Claude算力和谷歌TPU专家交流纪要

•三方合作分工情况：谷歌、博通、Anthropic三方权责清晰，具体分工如下：a. 博通：负责根据需求对TPU芯片做定制化调整，针对Anthropic的模型特性做相应优化，同时全权负责芯片之间的通讯相关工作；b. 谷歌：负责TPU设计，提供3.5吉瓦TPU集群，配套数据中心内的Vertex AI分发平台，同时提供TPU部署所需的机架、整体部署环境，还会围绕Anthropic的应用需求做架构层面的优化，提供TPU调度相关服务；c. Anthropic：将核心资源集中在模型与Agent系统研发层面，算力相关优化工作依托谷歌完成。该定制化合作模式与通用云租赁服务存在核心差异：通用云租赁模式下仅能获得通用架构的TPU服务器，无法获得谷歌的深度定制服务，本次合作会针对Anthropic的具体需求提供定制化服务，对整体架构、TPU调度做针对性优化，能够让算力效率在Anthropic Claude平台上达到最优。

•合作模式优劣势分析：该定制化合作模式对Anthropic而言兼具利弊，具体情况如下：a. 模式优势：Anthropic可将硬件实现、算力部署甚至未来数据中心搭建的相关工作全部交由谷歌与博通负责，无需在非核心业务上投入资源，能够将精力集中在模型与Agent系统的核心研发业务上，实现核心资源的高效倾斜；b. 模式劣势：该模式下Anthropic完全不掌握成本控制权，硬件、部署等相关环节均由合作方主导，可能产生额外成本，存在成本上涨压力；c. 应对思路：Anthropic计划通过Agent架构提升整体投入产出比，以更高的业务回报覆盖合作带来的成本增量，平衡成本端的上涨压力。

2、自有算力供需情况

•自有算力需求与供给：谷歌自身业务主要分为两大板块，一是内部TPU算力支撑Gemini大模型运营，二是TPU对外提供长租、短租服务，覆盖大中小型各类客户，其中Anthropic为特殊合作模式：Anthropic直接采购谷歌芯片，对应服务器及数据中心由谷歌负责托管。从需求端看，谷歌自身Gemini大模型年需TPU 100-150万颗，对应功耗规模为2-2.5吉瓦，目前Gemini大模型迭代已趋于稳定，无需投入大量算力开展模型训练，自身算力需求逐步进入平稳区间，后续可通过TPU产品迭代实现算力提升。从供给端看，2025年谷歌TPU出货量达300万颗，2026年出货量将提升至420-450万颗，新增的100余万颗出货主要供给外部第三方客户，其中2026年将向Anthropic供应40万颗TPU，2027年将继续供应60万颗。整体来看，谷歌预留的自用TPU产能充足，自身算力需求具备充分保障。

•产品体验问题释因：用户感知到的Gemini产品性能下降、使用卡顿等问题，核心诱因并非算力紧缺，而是入口带宽拥堵及电力成本压力。Gemini大模型推出初期性能表现优异，吸引大量用户从其他大模型平台涌入，导致入口端出现拥堵，用户使用时会出现排队、甚至无法连接的情况。针对该现象，谷歌采取了两类调整策略：一是推出收费机制，对免费用户、非美国用户限制token使用量；二是主动调整运算策略，出于控制电力消耗的考量，对免费用户优先采用小算力模型处理请求，返回结果的精度相对有限，仅当用户持续深挖需求时，才会唤醒后端高算力模型返回符合要求的结果。上述调整属于谷歌主动采取的低功耗运营策略，目的是降低数据中心整体电力消耗，与算力供给不足无直接关联，谷歌自身算力储备始终处于充足状态。

3、客户算力结构规划

•当前算力构成情况：Anthropic当前算力供应商及占比结构清晰，其中英伟达芯片占比65%，亚马逊Trainium2占比10%，剩余份额为谷歌TPU。亚马逊Trainium2无法承担训练任务，仅可用于推理，目前该型号芯片已落伍，训练任务需使用Trainium3才可完成。当前Anthropic总算力规模约为2吉瓦，其中训练环节算力占比70%，推理环节占比30%，较高的训练算力占比主要是由于仍在开发下一代Claude大模型。目前全球主流大模型训练的芯片选择倾向于英伟达产品，除谷歌Gemini 3.0、3.5完全基于自研TPU训练外，其余所有大模型的训练均采用英伟达芯片。英伟达芯片的核心优势在于其CUDA生态完善，在建模、开发、训练全流程的效率更高，不过其单位算力成本较高，大模型完成训练后的后期优化阶段，部分企业会选择转用自研芯片以降低成本。

