10月28日消息，据《The Information》报道，OpenAI正在计划采购谷歌自主研发的人工智能芯片TPU，以满足不断增长的模型训练和推理需求。这两家公司虽然在生成式AI、聊天机器人和搜索等领域直接竞争，但在算力基础设施方面，已经逐渐建立起合作关系。

就在上周，OpenAI刚刚宣布，将通过谷歌云向客户提供旗下前沿AI模型。如今，双方合作可能进一步从云服务扩展到芯片采购。目前报道没有披露具体采购金额、芯片数量以及交付时间。

实际上，OpenAI使用谷歌TPU并不是第一次。早在2025年6月，OpenAI已经开始租用谷歌的人工智能芯片，用于满足部分计算需求。当时双方的合作主要通过算力租赁实现。

从租用算力进一步转向直接购买硬件，通常能够让企业在部署方式、资源调度和长期成本控制方面拥有更多选择。对于OpenAI来说，扩大芯片供应来源也有助于降低对单一供应商的依赖。目前，OpenAI仍然是英伟达GPU的重要采购客户之一。

旗下ChatGPT以及其他前沿模型的训练和推理，都需要大量高性能GPU支撑。但随着AI计算需求不断增长，仅仅依赖英伟达显然存在成本和供应链方面的压力。因此，OpenAI正在不断寻找新的芯片合作伙伴。

TPU全称为Tensor Processing Unit，即张量处理单元，是谷歌自主研发的AI专用处理器。与英伟达GPU相比，TPU主要针对机器学习中的矩阵和张量计算进行优化。这类计算广泛存在于大模型训练和推理过程中。

过去，谷歌TPU主要用于支撑自身的搜索、推荐系统和AI模型业务。随着谷歌云不断扩大AI服务，TPU也逐渐向外部客户开放。近年来，越来越多AI企业开始把TPU视为英伟达GPU之外的重要选择。

其中一个核心原因就是成本。英伟达凭借领先的GPU性能、CUDA软件生态以及成熟的数据中心解决方案，在AI芯片市场占据重要地位。但由于需求旺盛，企业采购高端GPU往往需要承担较高成本。

相比之下，谷歌希望通过自研TPU，为客户提供更具成本竞争力的计算方案。尤其是对于拥有稳定、大规模AI计算需求的企业来说，专用芯片可能在部分任务上实现更好的能效和成本表现。

但TPU并不意味着能够全面替代英伟达GPU。不同模型架构、训练框架和计算任务，对硬件和软件生态的要求并不相同。企业如果要将现有工作负载迁移到TPU，还需要考虑软件适配、开发工具和运行效率等因素。

值得注意的是，谷歌今年已经开始向部分客户直接销售TPU。此前，谷歌主要通过云服务向客户提供TPU算力。客户购买的是计算服务，而不是芯片本身。如今，随着部分企业开始直接采购TPU，谷歌有机会进一步扩大自己在AI硬件市场的影响力。

对于长期由英伟达主导的AI加速芯片市场来说，这也是一个值得关注的变化。特别是OpenAI这样的头部模型企业，如果成为谷歌TPU的直接客户，将进一步提高TPU在行业中的认可度。目前，谷歌已经通过与Anthropic等AI公司的合作，推动TPU需求增长。

Alphabet首席财务官Anat Ashkenazi此前表示，公司预计将在今年年底前开始确认一小部分TPU销售协议收入。但相关协议中的绝大部分收入，预计将在2027年确认。

OpenAI寻求更多芯片供应商，也发生在全球科技巨头持续扩大AI资本开支的背景下。

根据报道，亚马逊、微软和谷歌母公司Alphabet，今年计划合计投入最高约6000亿美元，用于建设人工智能基础设施。这些资金主要流向GPU、AI专用芯片、数据中心、网络设备以及相关配套设施。

如此庞大的资本投入，也让投资者越来越关注AI行业的实际回报。对于OpenAI来说，计算成本同样是决定商业竞争力的重要因素。如果能够通过谷歌TPU、英伟达GPU以及其他自研芯片组合，降低单位模型训练和推理成本，就有机会在激烈的AI价格竞争中获得更大优势。

OpenAI并没有把算力供应链多元化的希望完全寄托在谷歌身上。

今年6月，OpenAI已经公布了与博通合作设计的首款定制AI芯片。按照当时的计划，这款处理器将在今年年底前开始部署。双方还计划围绕多个芯片世代继续合作。