Google 的晶片設計哲學與 NVIDIA 有何差異？

Google 與 NVIDIA 晶片設計哲學之差異

Google 與 NVIDIA 在晶片設計哲學上存在顯著差異。NVIDIA 傾向於打造通用型 GPU，追求靈活性和強大的單體性能，以便滿足廣泛的應用需求。相較之下，Google 專注於為特定任務（如 AI 推理）高度優化的晶片，例如其最新發布的第七代 TPU，Ironwood。這種專注使得 Google 能夠透過大規模的數據中心網絡，將成千上萬顆晶片組成一個無縫協作的整體，從而追求極致的規模化效率和成本控制。

單晶片性能與架構設計

在單晶片運算性能方面，Google 的 Ironwood TPU 直接對標 NVIDIA 最強大的 Blackwell 架構。Ironwood 的單晶片浮點運算性能達到 4.6 PetaFLOPS，顯示了 Google 在特定任務晶片設計上的實力。此外，Google 展示了 Ironwood 的擴展能力，可將多達 9,216 顆晶片組成一個超級運算集群，總算力高達 42.5 ExaFLOPS。這與 NVIDIA 傾向於打造由少量頂級 GPU 組成的精英戰隊的策略形成對比，Google 更注重規模和效率。

市場策略與應用場景

Google 的策略是透過 Google Cloud 將其成本優勢賦能給客戶。例如，Anthropic 已訂購了 100 萬顆 Ironwood TPU，這被視為對 Google 策略的有力背書。然而，Ironwood 目前僅在 Google Cloud 的「圍牆花園」內提供服務，這與 NVIDIA 向所有人出售通用 GPU 的策略形成鮮明對比。總體而言，Google 的晶片設計哲學更注重特定任務的優化和大規模協同作戰，而 NVIDIA 則更側重於通用性和單體性能。