•算力结构迭代规划：Anthropic对算力结构有明确的迭代规划，2026年训练环节的算力占比将降至50%以下，各供应商的占比也将发生调整：TPU的占比将上升至30%-35%，英伟达芯片的占比将降至50%左右，2026年新部署的TPU主要用于替换英伟达GPU承担推理任务。不同代际的TPU有明确的应用场景和落地节奏，2026年供给Anthropic的40万颗TPU将主要用于推理场景，新一代TPU v8将于2026年下半年推出，部署落地要到2027年，该款芯片将主要用于训练场景。此外，Anthropic下一代训练芯片由博通负责设计，目前相关合作已经启动，该芯片预计最早于2027年下半年正式推出。

•多供应商合作规划：Anthropic采用多算力供应商合作策略，核心考量为算力性价比。目前Anthropic已在小范围使用AWS的训练架构，其合作伙伴并不局限于谷歌，后续存在与亚马逊进一步深化合作的可能性。Anthropic选择多供应商布局的核心目标是降低对英伟达GPU的依赖，当前其对英伟达GPU的依赖度约为60%。目前市场上传言Anthropic与谷歌TPU合作将打造更大规模的训练集群，该情况当前并不存在，不过未来随着TPU v8等训练专用芯片落地，双方可能会开展相关训练集群的合作。

4、大额算力项目规划

•算力部署节奏规划：本次涉及的3.5吉瓦算力合作整体落地周期为未来2年。2026年算力部署规模接近1吉瓦，对应40万颗TPU芯片，该部分算力主要部署于推理场景。2027年算力部署规模将达到2吉瓦以上。算力规模的统计与芯片功耗直接相关，芯片功耗越高，组成1吉瓦所需的芯片数量越少，例如若单颗芯片功耗为1000瓦，约需100万颗芯片可组成1吉瓦算力，若单颗芯片功耗升至1500瓦及以上，仅需约70万颗芯片即可达到1吉瓦算力，当前谷歌所用芯片功耗较高。该3.5吉瓦的规划与此前披露的1吉瓦合作不存在冲突，前者包含了原有老旧芯片的升级替换需求，数据中心芯片常规迭代周期为3年，老旧芯片因算力等性能无法满足现有需求将被逐步淘汰，例如早前的TPU v1、TPU v2等产品已停止使用，部分原租用的英伟达老旧芯片也将切换至TPU架构，原有合作中的芯片升级、替换需求均纳入本次3.5吉瓦的整体规划中。

•项目成本与资金情况：关于本次3.5吉瓦算力合作的成本与资金安排，目前可确认的信息较为有限。单位算力成本层面，本次合作采用的TPU芯片单位价格低于英伟达GPU，因此本次3.5吉瓦算力项目的整体投入规模将低于采用英伟达GPU的同算力项目测算值。资金端相关信息显示，项目整体预计投入规模约为百亿美元级别，对应的投入规划已基本确定，但具体的资金运作细节暂未披露，包括是否采用SPE融资模式、资金的具体来源构成等信息均未公开，暂无法获知项目的资金筹措路径。以上为本次与Claude相关的算力合作的成本及资金相关情况。

5、核心技术路线布局

•内存池化技术布局：当大模型的参数或token规模非常大时，传统TPU均采用本地HBM、本地内存池的设计，这种架构下内存访问需要经过多级路由甚至排队流程，会导致访问延迟过高，最终让token处理能力面临较大瓶颈，为适配大token量推理的核心需求，TPU架构将迎来针对性升级。2026年正与谷歌推进相关技术研发，2027年TPU架构将实现较大变动，核心采用内存池化、存算分离的设计思路。存算分离的核心逻辑是将内存单元与TPU计算单元完全解耦，把所有算力单元与存储单元分开部署，中间通过CXL这类新型共享内存总线结构，结合OCS光连接技术，让TPU可通过动态分配的光路与内存节点直接连接，无需经过传统的多级路由或排队流程，所有算力单元均可直接接入大规模共享DDR内存池，大幅降低访问延迟。该内存池化方案将于2027年大规模落地，谷歌规划2027年该方案的落地渗透率目标为80%~90%，方案落地后可有效解决Anthropic等场景下的大token处理相关问题，提升大模型推理的效率与上限。

