英伟达的护城河，开始漏水了？

一周之内，三颗芯片，三个方向。

Hot Chips 2026上，NVIDIA发布了专为Agentic AI重造的服务器CPU Vera；SemiAnalysis放出首份谷歌TPUv7 Ironwood第三方推理测试，每美元性能最高领先B200约50%；9月7日，华为交出韬定律的量产答卷，麒麟9050 Pro首发上机。

三件事看似不相干，其实指向同一个信号：AI算力市场，正在从英伟达一家独大，变成多线作战。

🤖 Vera：为一群AI"打工人"重造CPU

CPU这个老物种，第一次被AI反向定义。

先说场景。过去十年，服务器的分工非常清晰：CPU管操作系统、存储、网络，GPU管算力，井水不犯河水。英伟达的数据中心生意，本质上是"CPU搭台、GPU唱戏"——Grace系列再强，也是给GPU做配角的。

但Agentic AI把这套分工打乱了。

按SemiWiki对Hot Chips 2026的报道，Vera的设计出发点非常具体：在Agentic AI场景里，语言模型要反复地观察（observe）、推理（reason），然后行动，再观察、再推理，循环往复。这不是一次性的推理请求，而是持续不断的任务编排——调度、上下文管理、多智能体协作，这些活在传统服务器上全压在CPU身上。

当Agent的数量从一万个涨到一亿个，瓶颈就不在GPU的计算平面，而在CPU的控制平面。

这正是Vera存在的理由：不是做一颗更好的通用CPU，而是围绕Agentic AI的工作负载，从指令、互连到系统，把CPU重新设计一遍。需要提醒的是，报道中的性能数据均为NVIDIA官方宣称，且部分结果来自工程样片或非正式测试——听个方向就好，数字先别当真。

产业逻辑也很直白：英伟达比谁都清楚，推理时代的竞争维度变了。训练比的是峰值算力，推理比的是每美元性能和系统效率。只保住GPU，保不住整个机柜的账本。

据多位接近人士的说法，业界私下已经形成共识：推理侧的军备竞赛，才刚刚鸣枪。

Agentic AI的典型循环：观察、推理、行动、反馈，永不停歇

🔍 谷歌TPU走出围墙，直奔英伟达腹地

护城河最怕的，不是对手翻墙，而是有人从里面把水放走。

谷歌的TPU过去一直守在自家院墙内，主要服务搜索、YouTube和DeepMind。如今，它正在加速对外开放——而且这次，带来了实打实的第三方数据。

SemiAnalysis发布了业内首份针对TPUv7 Ironwood的第三方推理测试，基准是Qwen3.5 397B FP8模型，聚合服务模式下与B200、B300逐项对比。结论一句话：Ironwood在每美元性能指标上，最高领先B200和B300达50%。

最扎眼的是低并发、高交互场景——这恰恰是AI助手类产品的典型形态。在每秒20个token/用户的交互速度下：

在高并发场景下，若按谷歌内部总拥有成本（TCO）口径计算，差距进一步拉大：Ironwood相对B200的每美元性能优势达76.7%，相对B300达130.2%。

硬件只是敲门砖，软件才是真正的战场。谷歌正在全力推进名为TorchTPU的新一代原生PyTorch后端，预计10月开源，用以取代此前存在诸多局限的TorchAX方案——翻译成人话：让所有写惯了PyTorch的开发者，改后端不改代码。

外部客户的落位更说明问题：Anthropic已承诺采购逾百万颗TPU，成为谷歌TPU最大的外部用户，预计到2029年，其TPU使用量将超过DeepMind自身。一家英伟达最早的明星客户，转身成了谷歌阵营的头号旗手——这个信号，比任何跑分都响。

SemiAnalysis还指出，随着分离式预填充/解码（PD Disaggregation）、投机解码等关键优化落地，TPUv7有望在全性能曲线上与GB200/GB300 NVL72正面掰手腕。

📊 比价时代：英伟达最赚钱的那部分被盯上了

训练是军备竞赛，推理是自由市场。

把三家的牌摆在一起看，产业逻辑会更清楚：

GPU加自研CPU"]

A --> C["谷歌

TPU对外开放"]

A --> D["华为

自研麒麟加韬定律"]

B --> E["优势 CUDA生态"]

C --> F["优势 每美元性能"]

D --> G["优势 自主供应链"]

