老黄辞职那两天，热搜全被皮夹克占了。但英伟达真正难看的一份文件，是10月26日递进SEC的——Anthropic的招股书。
供应商栏里有AMD，没有英伟达
Anthropic把八组算力安排全写了出来：供应方、金额、签到哪年、什么条件能退，加起来近8000亿美元，最远排到2036年。按芯片归类，TPU占一半以上（4007亿到4257亿美元），NVIDIA GPU约三成（2513亿美元）。知乎
扎眼的是，NVIDIA本身不在八组供应方里，那三成GPU算力全是经SpaceX.AI、微软、Nscale、Lambda的机房租来的；反倒是AMD作为直接供应方在列。最舍得花钱的AI公司，要用英伟达的算力，得先从别人手里租。知乎
TPU十年没出过谷歌机房，这次出去了
10月底甲骨文宣布，从2027年起在OCI上架谷歌TPU，此前它的云客户只能选英伟达和AMD。TPU从2015年起只在谷歌自家数据中心跑过，外面的人想用只能把活搬进Google Cloud，这条线十年没破。知乎36氪
AWS的Trainium、微软的Maia都只做自用，谁都没对外批发。谷歌是唯一把芯片交出去的那家，甲骨文则成了唯一敢自称“芯片中立”的大云：客户嫌GPU贵，它可以报TPU。
CUDA那堵墙，正被开源拆
以前不换TPU的理由很实在：得迁到JAX，自定义算子要重写，报错信息跟CUDA那套对不上。英伟达真正的护城河从来不是芯片，是CUDA里十几年的代码和经验。知乎
10月20日PyTorch大会上，谷歌云和Meta的PyTorch团队把TorchTPU开源了：现有PyTorch代码和Hugging Face模型原生跑在TPU上，不必为换硬件重写一套代码。vLLM和SGLang也有了TPU后端。11月9日谷歌再补两款系统，8tx做机密推理，8i Max做超长上下文。知乎
一年凑齐四款，却只有两颗芯片：8tx用8t的硅片，8i Max把两颗8i焊进同一个封装。知乎
英伟达的反手也很硬
别急着唱衰。vLLM刚把DeepSeek-V4.1-Flash的服务栈从GB300搬到Vera Rubin NVL72，在每用户387 tokens/s这个点上，吞吐是自家GB300结果的58倍。知乎
但58倍不是换块卡就来的：Rubin每张GPU有两个内存域，MoE、attention、GEMM全部重写了一遍。硬件变了服务栈就得跟着改，这正是CUDA最粘人的地方。知乎
反例也有：彭博行业研究测算，TPU成本比英伟达GPU低约30%，但谷歌TPU业务的利润率并没有英伟达那么高。Jump Trading手里有数千颗TPU，主力训练却仍放在英伟达上。36氪
跟你有关系的部分
算力报价第一次能横着比架构，而不只比“英伟达哪张卡”：推理密集、上下文长的活，TPU和推理ASIC通常更划算；要频繁改算子、吃CUDA生态的训练，还是GPU的地盘。知乎
下一个窗口是11月17日，英伟达发2027财年三季度财报。上一季数据中心收入890亿美元、同比增117%，已占九成以上收入；这一季Vera Rubin预计再拿走其中约20%。东方财富网
护城河没塌，但墙脚已经被从外面挖了三锹。挖的人，都是它过去的客户。
