Google формирует цепочку поставок чипов из четырех партнеров с Broadcom, MediaTek, Marvell, чтобы бросить вызов Nvidia в области вывода.

      Резюме: Google строит самую диверсифицированную цепочку поставок пользовательских чипов в индустрии ИИ, с четырьмя партнерами по дизайну (Broadcom, MediaTek, Marvell, Intel) и дорожной картой, которая простирается от TPU Ironwood, который сейчас поставляется миллионами, до чипов TPU v8 на 2 нм от TSMC в конце 2027 года. Стратегия, подробно изложенная перед Google Cloud Next, явно разделяет следующее поколение: "Sunfish" от Broadcom для обучения, "Zebrafish" от MediaTek для вывода по цене на 20-30% ниже, при этом Marvell ведет переговоры о добавлении блока обработки памяти и дополнительного TPU для вывода, позиционируя пользовательский кремний Google как наиболее прямую угрозу доминированию Nvidia в области вывода ИИ.

      Google собирает самую диверсифицированную цепочку поставок пользовательских чипов в индустрии ИИ, с четырьмя партнерами по дизайну, отношениями по производству с TSMC и дорожной картой продукта, которая теперь простирается от чипов вывода, которые она поставляет сегодня, до процессоров на 2 нанометра, которые она ожидает развернуть в конце 2027 года. Стратегия, подробно изложенная в статье Bloomberg перед Google Cloud Next на этой неделе, позиционирует программу кремния Google как наиболее прямую угрозу доминированию Nvidia в области вывода ИИ, фазе вычислений, где модели обслуживают пользователей, а не учатся на данных.

      Центральным элементом является Ironwood, седьмое поколение TPU Google и первый, специально разработанный для вывода. Он обеспечивает в десять раз большую пиковую производительность, чем TPU v5p, предлагает 192 гигабайта памяти HBM3E на чип с пропускной способностью 7,2 терабайта в секунду и масштабируется до 9216 жидкостно-охлаждаемых чипов в одном суперподе, производя 42,5 FP8 экзафлопс. Ironwood теперь доступен для клиентов Google Cloud. Google планирует произвести миллионы единиц в этом году, а Anthropic обязался закупить до одного миллиона TPU. У Meta также есть соглашение о аренде.

      Программа чипов Google теперь включает четырех различных партнеров по дизайну, каждый из которых отвечает за разные сегменты продуктовой линейки. Broadcom, который подписал долгосрочное соглашение 6 апреля на поставку TPU и сетевых компонентов до 2031 года, отвечает за высокопроизводительные варианты чипов. Он также разрабатывает чип для обучения TPU v8 следующего поколения, кодовое название "Sunfish", нацеленный на процесс TSMC на 2 нанометра для конца 2027 года. Broadcom контролирует более 70% рынка пользовательских ускорителей ИИ и прогнозирует доход в 100 миллиардов долларов от чипов ИИ к 2027 году.

      MediaTek разрабатывает оптимизированный по стоимости вариант вывода TPU v8, кодовое название "Zebrafish", также нацеленный на TSMC 2 нм в конце 2027 года. Участие MediaTek началось с модулей ввода-вывода и периферийных компонентов на Ironwood, где его разработки стоят на 20-30% дешевле, чем альтернативы. Стратегия TPU v8 явно разделяет продуктовую линейку: Broadcom разрабатывает чип для обучения, MediaTek разрабатывает чип для вывода, а Google получает переговорное преимущество, которое возникает от того, что каждый партнер знает о существовании другого.

      Marvell Technology, который ведет переговоры с Google о разработке блока обработки памяти и нового TPU, ориентированного на вывод, станет третьим партнером по дизайну, если эти переговоры приведут к контракту. Google планирует произвести почти два миллиона блоков обработки памяти, при этом окончание проектирования ожидается к следующему году. Бизнес Marvell по пользовательскому кремнию работает на уровне 1,5 миллиарда долларов в год по 18 победам в дизайне облачных провайдеров, а Nvidia инвестировала 2 миллиарда долларов в компанию в марте.

      Intel вошла в картину 9 апреля с многообещающим соглашением на несколько лет о поставке процессоров Xeon и пользовательских блоков обработки инфраструктуры для инфраструктуры дата-центров ИИ Google. Соглашение охватывает сетевые и общие вычислительные слои, окружающие TPU, а не сами ускорители ИИ.

