甲骨文扩充AI芯片阵容，谷歌TPU等多种方案入云

AI算力市场的竞争，正在从芯片性能延伸至云基础设施的部署方式。

近日，甲骨文在AI World大会上宣布，将把谷歌张量处理单元（TPU）引入Oracle Cloud Infrastructure（OCI），计划从2027年开始提供相关算力，并在未来数年逐步扩大部署规模。这将使OCI成为谷歌之外首个提供谷歌TPU的超大规模云平台。与此同时，甲骨文还宣布扩大与英伟达的合作，并计划引入Cerebras和SambaNova的AI加速器，进一步丰富其云平台的芯片选择。

一系列动作表明，甲骨文正在加快构建多元化AI算力体系。面对大模型训练和推理需求增长，云厂商需要解决的问题越来越具体，如何匹配不同芯片架构与工作负载，如何提高数据中心利用率，以及如何控制大规模AI计算的整体成本，都将影响云服务的竞争力。

谷歌TPU，首次进入超大规模第三方云平台

TPU是谷歌自主研发的专用AI加速器，主要用于加速机器学习任务，尤其适合执行大规模矩阵运算。与通用处理器相比，这类专用芯片能够围绕特定计算任务进行设计，并通过硬件、软件和系统协同优化，提高特定AI工作负载的计算效率。

谷歌在TPU领域已经积累了十余年的研发经验。其产品面向大模型训练、模型后训练和大规模推理等任务，也在探索为智能体应用提供计算支持。谷歌第八代TPU进一步划分出TPU 8t和TPU 8i两种架构，分别侧重训练和推理，以适应不同阶段的算力需求。

此次合作，谷歌TPU将通过OCI触达谷歌云以外的超大规模云服务客户。此前，企业如果希望使用谷歌TPU，通常需要考虑谷歌云提供的相关服务。未来，OCI客户也将获得使用这一芯片架构的选择。

根据甲骨文和谷歌公布的信息，TPU算力预计从2027年起进入OCI，并在之后数年逐步扩大至吉瓦级规模。甲骨文将负责提供相应的数据中心基础设施，包括供电、散热和数据中心网络，谷歌则提供TPU及其软硬件体系。

对甲骨文而言，引入TPU有助于扩大OCI的算力供给范围。AI训练和推理任务对芯片的要求存在差异。为客户提供不同架构的加速器，可以增加工作负载调度的灵活性，也有利于甲骨文争取希望使用定制AI芯片的客户。

从英伟达到专用加速器，甲骨文扩大芯片阵容

引入谷歌TPU只是甲骨文扩充AI算力的一个环节。甲骨文还计划将搭载英伟达Vera Rubin NVL72系统的OCI超级集群扩展至数吉瓦级规模，并增加系统配置，以满足大模型训练、推理和智能体应用的需求。

此外，OCI还计划引入Cerebras的晶圆级推理方案和SambaNova SN50系统，其中Cerebras相关服务预计于2027年推出。Cerebras通过晶圆级处理器集成大量计算资源，旨在减少数据移动和芯片间通信开销，SambaNova则为云平台提供另一种专用AI计算方案。不同架构能够满足不同的计算需求，客户可根据模型规模、推理速度和成本选择合适的算力。

携手OpenAI，算力合作延伸至推理芯片

甲骨文此次公布的另一项重要计划，是进一步扩大与OpenAI的合作。

甲骨文表示，计划部署OpenAI与博通合作开发的Jalapeño推理加速器，以扩大面向OpenAI的推理算力供给。与此同时，双方还将把OpenAI模型、ChatGPT和Codex等产品与甲骨文的企业应用、数据和基础设施进一步结合，探索企业工作流和应用开发等场景。

双方的合作已有基础。2025年7月，OpenAI宣布与甲骨文达成协议，将在美国开发额外4.5吉瓦的Stargate数据中心容量，为其AI业务提供基础设施支持。此后，双方继续推进相关数据中心建设。此次引入Jalapeño推理加速器，则进一步将合作延伸至定制芯片层面。

对OpenAI而言，训练和推理都需要持续投入大量算力。训练阶段需要大规模计算资源支持模型开发，推理阶段则要面向不断增长的用户请求提供服务。专用推理加速器的引入，为其扩充计算资源提供了另一条路径，也使芯片选择与基础设施部署之间的联系更加紧密。

对甲骨文而言，OpenAI既是重要的AI基础设施合作伙伴，也为OCI带来了明确的算力需求。围绕这一需求建设数据中心、部署加速器，并进一步将AI能力融入企业软件，能够帮助甲骨文拓展基础设施之外的商业空间。

AI云竞争，进入软硬件协同阶段

甲骨文加快AI基础设施建设，也有业务增长作为支撑。根据公司9月公布的2027财年第一季度业绩，甲骨文云基础设施业务收入达到74亿美元，同比增长121%；当季新增交付的数据中心容量为850兆瓦。公司同期总云收入达到116亿美元，同比增长62%。这些数据反映出，云基础设施已经成为甲骨文的重要增长动力。

从谷歌TPU进入OCI，到英伟达系统扩容，再到Cerebras、SambaNova以及OpenAI定制推理芯片加入布局，甲骨文正尝试建立更加多元的AI计算平台。对客户来说，芯片选择增加，有机会根据实际任务优化性能与成本，对芯片企业来说，通过云平台扩大部署范围，也可能打开新的客户渠道。