v9.699.991 安卓版
v8.490.6535.672930 安卓汉化版
v3.20.3964 安卓汉化版
v3.851 安卓免费版
v3.20 安卓免费版
v9.126.6314.317213 IOS版
v6.89 IOS版
v7.433.2279.976205 最新版
v4.107.4891 最新版
v1.244.1831.297303 最新版
v3.3.2445 PC版
v1.278.7060 安卓最新版
v2.987.6511 最新版
v7.172.6282.968206 PC版
v2.227 安卓免费版
v7.242.1332.727303 安卓汉化版
v7.603.2395 安卓汉化版
v6.462 安卓汉化版
v7.787.8413.240207 安卓版
v2.520 最新版
v8.21 安卓版
v3.612.3420.257672 安卓免费版
v2.402.7314 安卓版
v9.852.373 IOS版
v5.619.9024.313210 IOS版
v3.658 安卓最新版
v1.531.1600.720803 安卓版
v2.184 最新版
v1.546 PC版
v6.574 安卓汉化版
v9.316 IOS版
v7.257.8632 最新版
v7.432.3195 IOS版
v1.583 安卓汉化版
v7.728.8952.966893 PC版
v2.291 安卓版
v3.186 安卓最新版
v3.629.1776 安卓版
v4.957 安卓汉化版
v2.496.1622 安卓免费版
v9.667.3238 最新版
v8.311.447 最新版
v6.508.8810.222827 安卓版
v8.856.9015.707848 最新版
v3.800 IOS版
v6.208.9037.789557 安卓汉化版
v2.557 PC版
v4.957 IOS版
v4.877.4652.664877 安卓版
v9.955.3440.8037 安卓版
v4.956 PC版
v7.166.9854.651448 安卓版
v8.271.8723.173635 PC版
v4.561 IOS版
v2.65 安卓汉化版
v7.852 PC版
v6.849.7194.48091 安卓最新版
v9.647 安卓免费版
v8.573 IOS版
v8.320.5768 安卓版
v5.687.2105 PC版
v9.373.9525 PC版
v9.184 安卓版
v2.333 最新版
v6.983.2588 安卓免费版
v7.533 安卓免费版
v3.64.4164.639228 最新版
v9.69.4158.235690 安卓最新版
v7.658.4721 安卓最新版
v5.971.8827 PC版
v8.62.2725.40865 PC版
v6.281.4012.121430 安卓汉化版
v1.870.4657 安卓免费版
v5.288.8628 最新版
v8.487.9202.730847 PC版
v3.696.7220.362195 IOS版
v8.319 安卓汉化版
v7.703 安卓最新版
v7.824.3487.341123 安卓免费版
v1.566.1446 最新版
ope体育平台
克雷西 发自 凹非寺量子位 | 公众号 QbitAI
学术界看不下去了，直接戳破：华尔街在尬吹谷歌TPU！
起因是Meta被曝要和谷歌签订数十亿美元的TPU订单，消息曝出后英伟达盘中最大跌幅达到了7%，按照现在的市值计算，一举蒸发了超3000亿美元。
反观谷歌，在盘中情绪最热烈时涨幅一度达4%，换算成市值相当于增加了约1500亿美元，合人民币超1万亿。
《华尔街日报》将其视为谷歌向英伟达的市场主导地位发起冲击的信号。
但在从业人士看来，华尔街对此举的看法实在是外行了：Meta、xAI在内的大公司和学术界多年一直在用TPU，市场突然就拿他当成算力救世主了？
谷歌没有护城河，英伟达也没有
OpenAI技术人员Clive Chan表示，不仅谷歌自己的Gemini一直在TPU上训练，像Claude、生图模型MidJourney、Ilya的SSI，也全都用过TPU。
