据 The Information 于 2026 年 10 月 27 日报道，OpenAI 计划直接采购 Google 的 Tensor Processing Unit（TPU），而非仅通过 Google Cloud 租用算力。报道援引 1 位知情人士，但交易的金额、芯片数量与交付时间表均未披露。OpenAI 拒绝向 Reuters 置评，Google 亦未立即回应。

这条消息的分量在于一个关键词的变化：从「租用」到「采购」。2025 年，Reuters 曾报道 OpenAI 开始租用 Google 芯片，但 OpenAI 随后表示没有将其用于自身产品的活跃计划。如今，据报道 OpenAI 拟直接购买 TPU 硬件——如果报道属实，这意味着 OpenAI 可以在自有或第三方数据中心部署这些芯片，获得远超云租赁模式的基础设施自主权。对于英伟达 GPU 最大的 AI 买家之一而言，若采购落地，这一步可能标志着其多供应商芯片战略从试探进入实质阶段。

「租用」与「采购」：两种截然不同的算力控制权

理解这则消息需要先厘清「租用云算力」与「采购芯片硬件」之间的本质差异。

租用 Google Cloud 上的 TPU，OpenAI 获得的是弹性算力——按需扩缩、按时计费，但芯片的物理位置、集群拓扑、网络配置乃至运维优先级都由 Google 控制。这种模式适合测试与短期负载，但对于需要持续高密度计算的前沿模型训练和大规模推理服务而言，租赁意味着 OpenAI 始终受制于供应商的容量分配。

直接采购 TPU 硬件则完全不同。据 The Next Web 报道，Google 于 2026 年 4 月宣布开始向少数客户直接出售 TPU 硬件，客户可在自有数据中心运行这些芯片。如果 OpenAI 走这条路，它将能够自主决定芯片部署在哪座数据中心、如何配置集群网络、以及如何在训练与推理之间分配算力——这种自主权对于一家同时运营多个前沿模型的 AI 公司来说至关重要。

Moor Insights & Strategy 副总裁兼首席分析师 Matt Kimball 在接受 TechTarget 采访时直言：”Compute is the constraint for OpenAI and labs like it. It’s all about how fast it trains, what it can afford to serve. And then how much leverage it has when negotiating.”

这句话点出了 OpenAI 多供应商策略的 3 重动机：训练速度、推理成本、以及谈判筹码。

OpenAI 的算力饥渴：从单一依赖到三轨并行

将 OpenAI 近 18 个月的算力布局串联起来，能看到一条清晰的多元化路径。

第 1 轨：英伟达 GPU。 OpenAI 至今仍是英伟达最大的 AI 芯片买家之一，其基础设施栈围绕 PyTorch、英伟达的 CUDA 平台和 Triton（OpenAI 自己的 GPU 编程语言）构建。据 CNBC 报道，Oracle Cloud Infrastructure 总裁 Mahesh Thiagarajan 表示，其团队观察到 OpenAI 的 GPT-6 Astra 模型在 Oracle 位于德州 Abilene 的 Stargate 数据中心园区完成训练。Thiagarajan 在被问及是否正在从英伟达转向其他芯片时明确表示：英伟达芯片是”the best, most fungible”，AI 市场仍然极其庞大。

第 2 轨：Google TPU。 从 2025 年租用到 2026 年据报道计划采购，OpenAI 与 Google 芯片的关系正在升级。与此同时，OpenAI 近期宣布其前沿模型将在 Google Cloud 上线，进一步加深了两家竞争对手之间的商业纽带。据 Business Insider 报道，OpenAI 已发布招聘信息，寻找软件工程师专门为 TPU 优化其模型——这是一个比任何公关声明都更能说明问题的信号。

第 3 轨：自研芯片。 2026 年 6 月，OpenAI 宣布与 Broadcom 合作设计了首款自研 AI 芯片「Jalapeño」，并计划在 2026 年底前部署。据 CNBC 报道，Jalapeño 芯片也将在 Oracle Cloud Infrastructure 上运行。据 TechRadar 报道，这款芯片是 OpenAI 多代自研硬件计划的一部分。

3 条轨道并行推进的逻辑并不复杂：当算力成为 AI 实验室的核心瓶颈时，任何单一供应商的产能上限、交付周期或定价策略都可能成为业务风险。据 TechTarget 报道，Matt Kimball 指出，OpenAI 的芯片团队由 1 位曾在 Google 帮助构建 TPU 的高管领导，这种技术背景可以降低适配门槛——但不能消除为新架构优化工作负载的需求。

