Hvor raskt Google faktisk kan skalere produksjonen, er langt mindre sikkert. En kanalundersøkelse fra Mizuho i juni 2026 anslår at Google vil sende ut rundt 4,3 millioner TPU-enheter i 2026 og mer enn 35 millioner i 2028 – en økning på omtrent åtte ganger .
Det er en svært offensiv prognose. Morgan Stanley anslår i stedet rundt 5 millioner enheter i 2027 og 7 millioner i 2028, mens Wolfe Research ser for seg omtrent 7 millioner per år mot slutten av 2028 . TrendForce la i januar 2026 frem et tilsvarende mer forsiktig anslag på 5 millioner i 2027 og 7 millioner i 2028
.
Mizuho-tallet er blitt møtt med åpen skepsis fra bransjeobservatører. Prognosen skal være 2,3 ganger høyere enn anslaget for hele markedet og er blitt beskrevet som «alvorlig frakoblet virkeligheten i leverandørkjeden» .
Dermed blir de faktiske leveransene en viktig test på Googles gjennomføringsevne. Etterspørselen kan være høy, men produksjon, avansert pakking og tilgang på kapasitet kan bli flaskehalser.
Googles satsing skjer samtidig som AI-bransjen beveger seg mot mer spesialiserte brikker. TrendForce-data viser at leveranser av spesialtilpassede AI-ASIC-er ventes å øke med 44,6 prosent fra året før i 2026, mot en forventet vekst på 16,1 prosent for kommersielle GPU-er .
Det er første gang i AI-bølgen at spesialtilpasset silisium ser ut til å vokse så mye raskere enn generelle grafikkprosessorer. Det kan gi Google et strukturelt fortrinn, fordi TPU-ene er utviklet spesielt for Googles egne AI- og skytjenester.
Det samlede markedet for spesialtilpassede AI-akseleratorer ventes å vokse med rundt 45 prosent i 2026 og kan nå 118 milliarder dollar innen 2033 . Broadcom, Googles mangeårige partner innen ASIC-design, anslås å kunne kontrollere rundt 60 prosent av markedet for spesialtilpassede AI-akseleratorer i 2027
.
Google forsøker også å unngå å bli for avhengig av én produsent eller designpartner. Ifølge rapportering fra The Information, gjengitt av Reuters og TrendForce, skal Intel ha fått i oppdrag å produsere mer enn 3 millioner TPU-brikker i 2028 .
Det vil i så fall gi Google et alternativ til å basere hele produksjonen på TSMC, samtidig som Broadcoms rolle som designpartner blir supplert. Google skal dessuten ha vært i samtaler med Marvell Technology om fellesutviklede AI-brikker .
En slik modell kan utvide Googles nettverk av partnere til Broadcom, MediaTek og Marvell, i tillegg til produksjonspartneren Intel . Det kan gi større fleksibilitet, men gjør også forsyningskjeden mer kompleks.
Maskinvaren er likevel bare én del av kampen. Nvidias sterkeste konkurransefortrinn ligger ikke nødvendigvis i selve GPU-ene, men i CUDA – programvareplattformen og utviklerverktøyene som gjør det enkelt å bygge og kjøre AI-modeller på Nvidia-maskinvare.
På Cloud Next 2026, 24. april, kunngjorde Google TorchTPU, et programvarelag som skal la PyTorch-arbeidslaster kjøre direkte på TPU-er uten den eldre PyTorch/XLA-broen . PyTorch er et åpent rammeverk for utvikling av AI-modeller og står sentralt i forskningsmiljøer og hos mange utviklere.
Google samarbeider med Meta, som forvalter PyTorch, om prosjektet . Målet er å gjøre overgangen fra Nvidia-maskinvare mindre krevende. Hvis utviklere kan bruke eksisterende PyTorch-kode med færre endringer, reduseres kostnaden ved å bytte plattform – og dermed også effekten av Nvidias CUDA-låsing.
Kilden som omtaler TorchTPU, anslår at PyTorch brukes i rundt 85 prosent av forskning innen dyp læring . Hvor godt Google lykkes med å gjøre TPU-er til et førsteklasses alternativ for PyTorch, kan derfor bli minst like viktig som selve brikkenes ytelse.
Påstanden om en avtale på 35 milliarder dollar mellom Google, Broadcom og Anthropic, finansiert av Apollo og Blackstone, er ikke verifisert.
Det finnes kildedekning for Googles garanti på 3,2 milliarder dollar knyttet til TeraWulf og Lake Mariner, samt for Broadcoms rolle som Googles ASIC-partner. Den konkrete avtalen på 35 milliarder dollar dukket imidlertid ikke opp i søkene som ligger til grunn for denne gjennomgangen.
Opplysningen bør derfor behandles som ubekreftet inntil den støttes av en pålitelig primærkilde.
Google angriper Nvidia fra flere kanter samtidig: med kapital som kan sikre datasenterkapasitet og kunder, med en plan om å øke TPU-leveransene kraftig, med en bredere leverandørkjede og med programvare som skal gjøre det enklere for utviklere å bytte plattform.
Men strategien er fortsatt avhengig av at de mest aggressive prognosene faktisk lar seg gjennomføre. Særlig vil TPU-leveransene, tilgangen på avansert produksjonskapasitet og kvaliteten på TorchTPU avgjøre om Google kan gjøre TPU-ene til et bredt tilgjengelig alternativ – eller om satsingen først og fremst forblir en intern fordel for Googles egne tjenester.