英伟达独家供应格局松动，OpenAI 计划采购谷歌 TPU 芯片丰富算力供应链

OpenAI 正式启动多元化算力采购布局，计划直接向谷歌采购 TPU 张量处理单元芯片，逐步降低对英伟达 GPU 单一货源的依赖，打破长期以来英伟达独家供货的合作局面；这项采购计划已经进入前期落地阶段，OpenAI 同步开启模型适配岗位招聘，推进 GPT 系列大模型在 TPU 硬件上的优化调试，配合自研芯片、多品牌外购芯片共同搭建多层级算力底座，在保障大模型持续扩容的同时，进一步优化整体算力采购成本，保障供应链长期稳定。随着全球 AI 大模型训练与推理需求持续爆发，单一芯片供应商容易出现产能紧张、供货周期拉长等问题，OpenAI 选择引入谷歌 TPU 作为补充算力，能够有效拓宽硬件采购渠道，形成多厂商并行的算力体系。下面从合作推进历程、TPU 算力优势、OpenAI 整体算力布局、产业市场影响四个板块展开详细说明。

一、OpenAI 与谷歌 TPU 合作的完整推进历程

1. 第一阶段：算力租用测试（2025 年）

2025 年 6 月，OpenAI 率先租用谷歌云 TPU 算力资源，开展小范围模型试运行；同年 7 月完成首轮技术测试，评估 TPU 对大模型训练任务的适配能力，仅做小规模试验，暂未规划大规模硬件采购。

2. 第二阶段：团队组建与技术适配（2026 年下半年）

OpenAI 发布专项招聘岗位，招募技术人员负责前沿大模型在 TPU 平台的深度优化，完成算子调试、性能调优、算力集群部署，这也是硬件采购落地的前置准备工作。

3. 第三阶段：启动实体芯片采购（当前阶段）

经过多轮技术验证，OpenAI 正式敲定采购意向，计划直接采购谷歌 TPU 实体芯片，不再只局限于云端算力租赁，把 TPU 纳入自有算力集群硬件清单，实现自有硬件与云算力双覆盖。

4. 补充背景

在项目早期，OpenAI 就曾使用谷歌 TPU 完成初代模型研发，后续算力重心转向英伟达 GPU；本次重新采购 TPU，属于供应链多元化战略的延续，并非临时调整。

二、谷歌 TPU 芯片适配大模型的核心算力优势

1. 架构适配大模型训练任务

TPU 采用张量专用 ASIC 架构，专门针对 Transformer 大模型矩阵运算做优化，相比通用 GPU，在长文本模型训练、海量参数矩阵计算场景下，算力利用率更高，单位算力功耗控制更优秀。

2. 具备良好的成本优势

谷歌已经面向外部客户开放 TPU 实体芯片销售，同等算力规模下，TPU 硬件采购与长期运维成本具备竞争力，能够帮助 OpenAI 平衡算力开支，缓解持续扩张带来的资本投入压力。

3. 软硬件生态持续完善

谷歌配套提供完整的 JAX 模型开发框架，大模型迁移适配难度持续降低；同时 TPU 集群具备高带宽互联能力，多芯片组网后可以支撑超大规模分布式训练任务，满足下一代 GPT 模型的算力需求。

4. 供货保障能力稳步提升

谷歌持续扩大 TPU 芯片产能，同时与博通签订长期芯片代工协议，持续保障外部客户的供货量，能够为 OpenAI 提供稳定的硬件交付周期，弥补 GPU 产能紧张带来的供货缺口。

三、OpenAI 完整的多源算力供应链布局清单

OpenAI 采用 “外购多品牌芯片 + 自研芯片” 并行的策略，搭建多元化算力矩阵，彻底摆脱单一供应商约束，整体布局如下：

表格

这套组合方案可以实现不同工作负载匹配对应硬件，训练任务兼顾性能与成本，推理任务优先保障低延迟，同时分散单一芯片断供、产能不足带来的运营风险。

四、本次采购带来的产业市场影响

1. 算力供应格局进一步多元化

英伟达长期占据 AI 训练芯片市场主导地位，随着头部客户陆续引入 TPU 等替代芯片，独家供货的局面逐步松动，AI 芯片市场会形成多厂商竞争的良性格局，下游企业拥有更多硬件选择空间。