软件适配：多芯片策略的最大摩擦力

从硬件采购到实际产出算力之间，横亘着一道不容低估的工程鸿沟：软件适配。

OpenAI 的技术栈深度绑定英伟达生态。据 TechTarget 报道，OpenAI 的基础设施建立在 PyTorch、CUDA 和 Triton 之上，而 Google 的 TPU 生态更依赖 JAX 和 XLA 编译器。将一个模型跑在另一种架构上是一回事，让它在注意力机制、混合专家路由和长上下文推理等关键环节达到经过调优的内核级性能，则是完全不同的工程挑战。

Matt Kimball 对 TechTarget 表示：”Getting a frontier model to run on a TPU is one thing. Getting it to run with tuned kernels for attention, mixture-of-experts routing and long-context inference, is months of specialized work.”

这意味着 OpenAI 即使拿到 TPU 硬件，也需要投入数月的专业工程工作才能让前沿模型在 TPU 上达到与英伟达 GPU 可比的性能水平。软件移植、性能调优和基础设施成本将共同决定多芯片策略是否真正带来经济优势。

笔者判断，推理（inference）环节可能是 TPU 最先产生经济价值的场景。Matt Kimball 也持类似观点——据 TechTarget 报道，他认为专用加速器在推理服务中的成本优势最容易显现，但最终效果取决于吞吐量、延迟、利用率、内存需求和运营成本的综合表现。训练环节的迁移则更为复杂，因为前沿模型训练对集群规模、网络带宽和软件栈的一致性要求极高，短期内英伟达 GPU 在训练场景中的主导地位不太可能被撼动。

OpenAI 发布 TPU 优化工程师的招聘信息，恰恰说明这项工作已经从评估阶段进入执行阶段。但从招聘到产出成果，中间仍有相当长的工程周期。

Google TPU 商业化提速：从内部工具到外部商品

OpenAI 据报道的采购计划只是 Google TPU 商业化加速的一个切面。更大的图景是：Google 正在将 TPU 系统性地推向外部市场。

直销硬件。 据 The Next Web 报道，Google 于 2026 年 4 月开始向少数客户直接出售 TPU 硬件，允许客户在自有数据中心运行。这是一个根本性的商业模式转变——从「只能在 Google Cloud 上租用 TPU 算力」到「买下芯片、自主部署」。

Oracle Cloud 上架。 据 The Register 和 CNBC 报道，Oracle 与 Google 宣布合作，将 TPU 引入 Oracle Cloud Infrastructure（OCI），这是 Google TPU 首次在 Google Cloud 之外的超大规模云平台上提供。OCI 总裁 Thiagarajan 表示：”Bringing Google TPUs to OCI gives customers … the flexibility to choose the right infrastructure for the performance, throughput, and economics of each AI workload.” 据 The Register 报道，TPU 将于 2027 年开始在 OCI 上可供选择，容量将在数年内逐步增加。

Anthropic 的巨额长期承诺。 据 Business Insider 报道，Anthropic 在其近期提交的 IPO 文件中披露，计划在 2026 年 4 月至 2033 年 7 月期间——长达 7 年多——在 Google 计算资源上支出 1145 亿美元（年均约 160 亿美元），并预估在 Google 及其他供应商的 TPU 容量上支出 1250 亿至 1500 亿美元。这两组数字均为长期累计承诺，并非单年开支。据 Business Insider 报道，Anthropic 在同一份文件中表示，其同时也在使用 Amazon 的 Trainium 芯片和 AMD 的 GPU，以及英伟达和 Google 的芯片。

需求已超出 Google 内部供给。 据 The Next Web 报道，Google 已经出售了大量 TPU 容量，以至于其自身的研究人员都需要排队等待访问。这一细节极具说明力——当芯片制造商自己的工程师都在排队时，外部需求的强度可想而知。

财务预期。 Alphabet 首席财务官 Anat Ashkenazi 表示，公司预计在 2026 年底前录得少量 TPU 对外销售收入，大部分收入将在 2027 年体现。据 Business Insider 报道，Google Cloud 负责人 Thomas Kurian 在 Alphabet 第 3 季度财报电话会上表示，TPU 销售已是该季度财务的”meaningful contributor”。