•互联技术路线选择：针对AI推理场景的互联技术路线选择，博通明确将主打Scale-up Ethernet技术路线，不会大力推广LPU、NPU类产品，核心逻辑在于博通认为LPU、NPU仅为过渡形态的解决方案，终极互联方案为CPU结合Scale-up Ethernet架构，这一路线的可行性基础在于2027年台积电CPU工艺技术将进入相对成熟阶段，可实现小规模量产。该Scale-up Ethernet架构将基于Tomcat Ultra（即Tomcat 5或在Tomcat 6基础上迭代的版本）搭建，可实现TPU板卡之间的内部scale up直连，优化数据中心连接效率与延迟表现。具体来看，LPU、NPU这类过渡产品预计将存续至2028-2029年，后续将逐步被替代；优化后的Scale-up Ethernet技术延迟已非常接近PCIe、NVLink等传统总线结构的延迟水平，虽仍存在小幅差距，但在延迟增加极少的前提下，以太网采用开放式协议的特性具备明显组网优势。对比来看，英伟达采用的NVLink、NVSwitch、InfiniBand等均为私有协议，若不同厂商芯片均采用私有协议，会给数据中心多厂商芯片混合部署、互联互通带来较多障碍，而开放式以太网协议可更好适配多厂商芯片混合组网的需求，能够更便捷地实现算力集群的scale up与scale out，尤其适配Anthos这类混合架构数据中心（同时部署英伟达、谷歌等多厂商芯片，未来还可能接入亚马逊等其他厂商芯片）的组网需求，降低混合部署的障碍。

6、供应链与产品迭代

•CXL供应商格局：CXL是一种与PCIe类似的总线标准，当前具备CXL技术研发能力的厂商较多，主流供应商包括博通、Marvelll、Astra Labs、澜起，不同厂商的技术能力与成熟度存在差异，布局CXL技术的厂商都将受益于该技术的推广应用。从核心客户的供应商选择来看，谷歌TPU的CXL相关接口、IP以及TPU内部I/O互联接口的设计均主要由博通提供，当前TPU的内存池化方案核心供应商为博通，未来不排除引入其他供应商的可能性。其他云厂商的CXL技术合作存在差异：微软的相关设计由联发科、Marvelll共同参与，其内存池化方案可能采用二者的CXL技术；亚马逊的相关设计由联发科参与，其内存池化方案可能采用联发科的CXL技术。

•推理芯片迭代规划：Agent时代下Prefill与Decode阶段分离的趋势将加速，二者对算力、延迟、带宽的需求存在明显差异，采用差异化的适配卡既能够降低整体成本，也可以针对两类阶段的特定需求进行优化，实现效率最大化。谷歌目前尚未出台Prefill与Decode阶段采用不同芯片的明确规划，但未来大概率将采用多芯片配合的方案适配不同场景需求：其中TPU v5e（代号sunfish）偏重于训练或相关参数处理场景，核心优势为高带宽，适合处理大型参数；联发科为谷歌打造的推理芯片则侧重低延迟，主要适配推理场景，未来两类芯片将配合覆盖不同需求，不会在Prefill与Decode阶段采用完全相同的芯片。2026年是联发科首次为谷歌供应推理芯片，谷歌主要依托其台积电产能与低成本优势降低相关环节成本，2026年联发科的推理芯片出货量约为60万颗，2027年出货量将突破100万颗，整体供应需要逐步爬坡。

7、产能与合作项目进展

•亚马逊合作项目进展：亚马逊自身此前已推出数代训练与推理芯片，年出货量可达上百万颗，但现有芯片在结构、性能层面尚未实现突破，存在明确的下一代训练芯片升级需求。基于该需求，2025年亚马逊便与博通展开接触，商讨由博通提供方案优化下一代训练芯片架构的合作可能性。双方商讨周期近半年，覆盖合作细节、费用投入、研发周期等核心内容，最终于2026年一季度正式确定合作，随即启动芯片的前期设计工作。该芯片预计2027年下半年可实现规模量产，若性能达标将逐步取代亚马逊现有早期训练芯片，成为亚马逊2027年至2028年的主力部署训练芯片，整体需求量较高。目前该项目为双方首次合作，研发过程仍存在一定不确定性，但整体节奏按2027年下半年量产的目标推进。

