OpenAI 的第二手算力，押给谷歌 TPU

OpenAI 算了五年账，终于决定把谷歌 TPU 从『备胎』转正。

据 The Information 当地时间周一报道，OpenAI 计划正式导入 Google Cloud 的 TPU AI ASIC 芯片，招聘页面上已经出现了负责『模型在 TPU 上适配优化』的工程师岗位。知情人士的说法更直白：不止租，还要采购。

这不是一条孤立的新闻。把它和同一时间段 寒武纪 交出的三季报放在一起看，你会发现一个正在成型的行业共识：算力市场的叙事，正在从『一家独大』切换为『多极共存』。

🕰️ TPU 不是新欢，是初恋

故事往往不是重逢，而是回头认账。

很多人以为 OpenAI 引入 TPU 是一次『新尝试』，但翻开时间线你会发现，谷歌 TPU 恰恰是这家公司创业早期的重要算力底座。当年训练早期模型时，OpenAI 与谷歌云的合作是公开的秘密。真正转向 NVIDIA GPU，是业务规模化之后的事。

按素材梳理，OpenAI 的算力演进大致是这样的：

• 创业早期：模型在谷歌 TPU 上跑，这是起步阶段的现实选择
• 快速扩张期：主力算力切向 NVIDIA，CUDA 生态成为默认选项
• 多元化期：陆续导入 AMD、Cerebras、AWS 的芯片
• 自研线：自研芯片 Jalapeño 启动
• 2025 年 7 月：OpenAI 表态『正在对谷歌 TPU 进行早期测试，暂无大规模部署计划』
• 五个季度之后：剧情升级为『计划正式导入』

注意『五个季度』这个措辞。从『早期测试、暂无大规模计划』到『招募适配负责人、计划采购』，中间隔的不是一次技术迭代，而是一次商业决断。测试是技术动作，导入是采购动作——后者意味着钱和合同。

产业逻辑很清楚：OpenAI 的算力组合早已不是『NVIDIA 加补充』的结构，而是一张多供应商的网。谷歌 TPU 这条线从『曾经的旧爱』变成『正式成员』，补上的是这张网里最缺的一块——大规模、可预期的第三方训练算力。

🔀 为什么要找『第二手算力』

在算力市场，最大的议价筹码不是钱，而是随时可以走的能力。

OpenAI 手里不缺订单，缺的是筹码。训练和推理的算力需求是刚性的，但供给端如果只有一家主供应商，价格、优先供货权、代际升级节奏，全都要看别人脸色。引入 TPU 之后，谈判桌的结构就变了。

这张网里，每一条边都有不同的功能：NVIDIA 是主力产能，AMD 和 AWS 是弹性补充，Cerebras 这类新锐是技术期权，Jalapeño 是终极保险，而谷歌 TPU，现在是唯一能和 NVIDIA 在『训练级大集群』上正面掰手腕的第三方选项。

对谷歌来说，这同样是笔好生意。Google Cloud 拿下 OpenAI 这个客户，等于给自己最硬核的自研芯片找到了行业背书。此前外界对 TPU 的普遍认知还停留在『谷歌自用』，而一旦头部 AI 公司公开采购，TPU 就从内部工具变成了货架商品。据多位接近人士的说法，这类合作在云厂商内部被视为『里程碑级』的案例，其意义远超单笔收入。

四象限里最能说明问题的，是 TPU 和 NVIDIA 的相对位置：两者都挤在『高技术门槛、高商业价值』的领跑区，但路径完全不同——一个靠生态惯性，一个靠云服务一体化。这场竞争的本质，是 CUDA 生态 vs 云服务捆绑 两种商业模式的对撞。

🛠️ 换芯片不是换插座，是换操作系统

最大的成本从来不在芯片报价单上，而在软件栈的迁移清单里。

为什么 OpenAI 要专门招一位『领导模型适配优化』的工程师？因为把一个为 CUDA 深度优化的大模型搬上 TPU，不是重新编译一遍那么简单。

GPU 世界里，CUDA 十几年积累的算子库、通信库和调试工具，是 NVIDIA 真正的护城河。而 TPU 走的是另一套技术路线——编译器驱动的 XLA 体系，模型需要针对其架构做算子适配、混合精度策略调整、并行策略重写。这些工作的量级，对动辄数千亿参数的模型来说，是以『季度』为单位的工程。

