Чипы TPU от Google выходят на открытый рынок ИИ: что значат сделки с OpenAI и Oracle

По данным AI: Reset to Zero, OpenAI планирует закупать ускорители Google TPU, Oracle начала предлагать их за пределами облака Google, а документы Anthropic указывают на крупные обязательства по вычислительным мощностям, связанные с этими чипами. Для рынка ИИ это признак расширения выбора оборудования для инференса, но не доказательство скорой смены лидера: условия сделок и технические параметры в доступных данных раскрыты не полностью.

TPU выходят за пределы Google Cloud

Автор AI: Reset to Zero описывает сразу несколько сигналов спроса. OpenAI, по данным материала, планирует покупать TPU; Oracle стала первой крупной облачной платформой за пределами Google, предлагающей эти ускорители. В документах Anthropic, поданных для размещения акций, отмечены примерно 400 млрд долларов обязательств по вычислительным мощностям, связанных с TPU. Деталей распределения этих обязательств источник не приводит.

Для Google это важно прежде всего в облачном бизнесе. В материале TPU названы вкладом в рост Google Cloud, однако отдельную сумму компания не раскрыла. Точный объём закупок OpenAI и финансовые условия сделки также неизвестны.

Инференс важнее символического выбора

Ключевой рынок здесь не только обучение крупных моделей. Речь идёт об инференсе: вычислениях, которые обеспечивают работу ИИ-сервисов для компаний и разработчиков. Если TPU доступны через несколько облачных операторов, клиентам проще рассматривать их как альтернативу ускорителям Nvidia. Но сам факт предложения чипов не показывает, насколько они сопоставимы по производительности, цене и доступности.

OpenAI уже распределяет вычислительную нагрузку между несколькими направлениями. В материале упомянуты собственный чип, разрабатываемый с Broadcom, сотрудничество с AMD, а также чипы Amazon и Cerebras. Это делает закупку TPU частью более широкой диверсификации, а не отдельным подтверждением отказа от Nvidia.

Для команд, выбирающих инфраструктуру, практический вывод ограничен: сравнивать нужно доступность нужного оборудования и условия его использования, а не только название ускорителя. В криптоинфраструктуре действует та же логика оценки зависимости от площадки и условий доступа; ключевые факторы доходности и риски крипто-депозитов дают отдельный пример такого анализа.

Цена масштабирования

Рост спроса на вычисления требует капитальных затрат. По данным материала, Alphabet потратила на капитальные вложения 51,4 млрд долларов за квартал и сохранила прогноз расходов на 2026 год в диапазоне 195–205 млрд долларов. Компания также заявила, что в 2027 году расходы значительно вырастут. Эти цифры описывают масштаб инфраструктурной гонки, но сами по себе не позволяют оценить окупаемость TPU.

Пока остаются открытыми главные инженерные вопросы: сколько моделей OpenAI будет оптимизировано для TPU, какова фактическая производительность в задачах инференса и насколько стабильным будет доступ через облачных посредников. Без этих данных «момент TPU» остаётся сигналом расширения рынка, а не готовой заменой существующей инфраструктуры.