•TPU产能与出货规划：2026年谷歌TPU整体需求为420-450万颗，较2025年有大幅增长，增长主要来源于外销芯片规模的提升，2026年谷歌TPU外销规模预计超过100万颗。2026年谷歌TPU共有三个型号，各型号的出货与迭代节奏清晰：
a. TPU v6的出货集中在上半年，预计出货量为110万颗，下半年TPU v8推出后，TPU v6将正式停止生产，后续仅消耗现有库存；
b. TPU v7是2026年的主力出货型号，全年预计出货200万颗；
c. TPU v8为下半年新推出的迭代型号，预计出货量为100-120万颗。
产能供应层面，当前谷歌TPU主要由台积电代工，台积电2026年可供应的TPU产能接近400万颗，仍存在20-50万颗的产能缺口，目前台积电正协调上游增加产能，以满足谷歌的TPU需求。

•代工供应链布局：2026年谷歌TPU的芯片代工主要由台积电承接，但受限于台积电整体产能分配，2027年台积电的产能将无法满足谷歌的TPU需求：英伟达已锁定台积电近60%的产能，而2027年谷歌TPU的整体需求将超过600万颗，即便台积电全部空闲产能都供给谷歌，也无法覆盖需求缺口，因此2027年谷歌将拓展新的代工厂商。目前明确的产能转移规划为优先与英特尔合作，英特尔的EMIB技术类似CoWoS，在芯片互联效率、空间利用率上更具优势，但当前技术尚未完全成熟，双方正开展前期项目调研，推进试流片、试封装等测试工作，相关进展预计2027年明确，若一切顺利，2027年将有20%-30%的TPU产能转移至英特尔。三星为备选代工方案，目前仍在评估阶段，其工艺良率、稳定性弱于英特尔和台积电，暂未确定具体的产能分配比例。服务器代工层面，谷歌TPU的服务器代工主要由富士康承接，份额占比为70%-80%，剩余份额由台达供应。

8、其他业务与竞争格局

•TPU销售模式与互联规划：谷歌对外销售TPU采用芯片售卖加谷歌、博通托管维护的模式，适配不同客户算力需求：仅需短期弹性算力的中小企业更适合按算力小时付费的租赁模式；Anthropic这类需要长期稳定运行模型训练、推理业务的大型客户，直接购买芯片加托管的模式长期成本低于租赁，性价比更高。当前Anthropic正与谷歌、博通合作扩张算力，2027年其算力规模将达到3.5G瓦，接近谷歌自有GPU对应的3-4G瓦功耗的算力量级。2026年Anthropic的TPU集群中，OCS互联方案占比为60%-80%，该方案为谷歌私有协议，是目前scale up模式下延迟、算力规划效率最优的互联方案，但OCS造价显著高于传统以太网，成本高出50%以上。出于成本控制需求，Anthropic未来将逐步切换至以太网互联方案，待scale-up interconnect技术成熟后落地，新一代TPU v8已适配以太网协议，可提升后续混合部署的兼容性与互联互通性。

•其他客户业务情况：Meta、XAI等布局AI大模型业务的大型厂商均采用直接购买芯片的模式建设自有数据中心，选择购买而非租赁的核心逻辑有两点：一是这类厂商的模型训练、推理属于长期稳定投入，长期租赁算力的总成本显著高于直接购买芯片；二是直接购买芯片可支持客户开展定制化组网设计，灵活性远高于租赁模式。其中Meta的芯片采购与自研布局多元，是行业内采购外部芯片种类最多的厂商之一，覆盖AMD、英伟达、谷歌等多厂商的AI芯片，同时自身也在研发AI芯片，年出货自研AI芯片约40万颗。XAI同样采用购买芯片的模式建设数据中心，其自身也在推进自研芯片布局，委托博通设计的AI芯片预计2027年推出，自研芯片落地前，XAI也向谷歌采购大量TPU满足算力需求。

•TPU v8架构更新：TPU v8在内存设计上有明显调整，核心变化围绕降低成本、提升资源利用率展开。此前行业主流训练芯片普遍将HBM配置拉满，英伟达GPU的HBM容量通常至少为256GB，谷歌过往训练芯片的HBM容量多为192GB及以上，推理芯片HBM容量约为96GB，但HBM本身成本较高，若利用率不足易造成资源浪费。TPU v8将HBM用量较过往产品减少约30%，单颗TPU的HBM容量设计为128GB左右，同时采用内存池化架构，通过CXL连接共享DDR内存池补充存储需求，替代部分HBM的功能。该架构下虽然采用成本更低的DDR内存，但通过技术优化延迟将大幅下降，若将HBM与共享DDR内存池合并计算，单个节点的总存储容量可提升至原有水平的1.5-2倍，兼顾成本控制与存储需求。

