在 SEMICON Taiwan 2026 活动的演讲中，谷歌透露其 TPU 系统已扩展到百万芯片的级别，而电力供应正成为 AI 基础设施扩张的主要制约因素。

此处所指的“百万芯片级规模”，意味着谷歌的 TPU 互联架构（涵盖网络拓扑、通信协议和软件栈等）已具备将最多 100 万颗 TPU 芯片整合为统一计算集群，以支持协同运算的能力。

这一技术突破使得超大规模 AI 模型训练能够在多个数据中心和 Pod 之间进行分布式处理，但电力供应（而非芯片数量）已演变为进一步扩展的最大障碍。

在题为“思维的物理学和智能的架构”的演讲中，谷歌首席技术官阿明·瓦赫达特（Amin Vahdat）表示，随着 AI 模型尺寸的持续增长，扩展的关键瓶颈已从芯片本身转向电力供给，AI 计算能力的上限正从“无法制造芯片”转变为“无法获取电力”。

瓦赫达特还提到，AI 已迈入“智能体人工智能”时代，交互模式正从人机互动转向“智能体与智能体”的自动化对话，这将推动人工智能应用呈指数级增长，并催生几乎无限的全球计算需求。

他将工业革命形容为一场“肌肉倍增器”的变革，而人工智能则是一种“大脑倍增器”。人工智能不仅是为了自动化现有工作，更是为了让以前无法实现的任务变为可能。未来，每位患者都能拥有专属医生，每位学生都能配备私人教师，过去需要十年才能取得的科学进展，一年内即可完成。

谷歌与 Anthropic 的合作协议涉及高达 100 万颗 TPU 芯片，总计算功率超过 1 吉瓦。根据协议，从 2027 年起，谷歌将向 Anthropic 提供 3.5 至 5 吉瓦的 TPU 算力容量，这笔交易的价值达到 400 亿美元。

除谷歌之外，其他科技巨头也面临类似的电力瓶颈。报道指出，亚马逊正在额外采购 200 万颗 Nvidia 芯片用于其 AI 基础设施建设，但电力供应短缺正成为全球 AI 数据中心扩张的共同难题。例如，用户可通过九游娱乐入口获取更多科技动态。

在技术规格方面，谷歌的 Ironwood TPU（TPU v7）每颗芯片提供 4,614 TFLOPS 的 FP8 计算能力，9,216 芯片的 Pod 可实现高达 42.5 Exaflops 的计算性能。该芯片配备 192 GB 高带宽内存，带宽达 7.37 TB/s，能效比前代 Trillium 提升 2 倍。

在今年 4 月举办的 Cloud Next 大会上，谷歌发布了第八代 TPU，分为 TPU 8t（训练专用）和 TPU 8i（推理专用）两种架构。TPU 8t 超级 Pod 可扩展至 9,600 颗芯片，共享 2 PB 高带宽内存，提供 121 ExaFLOPS 的 FP4 计算能力。