TPU是Google于2016年首次发布的AI专用加速芯片。
发展：TPU v1(2016,仅推理)→v2/v3(2017-2018,支持训练)→v4(2021,MLPerf多轮领先)→v5p(2023,训练Gemini主力)→v6(2025-2026)。
架构特点：脉动阵列（专为矩阵乘法设计）、高带宽内存HBM、Pod级扩展（4096个TPU组成一个Pod）。
与GPU对比：TPU生态系统较小（Google独占）；性价比上同等算力更便宜；灵活性不如GPU（通用计算弱）；获取仅限Google Cloud（还可在Colab/Kaggle免费用）。
战略意义：TPU是Google不依赖NVIDIA也能训练超大规模模型的核武器。虽然生态不如CUDA，但在Google内部和Cloud用户中提供了极有竞争力的性价比。