谷歌TPU找AMD，芯原亏6亿的真相

“谷歌下一代TPU被曝交给[[AMD]]设计，还要往封装里塞进CPU核心；几乎同一时间，国内芯片设计服务商[[芯原股份]]交出2026上半年成绩单：营收暴增91%，净亏损却扩大到6.12亿元。一边是AI ASIC架构剧烈重构，另一边是定制芯片生意越做越亏。这组看似分裂的信号，指向同一个事实：AI定制芯片的竞赛正从拼算力转向拼异构集成，设计服务商正在为这场升级付出高昂代价。

（本文数据核实截至2026年8月下旬；公司财务数据来自芯原股份2026年半年度报告，行业动态来自公开报道，未获官方证实的内容均已标注。）

一、谷歌的TPU要长脑子了：把CPU请进封装

过去[[TPU]]在数据中心里像个单线程的矩阵苦力，只负责张量运算，控制流交给外部x86主机。跑推理还行，跑智能体（Agentic）和强化学习（RL）就露怯了——决策分支短而频繁，内存访问不规则，纯矩阵单元空转率极高。

据The Information 2026年8月中旬报道（谷歌与AMD均未回应置评请求），[[Google]]正与[[AMD]]洽谈设计下一代TPU，目标是把on-package CPU cores直接集成进AI ASIC。这个“hybrid AI ASIC”如果落地，意味着TPU将从“协处理器”变成“自带大脑的自主计算单元”。所谓on-package，不是把CPU和NPU简单放在同一块PCB上，而是在封装基板层面把CPU die和AI加速die做近距离互连，共享供电和散热。

为什么找[[AMD]]？一位要求匿名的芯片行业分析师对The Information表示：“谷歌不缺NPU设计能力，缺的是把x86或ARM核跟加速器塞进同一个封装还不翻车的经验。”[[AMD]]在Chiplet和异构集成上的积累，尤其是CPU+GPU+FPGA混合设计能力，恰好补上这块。谷歌真正想要的不是一颗更快的矩阵乘法器，而是一颗能处理状态管理、环境交互和策略更新的“智能体引擎”。

这背后藏着产业逻辑的拐点：AI芯片的竞争指标正从“每秒多少TOP”转向“单位功耗能完成多少有效决策”。强化学习负载中，数据搬运和分支惩罚往往比计算本身更贵。把CPU核放到同一封装内，可以大幅减少跨芯片通信延迟，提升能效。说白了，谷歌想在单封装内解决过去需要整台服务器才能干的事。

“下图为示意性流程图，不代表实际产品架构或确切项目路径。

二、芯原股份的“甜蜜负担”：订单爆了，利润崩了

镜头切回国内。据[[芯原股份]]《2026年半年度报告》（报告期截至2026年6月30日，公告于2026年8月下旬披露）：2026年上半年营业收入18.64亿元，同比增长91.37%，增速放在整个半导体设计圈都算能打；但归属于上市公司股东的净利润亏损6.12亿元，上年同期亏损3.2亿元，亏损同比扩大近一倍。扣非净利润亏损6.22亿元。本报告期不进行利润分配或公积金转增股本。

营收高增长与亏损扩大形成刺眼反差。一位接近芯原的知情人士对媒体表示：“订单是真的多，但每一单都在抽血。”（该说法未获公司官方证实。）芯原的商业模式是“IP授权+芯片设计服务”，客户多为系统厂商和互联网公司。AI定制芯片订单金额大、周期长，前期研发投入惊人：先进制程一次流片费用就够一个小上市公司疼半年，更别提5nm/3nm下的IP验证和软件工具链支出。

换句话说，芯原的营收增长更像“流水”，而不是“利润”。设计服务合同往往采用里程碑确认收入，成本在前期集中发生，收入却要等项目节点推进甚至量产才能逐步到账。营收+91%只能说明接单能力强劲，但利润表告诉我们：这些项目还没到收获期，或者为了抢单，报价和IP授权费上做了不小的让步。

更深一层看，芯原亏损翻倍不是孤例。AI定制芯片需求爆发，让设计服务商从“卖图纸”变成“卖完整解决方案+供应链管理”，资金门槛、工程复杂度全线上升。巨头客户还在不断压缩NRE（非经常性工程费用），逼服务商共担风险。于是出现一种黑色幽默：订单越多，现金流越紧。

“数据来源：芯原股份2026年半年度报告；表中2025年上半年营收根据同比增速推算，以公司披露为准。

三、异构集成军备赛：从单die到多die的成本曲线

[[Google]]为下一代TPU引入CPU核心，本质上是把“异构集成”从PPT推进到量产封装。过去一颗芯片只干一件事，现在要把CPU die、AI加速die、HBM内存甚至IO die拼在一个基板上，通过2.5D/3D封装连成系统。

这件事听起来性感，但做起来极其昂贵。据《日经亚洲》2026年8月援引多位封装厂工程师消息，异构集成芯片的封测成本相比传统单die方案有显著上升，良率爬坡也更慢，尤其当CPU die和加速die来自不同制程节点时，热膨胀匹配、供电网络规划、信号完整性都是新坑。传统ASIC设计服务商如果只懂数字逻辑，遇到这类项目基本抓瞎。

[[AMD]]的优势正在于此。其Chiplet架构已经在CPU和GPU产品上跑通多年，对多die协同设计、封装接口标准化、功耗分配有成熟的方法论。谷歌把订单交给[[AMD]]，等于承认：异构集成的复杂度已经超过传统ASIC设计公司能单吃的范围。

再看[[芯原股份]]，其营收暴增背后，很可能就是承接了大量异构定制项目——客户要求把自研加速器、第三方CPU IP、内存控制器集成到一颗芯片或封装里。这种项目单子大，但设计周期和流片风险也更大。芯原必须同时铺开多制程IP验证、先进封装仿真、系统级测试等多个烧钱环节，利润被摊薄甚至击穿。

产业逻辑很清楚：异构集成是一场军备竞赛，谁能掌握多die协同和先进封装设计能力，谁就能拿下AI ASIC大单；但与此同时，交付成本曲线陡峭，设计服务商的盈利模式被迫从“轻资产卖IP”转向“重资产交钥匙”。

“下图为异构集成封装结构示意图，各die种类和连接方式仅为示意，不代表任何具体产品。

四、设计服务商的囚徒困境：不拼会死，拼了也难活

把[[Google]]和[[芯原股份]]放在一起看，会看到一个残酷现实：定制芯片设计正在变成重资产、长周期、高风险的生意。以前卖IP像卖图纸，毛利高、风险低；现在要交付完整可制造的芯片，还要管先进封装、软件驱动和系统联调。

[[芯原股份]]的财报就是这种转型的代价：营收+91.37%，亏损6.12亿元，不进行利润分配。公司账面上有大量订单，但为了完成这些订单，研发费用、IP授权费、流片NRE、封测开发成本全面抬头。更麻烦的是，头部客户还在压价——你不接，竞对抢；你接了，利润表就难看。这是典型的囚徒困境。

[[Google]]选择[[AMD]]设计下一代TPU，释放出另一个信号：顶级客户对设计伙伴的要求已经水涨船高。只有CPU、GPU、FPGA、Chiplet全栈能力