比通用GPU更具成本效益。
谷歌目前的旗舰产品Ironwood（TPU v7）于2025年亮相，2026年4月全面可用。每块芯片提供4.6 PFLOPS的密集FP8性能，略高于英伟达B200。谷歌声称，Ironwood在推理工作负载上的成本效益比等效GPU配置高出多达四倍，尽管该数据尚未得到独立第三方验证。
商业化加速：甲骨文成为首个转售伙伴
长达十一年的内部专用历史后，Alphabet开始直接向第三方出售TPU系统。本周二，甲骨文宣布达成首个非谷歌云体系的TPU转售交易，预计客户将在2027年可用。Alphabet CFO Anat Ashkenazi表示，绝大部分TPU收入将出现在2027年。
专家网络估计，谷歌外部TPU硬件收入在2026年约为80亿美元，2027年将攀升至510亿美元。虽然这些数据未经核实，但方向明确：外部TPU收入正在增长。鉴于OpenAI是甲骨文最大的云客户之一，这为其获取谷歌硅片提供了第二条潜在途径。
三芯片栈：路由策略优化成本
据报道的谷歌交易将融入OpenAI有意构建的多供应商硅片架构：
- Jalapeño（博通联合设计）：专为LLM推理定制，计划于2026年底前在千兆瓦级数据中心部署，提供最大优化控制。
- 谷歌TPU：解决大规模矩阵密集型推理及潜在训练任务，利用谷歌专有互连网络提升效率。
- 英伟达GPU：仍是AI模型训练的骨干，受益于CUDA生态灵活性。OpenAI承诺到2030年在英伟达基础设施上花费约6000亿美元。
这种架构不仅是防范供应中断，更是一种路由策略：将不同工作负载放置在性价比最高的芯片上，从而在大规模运营中复利累积成本节省。
英伟达垄断面临概念验证挑战
英伟达最持久的优势是CUDA编程模型，而非硬件本身。切换到非英伟达硬件需要重写代码或依赖兼容层，切换成本高昂。然而，如果OpenAI在谷歌硬件上以千兆瓦规模量产前沿模型，将产生操作手册和经过验证的概念证明。
这将向其他AI实验室和企业客户表明，CUDA锁定并非不可逾越。Anthropic已与谷歌达成多千兆瓦TPU容量协议，涵盖了亚马逊Trainium、谷歌TPU、英伟达GPU和AMD GPU四个家族。OpenAI若跟进，将进一步验证AI基础设施层与模型层竞争分离的趋势。
尽管谈判细节仍未可知，但显而易见的是，支撑全球AI竞赛的供应商关系已不再严格遵循竞争阵营划分。OpenAI与谷歌之间意想不到的硬件纽带，可能是行业竞争动态被重新定义的预览。