电子行业：谷歌IRONWOOD构建AI推理工厂 与BLACKWELL形成差异化竞争
2025 年4 月9 日，谷歌在Cloud Next 大会上正式发布其第七代张量处理单元（TPU v7），代号"Ironwood"。与前代Trillium 相比，TPU v7 在性能与能效方面提升达两倍，并针对大模型推理任务进行深度优化。
点评：
Ironwood 集群跻身全球最快推理平台，专为LLM 与MoE 优化。Ironwood 最多可支持9,216 颗TPU 芯片组成集群，峰值算力达42.5 ExaFLOPS，为当前已知全球最快的AI 推理平台之一。TPU v7 延续并加强了SparseCore、HBM 高带宽内存及芯片间光互联（ICI）设计，专为运行大型语言模型（LLM）与专家混合模型（MoE）优化。
Google 通过Ironwood 强化AI 芯片布局，借推理优势提升云服务吸引力。谷歌推出AI 芯片Ironwood，持续加码与NVIDIA 等竞争对手的芯片竞赛。但不同于英伟达的对外销售策略，Ironwood 仅用于Google 内部或通过其云服务对客户开放，未向市场直接销售。我们观察到，无论是大模型训练还是AI 加速卡，当前的发展趋势正逐步向推理侧倾斜，Llama 4 的发布便是典型案例，其核心优化集中在推理性能上。
我们认为，Google 正通过“硬件+云服务”的绑定策略在推理领域抢占先机：由于Ironwood 无法单独采购，客户必须通过Google Cloud 才能使用其推理能力，这有望显著增强Google 云服务的吸引力，并在未来推理需求爆发的背景下带动云业务增长。
TPU v7 专注推理， Blackwell 专注通用AI 加速。尽管TPU v7 在推理速度上实现突破，但其定位与NVIDIA 于2024 年推出的Blackwell 架构（如B200、GB200）存在本质差异。TPU v7 以推理为核心任务，仅在Google Cloud 内部部署，支持Gemini 等大模型的商业化运行； Blackwell 架构则提供从FP4 到FP64 的完整精度支持，兼顾训练与推理，面向通用AI 应用，并可广泛部署于AWS、Azure 等商用云平台。
TPU v7 打造“推理工厂”，Blackwell 凭通用性胜出。从算力层面看，TPU v7 集群可提供高达42.5 ExaFLOPS 的峰值推理性能，折算单颗TPU 约为4.61 PFLOPS；而NVIDIA GB200 单卡推理算力达到20 PFLOPS（FP4），其NVL72 整机架系统最高可实现1.44 ExaFLOPS。尽管TPU 在总算力上具备一定优势，但NVIDIA 在精度灵活性、商业可获得性、以及开发者生态方面处于领先地位，具备更广泛的应用适配性。我们认为，TPU v7（Ironwood）集群更像一座专为推理打造的“AI 推理工厂”，在特定场景下效率极高；而Blackwell 架构则如一座通用型“高端AI 工厂”，既能胜任训练，也擅长推理，适用于更全面的AI 部署需求。
风险提示：1）AI 需求不及预期；2）地缘政治环境干扰供应链；3）AI 数据中心建造放缓