Як Google кидає виклик Nvidia: ставка на $3,2 млрд, мільйони TPU та удар по CUDA

Цей підхід нагадує стратегію Nvidia: фінансові гарантії допомагають залучити великих орендарів і закріпити попит на обчислювальну інфраструктуру ще до завершення її розгортання. TeraWulf, яка раніше займалася майнінгом біткоїна, уклала з Fluidstack десятирічні угоди на розміщення потужностей. Вони передбачають близько $3,7 млрд гарантованої виручки, а з урахуванням можливого продовження контрактів — до $8,7 млрд .

Скільки TPU зможе поставити Google

Найсміливіший прогноз опублікувала інвестиційна компанія Mizuho. За результатами її галузевого опитування, поставки Google TPU можуть зрости приблизно з 4,3 млн чипів у 2026 році до понад 35 млн у 2028-му — майже у вісім разів .

Однак ця оцінка стала предметом гострих дискусій. Morgan Stanley прогнозує близько 5 млн TPU у 2027 році та 7 млн у 2028-му, тоді як Wolfe Research очікує приблизно 7 млн чипів на рік до кінця 2028 року .

Оцінку Mizuho у 35 млн одиниць галузеві спостерігачі поставили під сумнів: вона приблизно у 2,3 раза перевищує загальний прогноз для всього ринку та, за їхньою оцінкою, «серйозно відірвана від реальності ланцюгів постачання» . TrendForce у січні 2026 року наводила значно стриманіший сценарій — 5 млн TPU у 2027 році та 7 млн у 2028-му .

Тому реальна динаміка поставок стане одним із ключових тестів для Google. Попит на чипи може бути високим, але його ще потрібно забезпечити виробничими потужностями, передовою упаковкою та стабільними поставками пам’яті.

Перелом на ринку спеціалізованих AI-чипів

Тенденція працює на користь Google. За даними TrendForce, поставки спеціалізованих AI ASIC — інтегральних схем, створених під конкретні завдання, — у 2026 році можуть зрости на 44,6% у річному вимірі. Для стандартних комерційних GPU прогнозують лише 16,1% зростання .

Це може стати першим масштабним «переворотом» в епоху генеративного AI, коли спеціалізовані чипи зростатимуть швидше за універсальні графічні процесори. Загальний ринок кастомних AI-прискорювачів, за окремими прогнозами, у 2026 році збільшиться приблизно на 45% і може досягти $118 млрд до 2033 року .

Google має перевагу в цьому сегменті завдяки багаторічній програмі TPU. Її ключовим партнером із розробки ASIC залишається Broadcom, якій Counterpoint Research прогнозує близько 60% ринку кастомних AI-прискорювачів до 2027 року .

Intel і Marvell: Google розширює ланцюг постачання

Щоб не залежати від одного виробника, Google, за повідомленнями, звернувся до Intel із замовленням на виробництво понад 3 млн TPU у 2028 році. Про це писало видання The Information, а інформацію цитували Reuters і TrendForce .

Такий крок може зменшити залежність Google від TSMC як виробника та Broadcom як основного партнера з проєктування. Для компанії це також спосіб перевірити альтернативні виробничі й пакувальні можливості Intel.

Окрім того, Google вела переговори з Marvell Technology щодо спільно розроблених AI-чипів, орієнтованих, зокрема, на ринок inference — виконання вже навчених моделей у режимі реального часу . У разі реалізації такого плану Marvell приєднається до Broadcom і MediaTek як ще один партнер Google із розробки чипів, що може сформувати ланцюг постачання із чотирьох компаній .

TorchTPU: спроба пробити програмну «фортецю» CUDA

Апаратного чипа недостатньо, якщо розробникам складно перенести на нього свої моделі. Саме тому Google атакує Nvidia не лише на рівні «заліза», а й у програмному забезпеченні.

На конференції Cloud Next 2026, 24 квітня, Google офіційно оголосила TorchTPU — програмний шар, який дає змогу запускати робочі навантаження PyTorch безпосередньо на TPU, без традиційного мосту PyTorch/XLA .

Це прямий виклик CUDA — програмній платформі Nvidia, навколо якої сформувалася величезна екосистема інструментів, бібліотек і навичок розробників. Саме сумісність із CUDA часто утримує команди від переходу на альтернативні чипи: зміна апаратної платформи може вимагати переписування та оптимізації значної частини коду.

Google працює над TorchTPU спільно з Meta, яка опікується розвитком PyTorch . Мета проєкту — зменшити витрати на перехід для розробників і зробити TPU повноцінною платформою для популярного фреймворку. За оцінкою, наведеною в доступних матеріалах, PyTorch використовується приблизно у 85% досліджень у сфері глибокого навчання . Якщо Google справді зможе забезпечити нативний і зручний запуск таких моделей, це може послабити програмну прив’язаність індустрії до Nvidia.

Що відомо про угоду на $35 млрд

Підтверджень немає. Заявлена угода на «$35 млрд» за участю Google, Broadcom та Anthropic, яку нібито фінансують Apollo і Blackstone, не фігурує в доступних результатах пошуку.

Натомість джерела підтверджують фінансову підтримку Google для проєкту TeraWulf на $3,2 млрд і роль Broadcom як партнера Google з розробки TPU. Саме тому інформацію про угоду на $35 млрд слід вважати непідтвердженою, доки її не засвідчить надійне первинне джерело.

Висновок

Стратегія Google складається не з одного «чарівного» чипа. Компанія одночасно створює попит на TPU через дата-центри, намагається масштабувати їхнє виробництво, розподіляє ризики між кількома партнерами та працює над сумісністю з PyTorch.

Це ще не означає, що Nvidia втратить лідерство: її перевага охоплює не лише процесори, а й зрілу програмну екосистему, мережеві рішення та масштаб операцій. Проте Google формує альтернативну модель — від виробництва чипів до хмарної інфраструктури й інструментів для розробників. Саме здатність зібрати всі ці елементи в єдину екосистему визначить, чи стане TPU справжнім конкурентом Nvidia, а не лише внутрішньою технологією Google.