Tensor Processing Unit
PulseAugur coverage of Tensor Processing Unit — every cluster mentioning Tensor Processing Unit across labs, papers, and developer communities, ranked by signal.
- 2026-06-09 product_launch Google has reportedly ordered over three million Intel-manufactured TPUs for delivery in 2028. 来源
-
InferenceX将TPU堆栈外部化，挑战CUDA主导地位
SemiAnalysis报道称，InferenceX在TPU推理外部化方面取得了重大进展，每美元性能可能提高多达50%。该公司正在积极开发其TPU堆栈，在Ironwood和TPUv8i方面取得了显著进步。此举旨在减少对CUDA的依赖，而CUDA是英伟达的关键竞争优势。
-
英伟达投资35亿美元，将竞争对手AI芯片整合进其生态系统
英伟达已投资35亿美元购买联发科发行的可转换债券。联发科是一家台湾半导体公司。此举使联发科能够为其定制AI加速器、汽车平台和本地AI系统采用英伟达的NVLink Fusion平台。该合作旨在确保可能取代英伟达GPU的定制AI芯片能够与英伟达现有基础设施和标准集成，从而有效地为定制芯片开发创建一个‘收费站’。
-
百度实现双重主要上市，标志着AI优先估值转变
百度已正式在香港和纳斯达克两大证券交易所实现双重主要上市，成为首家实现这一地位的拥有全面“全栈AI”战略的公司。此举旨在提高流动性、扩大投资者基础，并通过将市场认知从传统搜索公司转变为AI优先型企业来重塑其估值。公司AI业务目前占其整体业务收入的一半以上，这得益于其集成的“芯片-云-模型-体”生态系统，包括其昆仑AI芯片、智能云服务、文心大模型以及Apollo等自动驾驶项目。
-
Z.ai 发布 GLM-5.3 Flash，使用 10 万颗中国芯片
中国人工智能供应商 Z.ai 发布了其新的多模态模型 GLM-5.3 Flash，该模型专为长上下文处理和智能体任务而设计。值得注意的是，Z.ai 在模型的推理过程中使用了 10 万颗国产芯片，这标志着中国人工智能硬件行业正朝着自给自足和优化的方向发展。这一进展挑战了中国在人工智能基础设施方面，尤其是在推理工作负载方面落后的看法，因为中国供应商正专注于高效的模型架构和软件优化，以弥补与英伟达等美国芯片制造商在性能上的潜在差距。
-
Gemma 4 E2B 部署问题凸显 TPU 服务堆栈的局限性
一位开发者在使用 Google Cloud TPU 的 vLLM 服务堆栈部署 Google 的 Gemma 4 E2B 模型（带有量化检查点）时遇到了问题。由于检查点格式与服务堆栈的功能之间存在差异，特别是关于量化方案和缺失的模型权重，int4 和去量化 QAT 变体都无法加载。开发者最终实现了一个自定义加载路径来解决这些问题，这凸显了 int4 和去量化检查点之间的选择很大程度上取决于可用的硬件内存，而不仅仅是检查点类型。
-
Inco AI 发布 DFlash 2 以加快 LLM 推理速度
Inco AI 发布了 DFlash 2，这是大型语言模型（LLM）投机解码的一项进展。新版本在原始 DFlash 的并行草稿方法的基础上，通过最小的延迟增加，将每次验证的输出提高了 20% 以上。DFlash 2 旨在通过在单次传递中优化 token 预测和选择，来提高推理效率，这是 AI 代理的一个关键瓶颈。
-
谷歌传奇人物 Jeff Dean 在效力 27 年后离职，创办 AI 初创公司
谷歌传奇工程师、最早的员工之一 Jeff Dean 宣布在效力 27 年后离职。Dean 在构建谷歌的许多基础架构方面发挥了关键作用，包括 MapReduce、BigTable 和 Spanner 等系统，并在 TensorFlow 和 TPU 的开发中发挥了重要作用。据报道，他的离职导致谷歌股价大幅下跌。Dean 现在将开启一项新事业，联合创办一家名为 Discovery Loop 的初创公司，专注于自动化机器学习、科学和工程。
-
Google因AI数据中心支出首次出现现金流为负的季度
Google的母公司Alphabet报告了其有史以来第一个现金流为负的季度，2026年第二季度赤字为59亿美元。这主要是由于创纪录的449亿美元资本支出，主要用于AI数据中心的扩张和自研TPU的生产。尽管本季度出现短缺，但公司在过去十二个月的自由现金流仍为正，并提高了全年资本支出指引，预计到2027年将进一步投资。
-
JAXBench 推出以优化 Google TPU 上的 AI 内核
一个名为 JAXBench 的新基准测试套件已被开发出来，专门用于解决 Google Cloud TPU 上 AI 内核性能的优化问题。该套件包含 50 个 JAX 工作负载，这些工作负载源自 Llama-3.1、DeepSeek-V3 和 Gemini 3 Flash 等知名 AI 模型。初步评估表明，提供精选的 TPU 文档可显著提高 AI 生成内核的正确性，将其从 5.8% 提高到 37.3%，并实现了比 XLA 快 1.6 倍的速度。
