据报道，Google Cloud CEO Thomas Kurian近日在接受Matthew Berman Podcast专访时表示，外部客户对Google TPU的需求已远远超出其供给能力。这一现象的背后，是全球AI领域正深陷“算力荒”的困境。
Kurian指出，Google通过自研TPU芯片，不仅满足了内部需求，还向外部客户提供算力服务。这种模式使得Google在供应链谈判中占据更有利的地位，进一步巩固了其竞争优势。他还强调，若Google的成本高于NVIDIA等竞争对手，外部客户根本不会选择TPU。
AI技术正经历三个发展阶段：以问答为核心的初级阶段、以多模态内容生成为特征的中级阶段，以及以AI代理完成复杂任务为核心的高级阶段。Kurian认为，AI代理的普及将对芯片和系统设计提出更高要求，而虚拟机的高效调度与存储优化将成为降低成本的关键。
TPU的应用场景已从AI领域扩展至其他行业。例如，对冲基金Citadel已公开讨论将TPU用于算法交易，美国能源部及高效运算（HPC）领域的客户也开始采用这一方案。部分金融机构甚至要求将TPU部署在靠近交易所的自有数据中心，Google也正在探索这种新型商业模式。
针对外界对Google同时向Anthropic提供TPU算力、却又在模型层面直接竞争的质疑，Kurian解释称，这是平台型企业的竞合逻辑。苹果（Apple）与Google签订模型协议也是这一逻辑的体现。他还表示，Google内部算力分配由CEO Sundar Pichai领导的管理团队共同决策，并强调拥有自研芯片的重要性。
Kurian警告称，在算力产能受限的市场环境下，缺乏自研芯片的企业将面临更高的单位经济成本。依赖外部投资却无法覆盖训练成本的商业模式，最终可能难以为继。Google早在11年前便启动了TPU自研项目，并通过能源多元化、数据中心优化等多方面布局，确保在物理资源层面不受制约。
与NVIDIA相比，Google的TPU在总拥有成本上更具竞争力。大量客户反馈表明，Google的算力成本最低，这也是其需求超出供给能力的直接证明。