      TSMC производит весь пользовательский кремний Google. Отношения являются структурными: каждый чип, который разрабатывает Google, независимо от того, какой партнер его разработал, проходит через фабрики TSMC.

      Почему вывод меняет экономику

      Переход от обучения к выводу как доминирующей стоимости вычислений ИИ является стратегическим предпосылкой всей программы чипов Google. Обучение передовой модели — это единичное, интенсивное событие. Вывод является непрерывным и масштабируется с каждым пользователем, каждым запросом и каждым продуктом, который включает ИИ. Google обслуживает миллиарды запросов поиска с поддержкой ИИ, разговоров Gemini и вызовов Cloud AI API ежедневно. На этом уровне стоимость за вывод определяет экономику всего бизнеса ИИ.

      Графические процессоры Nvidia остаются доминирующими для рабочих нагрузок обучения, где их программируемость и экосистема программного обеспечения CUDA создают затраты на переключение, которые пользовательские чипы не могут легко воспроизвести. Но рабочие нагрузки вывода более предсказуемы, более повторяемы и более поддаются оптимизации фиксированной функции, в которой пользовательский кремний преуспевает. Чип для вывода, специально созданный для того, чтобы стоить меньше за запрос, чем графический процессор Nvidia, даже если он не может соперничать с универсальностью графического процессора, выигрывает по метрике, которая имеет значение на масштабе Google.

      Вот почему Google одновременно инвестирует в несколько путей чипов для вывода. Ironwood обслуживает рабочие нагрузки сегодняшнего дня. Zebrafish от MediaTek нацелен на следующее поколение по более низкой цене. Предложенные чипы Marvell добавят еще одну опцию. Избыточность является преднамеренной: Google строит опциональность в цепочку поставок, где зависимость от любого одного партнера создает риски ценообразования, риски мощности и стратегическую уязвимость, имея свою инфраструктуру ИИ под контролем чужой дорожной карты.

      Цифры за амбициями

      Общее ожидаемое количество поставок TPU от Google прогнозируется на уровне 4,3 миллиона единиц в 2026 году, увеличиваясь до более чем 35 миллионов к 2028 году. Обязательство Anthropic само по себе представляет до одного миллиона из этих чипов, с доступом к примерно 3,5 гигаваттам вычислений на основе TPU следующего поколения, начиная с 2027 года. Оценка доходов от ИИ от Broadcom, основанная на его отношениях с Google и Anthropic, составляет 21 миллиард долларов в 2026 году, увеличиваясь до 42 миллиардов долларов в 2027 году.

      Рынок пользовательских ASIC в более широком смысле растет быстрее, чем графические процессоры. TrendForce прогнозирует, что продажи пользовательских чипов вырастут на 45% в 2026 году, по сравнению с 16% роста поставок графических процессоров. Ожидается, что рынок достигнет 118 миллиардов долларов к 2033 году. Google не единственный гиперскейлер, строящий пользовательский кремний для вывода: у Amazon есть Trainium и Inferentia, у Microsoft есть Maia, а Anthropic исследует свою собственную программу чипов. Но подход Google с несколькими партнерами и несколькими поколениями является наиболее архитектурно амбициозным.

      Что смотреть на Cloud Next

      Google Cloud Next открывается в среду в Лас-Вегасе с основными выступлениями от Сундара Пичаи и Томаса Курияна. Ожидается, что конференция продемонстрирует архитектуру TPU следующего поколения и дорожную карту пользовательского кремния, которая соединяет Ironwood с поколением v8. Тайминг статьи Bloomberg, за день до того, как The Information раскрыло переговоры с Marvell и за два дня до Cloud Next, предполагает, что Google использует конференцию, чтобы представить свою программу чипов как согласованную стратегию, а не как серию отдельных партнерств.

      Проблема, с которой сталкивается Nvidia, заключается не в том, что какой-либо отдельный чип Google превзойдет ее графические процессоры. Дело в том, что Google строит систему, в которой несколько пользовательских чипов, каждый оптимизированный для конкретной рабочей нагрузки и ценовой точки, коллективно уменьшают долю вычис