Google TPU v7 бросает вызов Nvidia в гонке ИИ

Свежий анализ SemiAnalysis показывает, что Nvidia впервые столкнулась с серьезным конкурентом. Google значительно продвинула свою линейку TPU, представив седьмое поколение Ironwood, которое уже успешно используется для обучения передовых моделей, таких как Gemini 3 и Claude 4.5 Opus, демонстрируя эффективность, сопоставимую с решениями Nvidia.

Google расширяет присутствие TPU на глобальном рынке ИИ-вычислений. Ключевым примером является соглашение с Anthropic на поставку миллиона чипов TPU v7. Около 400 тысяч Ironwood на сумму около 10 млрд долларов будут поставлены Anthropic напрямую компанией Broadcom в виде готовых стоек, а обслуживание и инфраструктуру обеспечат неоклауд Fluidstack, а также дата-центры TeraWulf и Cipher Mining. Оставшиеся 600 тысяч TPU Anthropic будет арендовать через Google Cloud, что, по оценкам SemiAnalysis, обойдется в 42 млрд долларов. Для быстрого увеличения парка TPU Google активно сотрудничает с небольшими облачными операторами, которые арендуют площадки (в том числе бывшие крипто-фермы с выгодными тарифами на электроэнергию) и оснащают их стойками с TPU, при финансовой поддержке Google.

Несмотря на то, что по формальным характеристикам TPU v7 немного уступает новейшим серверам Nvidia (например, GB200 и GB300 по вычислительной мощности и объему памяти), общая стоимость владения (TCO) оказывается значительно ниже. Аналитики SemiAnalysis подсчитали, что для собственных нужд TCO TPU v7 на 44% ниже, чем у GB200, а для внешних клиентов – до 30% дешевле. Подтверждением этих данных может служить информация о 30-процентной скидке, предоставленной Nvidia компании OpenAI после рассмотрения ими возможности перехода на TPU.

Важно отметить, что ключевым фактором является не только пиковая производительность, а и эффективность использования операций (MFU). Nvidia и AMD склонны к завышению пиковых показателей, в то время как TPU предлагают более реалистичные спецификации с более высоким коэффициентом использования FLOP.

По оценкам SemiAnalysis, благодаря этим факторам, Anthropic может снизить стоимость использования API Opus 4.5 в три раза, при этом увеличив свою выручку.

Хотя Nvidia пока сохраняет лидерство в экосистеме благодаря CUDA, PyTorch и обширной библиотеке инструментов, доминирующее положение компании подвергается угрозе. Google активно работает над улучшением TPU для внешних клиентов, но потребуется время, чтобы догнать Nvidia. Однако, вероятно, Nvidia придется пересмотреть свою ценовую политику и снизить наценки на свои ускорители.