分析师预测。 据 Business Insider 报道，日本瑞穗银行（Mizuho）在 2026 年 10 月发布的研报中预测，Google TPU 收入 2026 年可达 280 亿美元，2027 年 670 亿美元，2028 年可能高达 1000 亿美元。TD Cowen 分析师 John Blackledge 则预测 2028 年 TPU 收入可达 1380 亿美元，占 Google Cloud 2028 年收入的 34%。两家机构对 2028 年的预测差距达 380 亿美元，但报道中未披露各自的具体假设和口径差异，这组数字只能作为分析师预期区间的参考，而非确定性预测。

即便如此，这一数字与英伟达的规模相比仍有差距——据 Business Insider 报道，英伟达上一个季度收入为 962 亿美元。

英伟达的护城河：仍然稳固，但裂缝在扩大

据 Business Insider 报道，英伟达 CEO Jensen Huang 今年早些时候在接受播客主持人 Dwarkesh Patel 采访时曾直接淡化 Google TPU 的竞争威胁：”Without Anthropic, why would there be any TPU growth at all? It’s 100% Anthropic.”

据 Business Insider 报道，这一判断已经不再成立。OpenAI 据报道计划采购 TPU，Oracle 将 TPU 引入 OCI，多家分析机构预测 TPU 业务即将爆发——Google 的芯片客户基础正在从 Anthropic 单一大客户向多元化方向扩展。

但英伟达的护城河仍然极为深厚，需要逐层拆解：

软件生态。 CUDA 是英伟达最强大的竞争壁垒。全球绝大多数 AI 研究人员和工程师在 CUDA 生态中编写代码，PyTorch 的默认后端是 CUDA，主流 AI 框架的优化路径首先针对英伟达硬件。这种软件锁定效应意味着，即使 TPU 硬件在某些工作负载上具有性价比优势，迁移成本也可能抵消节省。

规模优势。 英伟达上述单季度 962 亿美元的收入，与 Mizuho 预测的 Google TPU 2026 年全年 280 亿美元收入相比，差距仍然悬殊。英伟达的产能、供应链管理和客户覆盖面远超任何竞争对手。

Google 自身也是英伟达大客户。 据 Business Insider 报道，Google 本身也是英伟达 GPU 的大买家。这种关系使得芯片市场的竞争格局远比「英伟达 vs. Google」的二元叙事更为复杂。

然而，裂缝确实在扩大。据 Business Insider 报道，Mizuho 分析师在 10 月 18 日的研报中写道：”We believe Google’s TPU hardware business is emerging as a materially larger opportunity than what is currently reflected in consensus estimates.” 他们还指出，直接出售 TPU 硬件（而非仅通过 Google Cloud 出租）可能减轻 Google 激进的资本支出压力。

笔者判断，英伟达面临的真正风险并非短期内市场份额被大幅蚕食，而是定价权的逐步削弱。当 OpenAI 这样的大客户手中同时握有英伟达 GPU、Google TPU 和自研芯片 3 张牌时，任何一次采购谈判中英伟达的议价空间都会被压缩。Matt Kimball 的观点印证了这一点——据 TechTarget 报道，即使英伟达仍是 OpenAI 的主要加速器平台，拥有一个可信的替代供应商本身就具有谈判价值。

据 Business Insider 报道，如果越来越多的公司采用多芯片策略，可能削弱英伟达的定价能力（pricing power）。

竞合新常态：巨额资本支出背后的算力争夺

据 The Next Web 援引 Reuters 报道，Amazon、Microsoft 和 Alphabet 3 家公司 2026 年在 AI 基础设施上的合计支出最高约 6000 亿美元。这一天文数字的资本支出正在重塑整个半导体和数据中心产业链。

在这个背景下，OpenAI 与 Google 之间的关系呈现出一种前所未有的竞合形态：

  • 产品层面：OpenAI 的 ChatGPT 与 Google 的 Gemini 是直接竞争对手，双方在 AI 搜索、AI 助手等领域正面交锋。
  • 基础设施层面：OpenAI 据报道计划采购 Google TPU，前沿模型上架 Google Cloud，而 Google 的 TPU 销售业务则因 OpenAI 这样的大客户而获得标志性背书。
  • 供应链层面：两家公司都依赖台积电的先进制程、高带宽内存（HBM）供应商和数据中心电力基础设施。据 TechTarget 报道，GPU 和 TPU 都依赖先进制造、封装、高带宽内存和数据中心电力——增加一个供应商给 OpenAI 带来的是另一个潜在的硬件来源，而非对这些瓶颈的逃脱。