-
海南计划发展eVTOL和无人机物流，推动商业航天领域发展
海南省正计划整合包括电动垂直起降（eVTOL）飞行器和大型载货无人机在内的先进物流技术，用于跨海货物运输。“十五五”服务业发展规划旨在提高海鲜和水果等本地产品的配送效率，并扩大无人机在日常配送中的应用。此外，该省还打算通过发展技术服务来支持其商业航天领域，重点关注卫星数据交易、智能发射系统和智能检测服务，以将其能力从硬件制造扩展到高价值运营。
-
Google 研发 'Rigel' 芯片，专为 Gemini AI 模型提供动力
据报道，Google 正在研发一款专用芯片，其能效将远超现有的 Tensor Processing Units (TPUs)。这款代号为 'Rigel' 的新芯片将专用于驱动 Google 的 Gemini 大语言模型，这表明 Google 正在采取战略举措，以优化其人工智能基础设施的性能并降低运营成本。
-
Google开发定制芯片，将Gemini AI性能提升十倍
据报道，Google正在开发一种新的专有芯片，旨在显著提高其Gemini AI模型的性能和效率。这种定制芯片的目标是比现有的张量处理单元（TPU）性能提升十倍，这表明Google正大力优化其大型语言模型的AI硬件。此举表明Google的战略是将AI开发与专用硬件紧密集成，这可能会限制外部对其最先进AI能力的访问。
-
Google开发秘密“Project 7”芯片为Gemini AI模型提供动力
据报道，Google正在开发一款专有芯片，旨在显著超越其自身的张量处理单元（TPU），在能效方面表现更佳。这款代号为“Project 7”或“7B”的新芯片旨在为Google的Gemini AI模型提供动力，目标是实现能效十倍的提升。此举表明Google正采取战略性举措，以增强其AI基础设施并降低运营成本。
-
外资看好中国股市；数字人民币应用激增
包括花旗银行和渣打银行在内的多家外国金融机构已上调评级并增持中国股票头寸，对下半年持乐观态度。这种积极前景归因于中国上半年宏观经济表现的韧性以及人工智能和生物技术等创新行业的吸引力日益增强。与此同时，中国的数字人民币在跨境贸易、支付和自由贸易区中的应用激增，重点关注实际场景和可复制模式。
-
Google开发“Rigel”芯片以提高Gemini AI效率
据报道，Google正在开发一款名为“Rigel”的专有AI芯片，旨在显著提高其Gemini模型的能源效率，性能超越现有的张量处理单元（TPU）。此举表明Google正努力在AI硬件领域获得竞争优势，可能减少对外部芯片制造商的依赖，并优化其大型语言模型的性能。如果成功，这项开发可能对AI硬件市场和Google自身的AI能力产生重大影响。
-
Google开发新AI芯片；北京规划“通证工厂”；腾讯发布AI Agent · 追踪1个来源
Google正在开发一款代号为“Frozen v2”的新AI服务器芯片，以提升其Gemini模型的性能，目标是显著提高每单位能量的token处理能力，优于其当前的TPU。与此同时，北京正规划建立“通证工厂”和分发平台，以促进通证经济的发展和应用，并大幅提升智能算力。此外，腾讯混元AI已推出Hyra-1.0，这是一个为研究和工程任务设计的自改进Agent，能够迭代各种开放场景下的策略。
-
中国私募基金规模达23.66万亿元创新高，发行强劲
2026年6月，中国私募基金行业创下新纪录，管理资产总规模达到23.66万亿元人民币，实现了连续第九个月增长。证券类私募基金首次突破8万亿元。该行业的新基金发行也出现激增，6月份募集资金1091.67亿元，为年内第三次突破千亿元大关。这表明私募股权市场的规模和新基金发行均出现强劲复苏。
-
横店股份计划投资4亿美元用于AI铜箔和光纤项目；中国电信推出TPU集群
横店股份（Hangdian Co., Ltd.）计划通过A股非公开发行募集不超过28.8亿元人民币的资金。募集资金将用于年产光纤预制棒及石英材料的超级工厂项目，以及年产3万吨用于人工智能应用的高端电子铜箔项目。另外，中浩芯英与中国电信、中兴通讯合作，在华东地区推出了首个大规模国产TPU计算集群，该集群在杭州拥有千卡智能计算集群。
-
谷歌据报道选择英特尔EMIB-T用于下一代TPU，挑战台积电的封装主导地位
谷歌据报道正将其下一代张量处理单元（TPU）的生产，代号为Humufish，从台积电的CoWoS-L先进封装转向英特尔的EMIB-T技术。此举若属实，将标志着对台积电在AI和HPC处理器封装市场主导地位的重大挑战。英特尔的EMIB-T通过使用嵌入式硅桥而非大型中介层提供了一种替代方案，可能规避光罩尺寸限制并改善对要求严苛的AI加速器的供电。
-
Bonsai 27B 模型可在手机上运行；Google 的 Gemma 4 针对 Pixel 10 进行了优化
PrismML 发布了 Bonsai 27B，一个拥有 270 亿参数的模型，通过利用 1 位和三元权重，其大小可减小到 6GB 以下，从而可以在智能手机上运行。该模型支持多步推理和工具使用等复杂任务。另外，Google 宣布了 Gemma 4 E2B，该模型针对 Pixel 10 的 TPU 进行了优化，实现了离线深度对话和图像识别等设备端 AI 功能。AI 工程领域也正在走向成熟，编码代理和强大的评估框架等趋势正成为主流。