据市场研究报告透露，谷歌拟于2028年投放1200万到1500万枚第九代张量处理器（TPU v9）。该规划一旦落地，仅从芯片出货规模来看，有望比肩乃至超过人工智能领军企业英伟达同期交付的数据中心AI图形处理器数量。业内预估英伟达在2026年的数据中心AI GPU供应量约为820万枚，至2028年该数字或攀升至1240万枚。倘若谷歌届时真能产出1200万至1500万枚TPU v9，其自研AI加速芯片的规模便与英伟达处于同一量级，上限甚至实现反超。
报告援引供应链调研数据称，第九代TPU将应用四颗计算裸片架构，这使得其对先进工艺及封装产能的消耗量，预计比2027年翻一番。在产能保障层面，研究报告提及，仅依赖台积电或许无法满足谷歌的庞大需求。为达成量产指标，谷歌最快需于2028年引入英特尔的晶圆代工与先进封装业务。近几个月已有消息指出，在对英特尔先进封装技术进行数月验证后，谷歌或将在2028年交由英特尔生产逾300万枚TPU，但此合作细节尚未得到双方官方确认。
据传由于TPU v9使用了四枚大型计算裸片，其前期设计必须与特定的封装结构相匹配。考虑到台积电的CoWoS-L与英特尔的EMIB、EMIB-T技术互不兼容，若谷歌同时利用这两家厂商的产能，就必须针对各自的制造和封装工艺开展差异化设计。然而，芯片绝对数量并不能完全代表综合算力水平。谷歌TPU v9在真实性能、能耗表现以及部署效率方面，是否具备与英伟达Rubin及Rubin Ultra平台正面竞争的实力，尚需时间检验。
这一趋势表明，大型云服务提供商正加速推进垂直整合战略。通过自主研发芯片，企业能够让硬件设备更精准地契合自身的软件生态、AI模型及数据中心诉求，从而减轻对通用GPU的绝对依赖。若前述预测兑现，谷歌每年投用的自研AI加速芯片总量，或将高于英伟达向全市场供应的GPU总和。加上其预计持续采购英伟达产品，谷歌有望跻身全球顶尖的AI加速芯片采购与应用行列，构筑起极其庞大的AI算力基座。
即便如此，谷歌在出货规模上比肩或反超，并不意味着英伟达的行业主导地位会遭到实质性动摇。当前全球AI算力需求依然处于高速增长期，双方的芯片部署量大概率会同步扩张；并且英伟达规划在2029至2030年间发布Feynman与Feynman Ultra平台，以持续强化供给能力。相比于硬件数量的比拼，谷歌TPU所依托的软件生态或许更令英伟达警惕。一旦谷歌有效拓宽TPU的应用场景，并打造出能够与CUDA相媲美的软件工具链及开发环境，从长远来看，这将对英伟达的核心竞争壁垒发起更为直接的冲击。
