这已是不争的事实：谷歌是全球最大的AI算力单一持有者，且其算力体系的构建在很大程度上绕开了英伟达。
根据Epoch AI研究机构的最新分析，全球超过60%的AI算力由美国超大规模云服务商掌控，其中谷歌独占约四分之一。尽管这家搜索巨头的算力主要依赖自研张量处理器（TPU），但其许多同行仍高度依赖英伟达的产品。
分析师指出，这种算力与基础设施向少数巨头高度集中的格局，可能会主导AI发展的整体节奏。
独立科技分析师卡米·列维表示："没有人会质疑成为超大规模云服务商所需的巨额资本投入。"他指出，这些巨头能够实现规模经济，"是小玩家只能望尘莫及的"。
"但当它们基本上成为市场上唯一的选择时，它们对定价、条款和服务可用性的影响力就很难被忽视，而这个市场实际上别无选择。"他说道。
Epoch AI以"等效H100（H100e）"为单位评估算力规模，即一家云服务商或公司拥有足够多的TPU、图形处理器（GPU）或其他加速芯片，其总算力可以与相应数量的英伟达H100处理器相匹配。
按此标准，谷歌持有的算力约等效于500万张H100 GPU，其中约400万的算力来自自研TPU芯片，仅约四分之一的算力依托英伟达GPU。
穆尔洞察与战略公司副总裁兼首席分析师马特·金博尔表示，这一比例"远低于"其竞争对手，"这充分说明谷歌对自家TPU用于AI的信心"。他还补充道，谷歌目前正大量采用第七代Ironwood TPU为谷歌云提供算力支撑。
微软在算力规模上位列第二，但差距较大，相当于约345万张H100，其算力主要依赖英伟达基础设施，小部分来自AMD。
亚马逊排名第三，算力约等效于250万张H100；Meta排名第四，约为225万；甲骨文排名第五，略超100万H100e。据Epoch AI数据，Meta混合使用英伟达和AMD的基础设施；亚马逊的算力则大致由AMD和自研AWS Trainium芯片各承担一半；甲骨文则高度依赖英伟达。
另一项来自Synergy Research Group的分析显示，超大规模运营商目前已占全球数据中心总容量的近一半（48%），预计到2031年将超过三分之二（67%）。
该机构报告指出，超大规模数据中心中60%的容量已位于由这些服务商自建自有的设施内，而企业自建数据中心（即本地部署）仅占总容量的32%。这与2018年形成"鲜明对比"——彼时本地部署设施占据了56%的数据中心容量。
Synergy表示，当前本地部署数据中心容量正因生成式AI应用和GPU基础设施的兴起而获得"一定程度的提振"，此前这一领域经历了"相当长时间的几乎零增长"。然而，该机构预测，本地部署在总容量中的占比将继续以每年至少两个百分点的速度下滑，到2031年降至19%。
Synergy Research Group首席分析师约翰·丁斯代尔表示："总体而言，全球正在加速迈向一个由超大规模运营商主导全球绝大部分数据中心容量的格局。"
毫无疑问，英伟达依然是AI技术栈中的核心要素。
列维表示，英伟达"以相当出色的姿态乘上了这波浪潮，并凭借提供满足算力需求日益增长的AI时代所需的处理器级解决方案，获得了当之无愧的回报"。
然而，他也指出，过度依赖单一芯片供应商"会让所有其他方承担不必要的风险"，这促使谷歌、Meta、亚马逊等平台型企业寻求更贴近自身的解决方案。至于是选择自研芯片，还是通过多元化渠道获取算力，"其实并不那么重要"。
"真正重要的是，它们要认识到自主开发和部署算力的优势，以及将主动权拱手相让所带来的内在风险。"列维说。
Info-Tech Research Group研究员比尔·王指出，就谷歌而言，它将持续成为"最大的算力资源消耗者之一，甚至是最大的那个"。
"其商业模式驱动了这种全球性需求，具体体现在谷歌搜索和Gemini的广泛使用上——这些服务对用户来说是'免费'提供的。"他指出。然而，在企业客户层面，谷歌恐怕难以复制这样的市场渗透率，因为微软Azure和亚马逊AWS在企业市场拥有更为深厚的根基。
比尔·王还指出，AI基础设施的布局也正受到"主权AI"这一新兴趋势的影响——各国倾向于将AI技术栈置于更本地化或本地部署的环境中加以管控。丹麦等国已着手将AI及非AI工作负载从美国服务商（尤其是微软和谷歌）迁移出去。
值得注意的是，上述数据主要反映的是面向大规模模型训练而构建的基础设施——这一领域长期由英伟达凭借其芯片及CUDA并行计算平台主导。
但金博尔预测，随着推理市场逐渐走向成熟，市场格局可能会发生转变。AMD、Cerebras等厂商将开始获得更多份额，因为它们"同样出色"，并具备差异化的性价比表现。
他还指出，上述排名也未将部分自研加速芯片纳入统计，包括AWS的Trainium、微软的Maia以及Meta的MTIA。云服务商将"随时随地尽可能地"部署自研芯片，因为这将带来显著的性价比优势。
"所以，英伟达今天主导市场，明天依然会领跑，"他说，"但等推理在市场上真正站稳脚跟之后，我们再来看格局会是什么样子。"
金博尔观察到，对于在云端使用AI的企业来说，英伟达的故事确实容易令人困惑。"他们读到的、看到的一切都在告诉他们要用英伟达，因为那是构建他们所使用的所有模型的底层架构，"他说。
但他指出，推理与训练不同。合适的推理平台有很多依赖因素：不同的模型类型和规模、推理模式、可移植性以及内存架构。而且，鉴于推理将在整个企业中无处不在地发生（数据中心、边缘侧、终端设备上），IT采购方必须充分考虑软件栈和可移植性问题。
金博尔最终指出，企业IT部门需要将AI视为"一张白纸上的全新项目"，而不是被现有数据中心的既有资产所束缚。"你不会希望被锁定在单一技术栈和/或单一芯片上，"他建议道。
Q&A
Q1：谷歌的AI算力为什么能排名全球第一？
A：根据Epoch AI的分析，谷歌持有相当于约500万张英伟达H100 GPU的算力，居全球单一机构之首。其核心优势在于大规模部署自研TPU芯片——约400万H100等效算力来自自研TPU，仅四分之一依托英伟达GPU。这使谷歌在算力自主性和规模经济上都具备显著优势。
Q2：谷歌的TPU和英伟达GPU相比有什么优势？
A：谷歌的TPU是专为AI计算定制的芯片，目前已迭代至第七代Ironwood版本，广泛用于支撑谷歌云服务。与英伟达GPU相比，TPU在特定AI任务上具有更高的能效比和成本优势。谷歌对TPU的高度依赖，也体现出其对自研芯片在AI领域应用的充分信心，同时降低了对单一外部供应商的依赖风险。
Q3：英伟达在AI芯片市场的主导地位会被取代吗？
A：短期内英伟达仍将主导AI训练芯片市场，其GPU架构和CUDA平台具有深厚的生态积累。但随着AI推理需求的快速增长，AMD、Cerebras等厂商以及各大云服务商的自研芯片（如AWS Trainium、微软Maia）将逐步蚕食市场份额。分析师建议企业在构建AI基础设施时，避免被单一芯片或技术栈锁定。
申宝配资提示：文章来自网络，不代表本站观点。