所以在他看来，Meta和谷歌签TPU订单不是什么奇怪的事，如果Meta没用过的话，反而会更让他惊讶。
Clive对Meta的看法也被现实验证——没过多久谢赛宁就亲口证实，Meta早在2020年就已经开始使用TPU了。
谢赛宁介绍，当时何恺明领导了TF和JAX代码库的初步开发，MAE、MoCo v3、ConvNeXt v2和DiT等研究项目都是完全在TPU上开发的。
同时，谢赛宁团队在纽约大学的许多研究工作，也都用到了TPU。
在Meta的新订单被曝光之后，英伟达这边也对谷歌表示了祝贺。
但立马话锋一转表示自家产品依然遥遥领先，是唯一能够运行所有AI模型并应用于所有计算场景的平台。
有意思的是，这则推文三句话就用了两个长破折号，网友们一度怀疑是不是AI写的。
不过在Clive看来，所谓的“英伟达护城河”，其实也是十分薄弱的。
比如OpenAI就专门开发了Triton来绕过CUDA，并且只需25行Python代码就能达到cuBLAS的性能。
总之，从技术角度看，对于谷歌、Meta、OpenAI这样的巨兽来说，至少其自身绕开英伟达不是什么难事。
当然了，除了CUDA之外，还有一个需要考虑的因素，那就是使用成本。
Artificial Analysis用Llama 3.3对多款英伟达芯片、AMD的MI300X以及谷歌TPUv6e来了波性价比横评，结果从H100到B200，每1美元带来的Token收益是TPU v6e的5倍。
具体来说，用30Tokens每秒的速度跑Llama 3.3，输入输出各100万个Tokens，在H100上只需1.06美元，而在TPU v6e上需要5.13美元。
而谷歌最新的TPU v7成本核算下来，也和B200差不多。
TPUv7的FP8运算速度为4.6PFLOP/s，功耗约为1000瓦，GB200的FP8运算速度为5PFLOP/s，功耗约为1200瓦。
总之，综合来看，不管是技术还是成本，英伟达和谷歌都没有形成强有力的护城河。
但也有分析指出，谷歌选择出售GPU，本来也不是为了赚钱，瞄准的目标也不是英伟达。
谷歌卖TPU不为赚钱为产能
Artificial Intuition作者Carlos E. Perez分析指出，大家都把Meta与谷歌的TPU交易看作是Meta对冲NVIDIA风险的一种手段，但事实并非如此。
Perez认为，Meta在这笔交易当中也在被谷歌利用，用出货量换取排产和价格优惠，从而对冲来自芯片代工厂的风险。
代工厂需要获得切实有效的多年期合约，才会启动新的2纳米生产线，这种“安全感”是初创公司无法给予的。
Perez想象了这样一个场景：
谷歌走进代工厂，说道：“我和Meta以及苹果都签了六年云服务合同，不管他们愿不愿意，他们每年都会消耗20万个TPU。把你们N2容量的 25%按成本价给我。”而代工厂垂涎三尺，欣然应允。
现在任何一家小型芯片公司（Groq、Cerebras、Tenstorrent等等）都可以进来索要同样的晶圆。
Perez继续畅想，当这些小公司走进代工厂时，得到的回应就会变成“抱歉，未来24个月的房源都已经卖给了谷歌。剩下的零碎货，您只能按原价购买。”
他们正在利用Meta和苹果的资本支出作为抵押，预购了未来的尖端芯片供应。这和苹果当年在iPhone显示屏上用的伎俩如出一辙。
当时苹果用巨额预付款锁定所有优质面板 ，导致其他厂商多年来只能使用二流屏幕。
当然谷歌一个巴掌自然是拍不响，但Meta和苹果也都乐于签署这些协议，因为目前谷歌的TPU是唯一可以批量获得的芯片。
这样做的结果就是，在代工厂那里，能和谷歌相抗衡的，也就只有英伟达了。
参考链接：[1]https://x.com/itsclivetime/status/1993869419337142772[2]https://x.com/ArtificialAnlys/status/1993878037226557519[3]https://x.com/IntuitMachine/status/1993117888140439943
相关版本
多平台下载
查看所有0条评论>网友评论
