科技新闻：谷歌TPU 8系列芯片发布，AI基础设施迈入推理时代

2026年4月22日，谷歌在Cloud Next大会上发布第八代张量处理单元（TPU 8系列），标志着AI基础设施从训练导向向推理导向的重大转型。新推出的TPU 8t专为模型训练设计，TPU 8i则针对推理和强化学习优化，性能提升达3倍，成本效益提升80%。与此同时，谷歌将Vertex AI重新品牌为Gemini Enterprise Agent Platform，并宣布与Nvidia深化合作，共同推动AI基础设施标准化。

主要新闻

谷歌发布TPU 8系列芯片，挑战Nvidia在AI推理市场的主导地位

谷歌在Cloud Next ‘26大会上推出第八代定制AI芯片，首次将TPU分为两个专业化方向：TPU 8t面向模型训练，TPU 8i专为推理设计。TPU 8i通过三重技术创新实现突破：将片上SRAM增至384MB、高带宽内存提升至288GB、ICI带宽翻倍至19.2 Tb/s，并将ICI网络直径缩减50%以上。这些改进使TPU 8i能够完全在芯片上托管巨大的KV缓存，为智能体工作流和混合专家（MoE）模型提供超低延迟支持。谷歌声称，新芯片可以实现超过100万TPU的集群协同工作，推理性能每美元提升80%，为企业在推理时代提供了Nvidia GPU之外的强力替代方案。

Source: Google Cloud launches two new AI chips to compete with Nvidia

Gemini Enterprise Agent Platform正式发布，Vertex AI全面升级为企业智能体平台

谷歌在Cloud Next大会上宣布将Vertex AI全面升级并重新品牌为Gemini Enterprise Agent Platform，这是其企业AI战略的重大升级。新平台整合了模型选择、智能体构建、编排治理和运行时管理全流程，支持超过200个领先模型，包括最新的Gemini 3.1 Pro、Gemini 3.1 Flash Image、Lyria 3以及Gemma 4等开源模型。平台引入了Agent Identity、Agent Registry和Agent Gateway三大治理组件，为每个智能体提供可追踪的身份标识，并通过机器学习驱动的异常检测实时监控可疑行为。新版的Agent Development Kit（ADK）采用基于图的框架，允许开发者将智能体组织为子智能体网络，实现复杂问题的可靠逻辑推理。

Source: Introducing Gemini Enterprise Agent Platform

Google Cloud AI基础设施全面升级，Axion N4A CPU实例性能领先

谷歌在Cloud Next ‘26上详细介绍了其AI Hypercomputer基础设施的重大升级，专为智能体时代设计。新推出的Axion N4A CPU实例基于定制ARM架构，在智能体运行时工作负载上比竞争对手的Hyperscaler提供高达30%的性价比优势。结合第四代Compute Engine VM家族（采用最新的Intel和AMD处理器），这些实例专门针对强化学习奖励计算、智能体编排和嵌套可视化等广泛RL任务进行了优化。此外，Cloud Managed Lustre现在提供TB/s级带宽，结合新的AI驱动推理网关（Inference Gateway），通过机器学习取代启发式猜测，将首令牌延迟（TTFT）降低70%以上，无需手动调优。

Source: AI infrastructure at Next ‘26

分析

谷歌在Cloud Next ‘26大会上的一系列发布，揭示了科技行业正在经历的深刻变革。首先，AI芯片市场正在从”训练为王”向”推理为王”转变。TPU 8i的发布表明，推理工作负载在延迟敏感性、内存访问模式和成本结构方面与训练截然不同，需要专门的硬件架构。这种专业化分工将重塑AI芯片市场格局，Nvidia在推理市场的垄断地位首次面临实质性挑战。

其次，企业AI的竞争焦点已从模型能力转向平台生态。Gemini Enterprise Agent Platform的发布表明，谷歌意识到单纯提供先进模型已不足以赢得企业市场，必须提供从模型选择、智能体构建、运行时管理到安全治理的全栈解决方案。特别是Agent Registry和Agent Gateway的引入，解决了企业大规模部署智能体时面临的核心问题：如何管理数百甚至数千个智能体的身份、权限和交互。

第三，AI基础设施正在经历”云原生2.0”升级。Axion N4A CPU实例的高性价比表明，AI工作负载不仅需要GPU/TPU这样的加速器，还需要高性能CPU来处理复杂的逻辑、工具调用和反馈循环。这种异构计算架构要求云服务商具备全栈优化能力，从芯片设计到软件栈再到网络架构，任何环节的短板都会影响整体性能。

最后，谷歌与Nvidia的竞合关系值得关注。尽管推出竞争产品TPU 8系列，谷歌仍承诺将在今年晚些时候提供Nvidia的最新芯片Vera Rubin，并合作优化Falcon网络技术。这种”既竞争又合作”的策略反映出AI基础设施市场的复杂性：单一的供应商无法满足所有需求，而开放的网络标准和互操作性将成为行业健康发展的关键。

结论

2026年4月的科技新闻清楚表明，AI行业正在从”模型竞赛”进入”基础设施竞赛”的新阶段。谷歌通过TPU 8系列芯片、Gemini Enterprise平台和Axion CPU实例的三管齐下，展现了其在AI基础设施全栈领域的雄心。对于企业技术决策者而言，现在应该重新评估AI基础设施采购策略，不再单纯比较模型性能，而是要综合考虑推理成本、平台治理能力、硬件多样性和长期供应商锁定风险。那些能够构建多云、多模型、多层次AI基础设施的企业，将在智能体时代获得最大的战略灵活性。