ASIC AI 服务器出货量暴增 300%，谷歌 TPUv7 单季出货量达 150 万颗
发布时间：2026-05-25
2026 年一季度，AI 算力基础设施领域迎来里程碑式变革。ASIC 架构 AI 服务器出货量同比暴增 300%，成为继 GPU 之后的第二大算力支柱，而谷歌 TPUv7（Ironwood）单季出货量更是达到惊人的 150 万颗，占全球 ASIC AI 芯片出货量近半数，标志着 AI 芯片市场从通用计算向专用加速的结构性转型已全面提速。
一、市场爆发：ASIC 从配角到主角的质变
AI 服务器市场正经历前所未有的增长，TrendForce 数据显示 2026 年全球 AI 服务器出货量预计同比增长 28% 以上，而 ASIC 类别增速远超整体市场，出货占比从 2023 年的不足 10% 跃升至 2026 年一季度的 27.8%，部分市场研究机构甚至预测全年占比将突破 35%。
这一爆发并非偶然，而是 AI 产业从训练阶段向推理阶段大规模迁移的必然结果。德勤最新报告指出，AI 推理负载占比已从 2023 年的 1/3 飙升至 2026 年的 2/3，市场规模达到训练硬件的 2-3 倍。在推理场景中，算法逐渐固化，对硬件通用性的需求下降，而对总拥有成本（TCO）和能效比的要求急剧提升，这正是 ASIC 的核心优势所在。
谷歌 TPUv7 的 150 万颗单季出货量创下专用 AI 芯片的历史纪录，远超市场预期。这一数字意味着谷歌在 2026 年一季度部署的 TPUv7 算力，相当于 2025 年全年全球 TPU 总出货量的 60%，直接推动谷歌在 ASIC 市场的份额飙升至 46%，巩固了其在专用 AI 芯片领域的领头羊地位。
二、技术突破：TPUv7 的性能与能效革命
TPUv7（项目代号 Ironwood）作为谷歌十年造芯的巅峰之作，其技术突破是支撑如此大规模出货的核心基础。这款采用台积电 2 纳米制程的芯片，集成了 1400 亿个晶体管，首次采用双计算小芯片设计，在 FP8 精度下峰值算力达到 4614 TFLOPS，较上一代 TPU v5p 提升超过 10 倍，甚至超过英伟达 B200 的 4500 TFLOPS。
更令人瞩目的是其能效比的飞跃。TPUv7 热设计功耗（TDP）从 TPU v6e 的 700 瓦降至 560 瓦，下降 20%，而性能提升 35%，实现了性能功耗比的显著优化。据高盛分析，谷歌 TPU 的推理成本比英伟达 H100 低 30% 至 40%，能效比则是后者的 2 到 3 倍，这对于需要 7×24 小时运行的大规模推理场景而言，意味着运营成本的大幅降低。
内存与互联技术的升级同样关键。TPUv7 配备 216GB HBM3e 内存，内存带宽达 6.53 TB/s，配合优化的 ICI 互联（19.2 Tb/s）和 400 Gb/s 的 scale-out 能力，实现了多芯片集群的高效协同，单柜可配置 64 颗 TPU，为大规模推理提供了坚实的硬件基础。
值得注意的是，TPUv7 的高功耗（峰值 980W）使其强制采用液冷技术，这也推动了液冷数据中心市场的快速增长，预计 2026 年谷歌 TPUv7 部署将带来 3.5 万柜的液冷需求，成为液冷技术规模化应用的重要驱动力。
三、驱动因素：推理市场爆发与成本优化需求
ASIC AI 服务器的爆发式增长，本质上是三大核心驱动力共同作用的结果。
首先是多模态应用的全面爆发。图文生成、视频理解、3D 内容创建等应用的算力需求是纯文本交互的 5-20 倍，每一次用户交互都需要海量的推理计算支持。谷歌 Gemini 3 系列大模型的广泛应用，以及 Anthropic 等第三方 AI 公司对 TPU 资源的大量采购，直接拉动了 TPUv7 的出货增长。
其次是 AI 智能体（Agent）的普及。与传统一次性对话不同，AI 智能体需要 7×24 小时常驻运行，持续处理用户请求并执行复杂任务，这对推理算力的稳定性和成本效益提出了更高要求。TPUv7 的低延迟响应和高并发处理能力，恰好满足了这一新兴场景的需求。
最后是企业对 TCO 优化的迫切需求。在 AI 军备竞赛进入深水区后，单纯追求算力规模的时代已经过去，如何在保证性能的前提下降低成本成为企业关注的核心。ASIC 芯片凭借定制化架构带来的能效优势，在大规模推理场景中展现出比通用 GPU 更优的性价比，这也是谷歌、Meta、亚马逊等云巨头加速自研 ASIC 的根本原因。
四、行业影响：算力格局重构与供应链变革
ASIC 的崛起正在打破英伟达在 AI 芯片领域的垄断格局，推动算力市场向多元化方向发展。预计到 2027 年，ASIC 将与 GPU 各占 AI 芯片市场 50% 的份额，形成 “双引擎” 驱动的算力生态。
谷歌 TPUv7 的大规模出货也对供应链产生深远影响。包括 Celestica、英业达、鸿海等代工厂商获得大量订单，同时带动了 HBM 内存、高速互联芯片、液冷设备等上游产业的增长。值得注意的是，从 2026 年四季度开始，液冷厂商来自 ASIC 客户的收入占比将首次超过 GPU 客户，成为新的增长引擎。
对于 AI 产业生态而言，ASIC 的普及意味着模型开发与部署将更加紧密地结合硬件特性。谷歌通过 TensorFlow 框架与 TPU 的深度优化，构建了 “芯片 - 云 - 模型 - 应用” 的全栈生态，这种垂直整合模式正被越来越多的科技巨头效仿，推动 AI 技术向更高效率、更低成本的方向发展。
返回上一页
关注我们
关注微信订阅号
关注微信订阅号
- 返回顶部
- 020-38815864
- 微信咨询