英伟达的护城河，业界公认有两条：一条是硬件系统（NVLink、整机柜方案），一条是CUDA软件生态。谷歌的动作，恰好同时冲着这两条去——TPU用每美元性能直接比价，TorchTPU则试图在生态层面凿开一个口子。

而推理市场有个对英伟达不利的特性：客户对价格的敏感度，远高于训练时代。训练买的是时间窗口，贵一点认了；推理买的是每一个token的账单，0.181美元对0.276美元，CFO不用看PPT就知道选谁。当Anthropic这样的头部客户公开站队，比价效应会沿着整条应用链条向下传导。

这也是为什么Vera的出现值得重视：英伟达很清楚，不能只靠GPU单点应战，必须把整台服务器的每一分钱效率都抠出来。从卖芯片到卖系统性价比，这是一次被动但必须的自我革命。

🇨🇳 华为交出韬定律答卷，供应链瓶颈在松动

被卡脖子的那一侧，也在往前走。

9月7日，华为发布首款采用韬(τ)定律逻辑折叠（LogicFolding）技术的麒麟9050 Pro芯片，首发搭载于同日发布的新款三折叠手机Mate XT 2非凡大师。

这条时间线，值得细看：

• 麒麟芯片上次在华为发布会亮相，是2025年9月，首发搭载于三折叠屏手机Mate XTs
• 在那之前，麒麟芯片沉寂超过4年
• 本次麒麟9050 Pro的最大意义，是实现量产

麒麟芯片回归时间线

2021至2025 : 麒麟芯片沉寂超过4年

2025年9月 : 麒麟芯片重现 搭载Mate XTs

2026年9月7日 : 麒麟9050 Pro发布

2026年9月7日 : 首发搭载Mate XT 2

技术上，据财新报道，该芯片采用较为保守的逻辑折叠设计，华为表示，逻辑折叠将逐步向全规模、多层折叠发展。换句话说，这是一条路线图的第一步——不依赖制程节点的极限推进，而是通过架构层面的创新（逻辑折叠）来换取性能与能效空间。

两个判断：

其一，量产本身就是信号。发布和量产是两回事，麒麟9050 Pro直接上三折叠旗舰，说明华为国产供应链的产能瓶颈有所缓解——这比单颗芯片的参数重要得多。

其二，性能水平有待市场验证。韬定律的真实成色，需要后续出货量、能效表现和用户口碑来回答，发布会上的表述只能作为路线声明看待。但从产业视角看，在无法自由获取最先进制程的约束下，走架构创新而非制程竞赛，是一条逻辑自洽的路。

制程被限的地方，架构总会想办法长出来。

⚖️ 三条战线，一个共同逻辑

AI算力的竞争，正在从"制程叙事"切换到"系统叙事"。

把三条线放在一起，会发现一个共同点：没有一家在单纯拼制程节点。

NVIDIA的Vera，是在系统层面为Agentic AI重新分配控制平面的算力；谷歌的Ironwood，是用每美元性能和开源软件后端重写比价公式；华为的韬定律，则是在制程受限的约束下，用逻辑折叠从架构侧找增量。

这背后是推理时代的经济学：每一颗芯片的估值锚，从峰值算力（TFLOPS）变成了每百万token的成本（美元）。客户不再问"你的芯片多强"，而是问"我的账单能省多少"。SemiAnalysis那组数字之所以引发震动，不是因为它证明TPU全面碾压——高低并发、不同TCO口径下结论各有差异——而是因为第三方、可复现的比价体系第一次建立起来了。

比价体系一旦建立，护城河的水位就要重新丈量。英伟达仍有CUDA生态、整机柜方案和最完整的交付能力，短期的市场地位无可撼动；但Vera、TorchTPU、韬定律这些动作说明，所有玩家都意识到：下一个五年，赢家的标准不是最先进的晶体管，而是最划算的token。

小结：牌桌扩大了，规则也改了

一周之内，CPU被重造、TPU走出围墙、麒麟量产上机——三颗芯片，指向同一个拐点：AI算力市场从英伟达定义游戏，走向多方重新议价。

短期看，英伟达的GPU王座依然稳固；中期看，谷歌TPU每美元性能的比价压力会持续放大，华为的韬定律路线则决定国产算力的天花板。值得盯的下一个节点：10月TorchTPU开源后的开发者迁移数据，以及麒麟9050 Pro的市场验证结果。

护城河还在，但水，确实在动。