•行业竞争格局：当前TPU尚未对英伟达GPU形成实质性威胁，行业竞争格局仍以英伟达GPU为主导。从客户端来看，目前Anthropic的算力需求中英伟达GPU占比仍超过50%，至少训练端短期内对英伟达GPU的需求不会消失，仅部分推理场景已切换至TPU，预计2027年才会有部分训练场景切换至TPU。从议价权来看，当前英伟达芯片处于供不应求的状态，行业话语权较强，客户很难直接向英伟达压价，Anthropic加大与谷歌在TPU领域的合作，核心目标之一就是降低算力成本，未来若Anthropic的TPU用量持续提升，或可作为筹码与英伟达商谈降价。英伟达也在主动应对TPU等定制ASIC芯片的竞争，在不影响自身GPU销售利润的前提下，推出定制化方案降低客户使用门槛，提升产品性价比，缩小与定制ASIC芯片的成本差距。

Q&A

Q：博通、谷歌与Anthropic在Claude大模型上的合作模式具体是怎样的？各方分别负责哪些业务及利益分配机制？

A：博通负责TPU芯片的定制化设计，包括芯片架构与芯片间通讯等底层环节；谷歌提供约3.5吉瓦的TPU集群，负责数据中心整体部署环境，并针对Anthropic需求提供架构优化与算力效率调优服务；Anthropic专注于模型研发与Agent系统开发。该模式使Anthropic将硬件实现与数据中心建设完全交由合作方承担，但成本控制权转移至谷歌与博通，Anthropic期望通过Agent架构提升产出效率以覆盖成本增加。

Q：当前谷歌与Anthropic的合作模式与此前谷歌直接向Anthropic出租通用云服务相比，核心差异是什么？

A：此前为通用TPU服务器租赁，Anthropic无法获得深度定制服务；当前合作中，谷歌提供端到端定制化部署环境，包括架构优化、TPU调度策略及整体算力平台设计，显著提升Claude平台算力利用效率，使Anthropic可将资源集中于模型与Agent系统研发。

Q：谷歌自身Gemini等业务算力需求是否会影响对Anthropic的供应优先级？双方如何解决潜在利益冲突？

A：谷歌自身大模型年TPU需求约100–150万颗，需求已趋稳定；2025年谷歌TPU总出货量约300万颗，2026年预计达420–450万颗，增量主要来自外部客户。其中2026年向Anthropic供应40万颗，2027年计划60万颗，新增产能明确用于外部客户，不挤占谷歌自用算力资源。

Q：谷歌提供给Anthropic的算力是否会占用其抢购的HBM及CoWoS先进封装产能？

A：会占用。谷歌近年TPU出货增量主要面向外部客户，2026年总出货420–450万颗中，超100万颗增量用于第三方。谷歌自用算力需求稳定，新增产能规划明确覆盖外部合作需求。

Q：近期谷歌Gemini服务出现降质与响应延迟，主要原因是否为算力不足？

A：主因非算力短缺，而是入口端带宽拥堵，大量用户涌入导致请求排队。谷歌通过限制免费用户token量、推出付费策略缓解压力；同时对非付费用户启用低功耗模式，优先调用小算力模型处理，仅在深度追问时唤醒高算力后端，以控制电力消耗与运营成本。

Q：Anthropic当前算力结构中，各供应商的占比、采购渠道及训练/推理分布情况如何？

A：当前算力总量约2吉瓦，英伟达GPU占比约65%，谷歌TPU占比约25%，其他约10%；训练任务占整体算力约70%，推理占30%。2026年训练占比预计降至50%以下，新增TPU主要用于推理场景替换英伟达GPU。

Q：预计到2026年底，Anthropic算力结构中各供应商占比将如何变化？

A：谷歌TPU占比将提升至30%–35%，英伟达GPU占比降至约50%，新增TPU主要用于推理任务，以降低对GPU的依赖。

Q：谷歌与Anthropic合作的3.5吉瓦算力具体部署规划是怎样的？包括年份分布、用途及芯片型号？

A：2026年部署约40万颗TPU，主要用于推理；2027年部署量将增至2吉瓦以上，主力芯片为TPU v8，转向训练任务。3.5吉瓦为两年总规划量，部署进度受芯片功耗影响。此前约1吉瓦合作属旧芯片升级换代，与新规划无冲突。