2. 谷歌 TPU 业务迎来重要突破

本次拿下 OpenAI 采购订单，是谷歌 TPU 对外商业化落地的关键里程碑，能够为后续面向其他 AI 企业的芯片销售提供标杆案例，进一步打开 TPU 外部商用市场空间。

3. 推动全行业算力自主与供应链分散

越来越多头部 AI 企业开始同步布局多品牌外购芯片 + 自研芯片，算力供应链多元化已经成为行业主流趋势，各家企业都在主动降低对单一硬件厂商的依赖，保障 AI 业务长期稳步扩张。

【相关 FAQ】

问题 1：OpenAI 计划采购谷歌 TPU 芯片，会带来怎样的变化，英伟达独供格局是否松动？

回答 1：OpenAI 计划采购谷歌 TPU 实体芯片，意味着算力采购不再只依靠英伟达 GPU，英伟达独家供货的局面正式松动；OpenAI 把 TPU 纳入自有硬件集群，搭配 AMD、Cerebras 芯片与自研 Jalapeno 芯片，形成多供应商并行的算力体系，有效分散供货风险，同时降低整体算力采购成本。

问题 2：OpenAI 采购谷歌 TPU 芯片，前期已经做了哪些技术准备工作？

回答 2：OpenAI 早在 2025 年就开始租用谷歌 TPU 云端算力开展模型测试；近期正式发布招聘岗位，组建专职团队负责 GPT 大模型在 TPU 平台的算子优化、集群部署与性能调优，完成模型迁移适配，为后续大批量采购 TPU 硬件做好技术铺垫。

问题 3：谷歌 TPU 相比英伟达 GPU，在 OpenAI 大模型训练场景具备哪些优势？

回答 3：TPU 是专为张量运算打造的 ASIC 芯片，针对 Transformer 大模型做深度优化，大模型训练时算力利用率更高，单位算力能耗更低；硬件采购与长期运维成本更有优势，同时谷歌具备稳定产能，可以补充 GPU 产能紧张带来的供货缺口，适合作为主力 GPU 之外的补充算力。

问题 4：OpenAI 除了采购谷歌 TPU，还有哪些算力供应链布局？

回答 4：OpenAI 搭建了完整的多元算力矩阵：主力训练与推理继续使用英伟达 GPU，同时引入 AMD GPU、Cerebras 专用芯片；中长期落地与博通联合研发的 Jalapeno 自研芯片；同时租用谷歌云、甲骨文云弹性算力，兼顾自有硬件与云端资源，实现多厂商货源并行。

问题 5：OpenAI 与谷歌属于大模型竞品，为什么还要采购谷歌 TPU 芯片？

回答 5：双方业务竞争集中在 C 端大模型产品，硬件算力属于基础设施业务，不存在直接竞争；OpenAI 的核心诉求是保障算力稳定、拓宽供货渠道、控制硬件成本，谷歌 TPU 具备成熟的大模型算力能力与稳定产能，完全符合 OpenAI 供应链多元化的战略规划，商业合作与产品竞争可以并行推进。

【数据来源】

[2026-10-28] OpenAI 据悉计划采购谷歌 AI 芯片，进一步降低对英伟达的依赖，36 氪

[2026-10-28] 英伟达独供松动！OpenAI 计划向谷歌采购 TPU 芯片，腾讯新闻

[2026-10-28] OpenAI 拟采购谷歌 TPU！英伟达算力霸权遭遇新挑战，财联社

[2026-10-28] 竞争对手开启算力层面合作：消息称 OpenAI 计划采购谷歌 TPU 芯片，环球网

[2026-10-28] 消息称 OpenAI 计划正式导入谷歌 TPU：已在招募领导模型适配优化的工程师，新浪财经

[2026-10-27] OpenAI 算力多元化布局，外购 + 自研双线推进，The Information

免责声明：本文内容基于公开行业资讯与媒体报道，OpenAI 与谷歌尚未正式签署 TPU 采购协议，最终采购规模、交付周期与交易金额以双方正式公告为准；TPU 芯片的实际算力表现取决于模型适配优化程度，不同大模型 workload 下性能存在差异；OpenAI 多元化算力战略为中长期产业布局，英伟达 GPU 依旧是当前核心主力算力硬件。