Oracle 的角色也颇具观察价值。据 CNBC 报道，Oracle 于 10 月 27 日宣布将 Google TPU 引入 OCI、将 OpenAI 的 Jalapeño 芯片和 Cerebras 硬件引入 OCI、以及将 ChatGPT 和 Codex 集成到 Oracle 应用中。笔者认为，Oracle 正在将自己定位为”算力超市”——客户可以在同一个云平台上选择英伟达 GPU、Google TPU、OpenAI Jalapeño 和 Cerebras 芯片。Thiagarajan 对 CNBC 表示：”Now customers can actually have infinite possibilities in terms of how they can drive AI.”

据 CNBC 报道，Cerebras 在消息公布后股价上涨约 8%，Oracle 股价当日上涨近 5%。但 Cerebras 因处于静默期未披露交易规模。

这种多芯片、多供应商、多云平台的格局正在成为 AI 基础设施的新常态。据 Business Insider 报道，Anthropic 在 IPO 文件中披露其同时使用 Amazon Trainium、AMD GPU、英伟达 GPU 和 Google TPU——头部 AI 公司无一例外地在分散芯片供应风险。

待解答的关键问题

这笔据报道的交易仍有大量细节未知。截至本文发布时，金额、芯片数量、具体型号（是当前一代 TPU 还是下一代）、交付时间表以及部署地点均暂无公开数据。双方均未正式确认这笔交易。

以下几个问题将决定这一事件的长期影响：

第 1，OpenAI 将把 TPU 用于训练还是推理？ 如前文分析，推理场景的适配难度较低、经济效益较快显现。如果 OpenAI 首先将 TPU 用于推理服务，这将是一个务实且低风险的起步方式。如果用于训练，则意味着 OpenAI 对 TPU 性能的信心更强，但工程投入也将大幅增加。

第 2，采购规模是否足以改变英伟达的谈判地位？ 一笔小规模的象征性采购与一笔数十亿美元的战略性采购，对英伟达的影响截然不同。在具体数字公布之前，市场对这一事件的定价仍将充满不确定性。

第 3，OpenAI 自研芯片 Jalapeño 的部署进度如何？ 据 TechRadar 报道，OpenAI 计划在 2026 年底前部署 Jalapeño。如果自研芯片按时交付并达到预期性能，OpenAI 对外部芯片（无论是英伟达还是 Google）的依赖程度将进一步降低。3 条算力轨道之间的资源分配将是 OpenAI 未来几年最关键的基础设施决策之一。

第 4，Google TPU 的外部商业化能否持续扩大？ Oracle 合作和 OpenAI 据报道的采购是两个重要信号，但 Google 需要证明其 TPU 供应链能够在满足内部需求（自家研究人员已在排队）的同时支撑快速增长的外部订单。Alphabet CFO Ashkenazi 所说的”2027 年收入大幅增长”能否兑现，将是检验 Google 芯片商业化能力的关键时间节点。

AI 芯片市场正在从英伟达一家独大的格局，向 GPU + TPU + 自研芯片三轨并行的方向演进。若 OpenAI 据报道的 Google TPU 采购计划最终落地，将是这一结构性转变中的又一个里程碑事件。最终的赢家不会是某一种芯片架构，而是那些能够在多种架构之间高效调度算力、同时保持软件栈灵活性的 AI 公司。

主题分类：AI商业模式

参考资料

  1. OpenAI reportedly plans to buy Google TPU chips alongside Nvidia — The Next Web / Ana Maria Constantin, 2026-10-27
  2. OpenAI to purchase Google TPU chips as AI infrastructure demand surges — TechRadar / Efosa Imafidon, 2026-11-01
  3. OpenAI’s reported Google TPU deal tests AI chip economics — TechTarget, 2026-10-28
  4. Google AI chip business is getting harder for Nvidia to ignore — Business Insider / Hugh Langley, 2026-10-29
  5. Oracle gets cozy with Google to offer TPUs to AI customers — The Register, 2026-10-27
  6. Oracle integrates ChatGPT Codex into apps and expands cloud chip lineup — CNBC, 2026-10-27