Q：为适应Claude Agent推理的大token量需求，TPU集群架构有何关键调整？内存池化方案如何保障低延迟？

A：2027年将落地存算分离架构：通过CXL总线与光连接将TPU计算单元与共享DDR内存池直连，避免多级路由延迟。该方案动态分配光路实现内存节点直连，显著降低访问延迟，预计2027年在谷歌数据中心渗透率达80%–90%，有效支撑大token量推理场景。

Q：博通在芯片互联技术上的长期路线是什么？是否考虑LPO等方案？

A：博通主推Scale-up Ethernet方案，采用Tomahawk Ultra以太网技术实现TPU板卡间直连，延迟接近PCIe/NVLink，但采用开放式协议便于混合组网。LPO/NPO作为过渡方案可能持续至2028–2029年，长期将向CPU+以太网终极架构演进，以提升Scale-up/Scale-out灵活性与成本效益。

Q：CXL内存扩展方案的主要供应商有哪些？谷歌TPU的CXL接口由谁主导提供？

A：CXL供应商包括博通、Marvell、Astra Labs、澜起科技等，技术成熟度各异。谷歌TPU的CXL接口与IP主要由博通提供；其他客户可能采用Marvell或联发科方案。

Q：为适配Agent推理的Prefill与Decode阶段差异，谷歌TPU是否规划采用不同芯片？未来架构策略如何？

A：未来将采用差异化芯片策略：TPU v5e侧重高带宽，适用于大参数处理；联发科设计的TPU v8a侧重低延迟推理。谷歌每年推出两颗定向优化芯片，避免Prefill与Decode使用同构芯片，以提升能效与成本效益。

Q：联发科为谷歌供应TPU芯片的产能规划确定性如何？

A：确定性较高。谷歌芯片设计能力成熟，联发科主要提供台积电产能与后端合作支持。2026年供应60万颗，2027年目标100万颗，需产能爬坡，但谷歌主导设计环节，供应链风险可控。

Q：亚马逊与博通合作开发下一代训练芯片的进展、时间表及预期规模如何？

A：双方经近半年技术与商务讨论，于2026年一季度确定合作，启动芯片前期设计。芯片预计2027年下半年量产，用于逐步替代亚马逊现有训练芯片，成为2027–2028年主力部署方案，需求规模较大。

Q：谷歌TPU 2026年产能规划、代工厂安排及HBM供应情况如何？

A：2026年TPU总需求420–450万颗，主要由台积电代工，缺口20–50万颗通过CoWoS产能补充；2027年计划将20%–30%产能转移至英特尔，三星作为备选。HBM方面，TPU v8将切换至HBM4，但采购量不及英伟达。

Q：Anthropic采购谷歌TPU采用租赁还是购买方式？原因是什么？

A：采用购买方式。因Anthropic需长期稳定运行模型，购买芯片的长期总成本低于按小时租赁；谷歌负责数据中心托管与维护，博通提供互联方案，形成芯片购买+服务托管模式。

Q：谷歌OCS互联方案在Anthropic服务器中的当前占比及未来趋势如何？

A：2026年OCS方案占比60%–80%，因性能最优；但因成本较以太网高50%以上，Anthropic计划2027年转向Scale-up Ethernet方案。新芯片已集成以太网接口，以提升混合组网兼容性与成本效益。

Q：Meta、xAI等自建数据中心的客户采购TPU采用何种模式？原因是什么？

A：均采用购买模式。因长期使用下，购买芯片总成本低于租赁，且便于定制化组网与架构优化。Meta年自研AI芯片约40万颗，并采购多源芯片；xAI亦从谷歌采购芯片自建数据中心，其自研芯片预计2027年推出。

Q：TPU v8架构的关键更新是什么？单芯片内存配置与总存储容量如何变化？

A：v8引入内存池化设计，单芯片HBM用量减少约30%，通过CXL连接共享DDR内存池，总存储容量提升至前代的1.5–2倍。该设计降低HBM成本与功耗，结合OCS光连接优化延迟，提升大模型推理效率。

Q：Anthropic是否会利用与博通/谷歌合作向英伟达压价？当前与英伟达的合作关系如何？

A：短期内难以向英伟达压价，因英伟达芯片持续供不应求且议价权强。Anthropic当前超50%算力仍依赖英伟达GPU，推理端正向TPU迁移；未来若TPU占比显著提升，可能作为谈判筹码，但英伟达亦在推进定制化方案以维持竞争力。