水面之下的这几层，才是『导入』二字的真实重量。这也解释了招聘启事里的岗位设定：OpenAI 要找的不是运维工程师，而是能领导整个模型适配项目的负责人。这相当于在公司内部成立一个常设的『TPU 迁移事业部』。

对整个行业来说，这是一次信号弹：当头部买手愿意为『第二套软件栈』支付真金白银，算力市场就从单一生态定价，进入了多生态竞价。 所有非 NVIDIA 的算力玩家，估值逻辑都会因此重估——寒武纪的财报，恰好是重估最直接的证据。

📈 寒武纪财报：同一剧本的国内注脚

大洋这边的算力市场，正在用财务数据验证同一个逻辑。

寒武纪公告显示：第三季度营收 35.31 亿元，同比增长 104.47%；归母净利润 14.04 亿元，同比增长 147.74%。拉长看更夸张——前三季度营收 95.26 亿元，同比增长 106.76%；归母净利润 37.15 亿元，同比增长 131.49%。

三个数字全部翻倍以上，而且利润增速快于收入增速——这意味着毛利率在扩张，规模效应正在兑现。放在两年前，国产 AI 芯片公司还在为『能不能盈利』发愁；现在，寒武纪交出的是一份高增长、高利润率的成绩单。

背后的产业逻辑与 OpenAI 引入 TPU 是同一条：当算力供给紧张、生态壁垒被主动『去化』，买方会愿意为每一个可用的替代选项付钱。 国内大模型公司对国产算力的采购，逻辑上和 OpenAI 测试 TPU 没有本质区别——不是相信替代品全面更强，而是拒绝把鸡蛋放在一个篮子里。

有意思的是,两家公司都在做同一件事：把『模型适配』从一次性工程变成常设能力。适配哪家芯片的团队规模，某种程度上已经成为衡量一家 AI 公司『算力自由度』的隐性指标。业界私下流传一句玩笑：算力多元化最大的赢家不是芯片公司，是招聘平台——半开玩笑，但方向是对的。

⚖️ 冷判断：没有人输光，但每个人都要重新定价

格局剧变的前夜，往往安静得像一次普通的招聘。

先把话说稳：NVIDIA 的地位没有被撼动。CUDA 生态、供应规模、代际迭代速度，短期内都没有对手。OpenAI 引入 TPU，是『第二供应商』策略的落地，不是『替代』叙事的开端。任何『OpenAI 抛弃 NVIDIA』的解读，都超出了素材支持的范围。

真正变化的是三件事：

1. TPU 完成身份转换：从谷歌自用芯片，变成可以向最大 AI 客户售卖的货架产品，ASIC 路线拿到了最高规格的背书

2. 买方议价权显性化：头部 AI 公司公开执行多供应商策略，算力定价从卖方主导转向博弈定价

3. 软件栈竞争提前：XLA 生态第一次获得巨头级投入，CUDA 的垄断利润率将被逐步摊薄

这三件事叠加，指向一个更分散、也更健康的算力市场。对芯片设计公司是利好，对云厂商是利好，对下游 AI 应用公司是成本端的利好——唯一承压的，是单一生态的溢价部分。

OpenAI 的这步棋，落子很轻，震动很深。当最大的买手开始认真经营『随时可以走』的能力，算力市场的黄金时代就从『一家通吃』，翻到了『各家凭本事吃饭』的新一页。接下来值得盯的，是那封录用通知发出之后，第一份 TPU 采购合同什么时候落地。

OpenAI 转正 TPU，寒武纪利润翻倍，两件事看似不相干，实则是同一枚硬币的两面：算力买方世界在主动建造『Plan B』。未来两三个季度，谷歌 TPU 的外部客户名单、寒武纪的下一份财报、以及 Jalapeño 的自研进度，将共同决定这场『多极化』是趋势，还是一阵风。