- Google представил седьмое поколение TPU (Ironwood), которое по эффективности близко к решениям Nvidia.
- Компания Anthropic заключила крупную сделку с Google на миллион чипов TPU v7, что свидетельствует о выходе TPU на глобальный рынок.
- В полной стоимости владения TPU v7 оказывается значительно эффективнее и дешевле топовых серверов Nvidia, что ставит под вопрос доминирование Nvidia в сфере ИИ-ускорителей.
Недавний анализ от SemiAnalysis пролил свет на нарастающую конкуренцию между Google и Nvidia в сегменте аппаратного обеспечения для искусственного интеллекта. Согласно исследованиям, Google поднял планку с помощью семейтепутинного поколения TPU (Ironwood), продуктивность и эффективность которого уже подтверждена при обучении передовых ИИ-моделей, таких как Gemini 3 и Claude 4.5 Opus.
Особое внимание привлекает масштабная сделка между Google и Anthropic, которая предусматривает поставку порядка миллиона чипов TPU v7 с совокупной стоимостью около 52 миллиардов долларов (включая аренду через Google Cloud и прямые поставки Broadcom). Для расширения производственной инфраструктуры Google использует не только собственные дата-центры, но и привлекает «неоклауды» — небольшие облачные операторы, в том числе преобразованные бывшие криптомайнинговые площадки с дешевой электроэнергией. Поддержку финансовой стабильности таких партнеров обеспечивает Google.
Анализ показывает, что по «бумажным» техническим параметрам TPU v7 немного уступает флагманам Nvidia, таким как GB200 и GB300 по пиковой вычислительной мощности и объему памяти. Тем не менее, по совокупной стоимости владения (TCO) TPU v7 оказывается примерно на 44% выгоднее для собственных нужд Google и до 30% дешевле для внешних клиентов, даже с учетом наценки. Интересно, что речь идет о скрытой конкуренции: Nvidia, по сведениям SemiAnalysis, уже предоставила OpenAI скидку в 30%, реагируя на рост интереса к TPU.
Ключевым показателем эффективности является не пиковая производительность в терафлопсах, а коэффициент использования операций с плавающей точкой (MFU). На практике Nvidia и AMD демонстрируют завышенные показатели, опираясь на кратковременные тесты, в то время как TPU показывают более стабильный и честный коэффициент загрузки, на уровне минимум 40%, что выгодно отличает их в задачах обучения больших моделей.
В результате, для компании Anthropic эксплуатация TPU v7 позволила снизить затраты на эффективный PFLOP почти вдвое по сравнению с решениями Nvidia, что отразилось в трехкратном снижении цен на API новой модели Opus 4.5, при одновременном росте дохода.
Однако, несмотря на технологические успехи Google, Nvidia пока сохраняет значительное преимущество за счет развитой экосистемы CUDA, PyTorch и широкой базы готовых библиотек. TPU исторически оптимизированы под внутренние нужды Google, а внешним клиентам часто приходилось сталкиваться с проблемами совместимости и сложностями в отладке. Google активно работает над устранением этих барьеров, но для существенного изменения ландшафта рынка еще потребуется время.
Тем не менее, эксперты SemiAnalysis уверены, что доминирующее положение Nvidia в области ИИ-ускорителей начинает трещать — компаниям придется пересматривать текущие наценки и усилить конкуренцию, что может привести к значительным изменениям в отрасли аппаратного обеспечения для искусственного интеллекта.
