Ironwood单Pod集群9216颗芯片、总算力42.5 ExaFlops：拆解谷歌Gemini算力背后的底层护城河
2025年4月9日，谷歌在Google Cloud Next '25大会正式发布第七代TPU——Ironwood。谷歌副总裁兼AI基础设施总经理Amin Vahdat在发布会上表示，Ironwood是"专为推理时代而生"的算力引擎，单集群可扩展至9216颗芯片，总算力达到42.5 ExaFlops。
这个数字是什么概念？作为参照，全球公开服役速度最快的超算El Capitan，单集群算力为1.7 ExaFlops。Ironwood的算力规模达到它的24倍以上。谷歌不只是在造芯片，而是在构筑一片算力大陆。
9216颗芯片：从"算力孤岛"走向"算力大陆"
Ironwood提供两种集群规模配置：256颗芯片规格面向普通客户，9216颗芯片规格才是谷歌真正的王牌。
把9216颗芯片联结成统一算力体系，绝非简单堆叠硬件。谷歌部署了光电路交换（OCS）技术，将数千颗TPU通过光路直接连接，相当于把成千上万座"芯片孤岛"拼接成一片算力大陆。
单颗Ironwood芯片峰值算力为4614 TFLOPS（FP8精度），9216颗芯片总算力合计42.5 ExaFlops。整套系统配备1.77PB共享HBM高带宽内存，创下共享内存型超算的容量新高。
💡 作为参照，英伟达当前旗舰GB300 NVL72整套系统算力为0.36 ExaFlops。一套Ironwood集群的算力，约等于118套GB300 NVL72系统之和。
三层网络：把9216颗芯片融合为一台整机
能够堆砌大量芯片，不代表芯片之间可以高效协同。谷歌真正的护城河不在于芯片本身，而是这套将海量芯片绑定为一台整机的三层互联网络。
第一层：芯片间互联链路（ICI）
单芯片ICI带宽达到1.2 TB/s，为前代Trillium的1.5倍；系统级互联总带宽高达9.6 Tb/s。
第二层：3D环面拓扑（3D Torus）
Ironwood采用3D环面网络拓扑，任意两颗芯片之间都可以沿最短路径通信，消除"跨节点通信"带来的额外开销。
第三层：光电路交换（OCS）
OCS是整套系统的"交通枢纽"。传统电交换在数千颗芯片规模下极易形成瓶颈，而光交换能够让数据以光速在芯片之间传输，这也是谷歌TPU集群区别于GPU数据中心的标志性技术。
三层网络协同带来的效果是：9216颗芯片在逻辑上融为一体，构成一台巨型超算。每一颗芯片都能以极低时延访问其他芯片的算力与内存。
单芯片解析：4614 TFLOPS背后的设计思路
单颗Ironwood芯片采用双裸片封装架构，通过多芯片封装（MCM）提升良率、优化成本。核心参数如下：
192GB HBM3e内存，容量是Trillium的6倍；
7.3–7.4 TB/s 内存带宽；
单芯片最大功耗980W，全系统采用液冷散热；
谷歌首款原生支持FP8精度的TPU，矩阵运算单元（MXU）使用FP8处理权重、激活值与梯度，理论吞吐量相比BF16实现翻倍；
集成第四代SparseCore稀疏加速器，专门处理推荐系统中的嵌入检索与汇聚运算；
搭载片上信任根、内置自检、静默数据损坏缓解等全套RAS（可靠性、可用性、可维护性）特性。
更有意思的一点：Ironwood在自身设计流程中就运用AI优化算术逻辑单元（ALU）电路与芯片布局。AI设计AI芯片，形成正向增强循环。
42.5 ExaFlops：算力数字背后的事实与口径
42.5 ExaFlops这一指标本身存在客观口径差异，需要理性看待。
El Capitan的1.7 ExaFlops采用FP64双精度测算，而Ironwood的42.5 ExaFlops基于FP8精度。FP8与FP64不具备直接可比性：FP64是科学计算标准精度，FP8是面向AI推理的专用精度。如果统一换算口径，两者的排位会有明显变化。
但问题核心不在于"谁绝对更强"，而在于Gemini这类模型需要何种精度。Gemini 2.5的推理任务不需要FP64双精度，它追求的是FP8带来的高吞吐量与低延迟。Ironwood的42.5 ExaFlops是面向AI推理的有效算力，而非通用科学计算算力；对于训练、运行Gemini模型而言，该数值代表可实际调用的算力规模。
正如Amin Vahdat所言："我们已经迈入推理时代。竞争不再只是模型参数规模，而是训练完成之后，模型依靠数据能够完成什么任务。Ironwood正是谷歌为这个时代打造的算力引擎。"
算力护城河：十年磨一剑
谷歌布局AI芯片已超过十年。从2015年第一代TPU到Ironwood，性能提升3600倍。过去八年，AI算力需求同比增长十倍，累计需求增幅最高可达上亿倍。
谷歌计划到2026年实现TPU年产量突破300万颗。Anthropic等AI实验室已经拿到超过100万颗TPU以及1吉瓦专属算力资源的分配。
当OpenAI、Anthropic等AI实验室在模型架构上激烈角逐时，谷歌手握一项竞争对手难以复制的底牌：搭载9216颗芯片、总算力42.5 ExaFlops的Ironwood集群。这不是依靠融资就能采购获得的资源，是耗时十余年持续投入构筑的护城河。
企业级AI接入：当"算力革命"遇见"成本现实"
谷歌用Ironwood证明了"推理时代需要专用算力"的硬件方向。但底层算力的革新，要真正转化为千行百业的生产力，还需要一道关键桥梁——稳定、低成本、跨模型的企业级接入服务。
对于企业开发者而言，要将Gemini以及Claude、ChatGPT、DeepSeek等全球最新主流模型的能力稳定嵌入自身业务系统，面临着三重共性挑战：
模型矩阵复杂：企业往往需同时调用多家厂商的不同模型，每家原厂API规范各异，技术栈对接成本高；
成本压力陡增：高性能模型在高强度推理场景下Token消耗巨大，官方价格昂贵；
合规与可用性要求严苛：企业级场景对数据合规、服务可用性、审计追溯有严格要求，单一厂商服务难以覆盖全场景。
在这一背景下，具备源头供应能力的企业级API服务平台价值凸显。UseAIAPI作为SVIP企业级API服务平台，为企业提供了破解上述困境的系统方案：
🌐 120+全生态大模型统一接入
平台覆盖对话、推理、多模态、智能体调度等全场景，ChatGPT、Gemini、Claude、DeepSeek等全球120余款前沿大模型均可即接即用。开发者使用一个API Key即可调度全品类AI能力，无需分别对接多家原厂，技术栈大幅简化——这意味着企业无需锁定单一供应商，可在统一接口下灵活调度全球最强模型矩阵，为"智能体工作流"提供最优的模型组合。
🏢 企业级定制化服务保障
依托全球边缘节点加速，平台提供45ms骨干网络超低延迟、99.9%极致可用性保障；支持可视化财务看板、按项目与模型溯源消耗、对公结算，能够融入核心系统并通过财务审计，适配集团化架构，满足关键业务的严苛可用性要求。
💰 极具竞争力的成本优化
依托全球算力集采优势，UseAIAPI推出长期专属企业权益，优惠折扣最低可达官方定价的50%。以Gemini系列模型为例，通过UseAIAPI接入可大幅降低单位Token成本；配合智能语义缓存等降本机制，能够显著缓解高强度智能体执行场景下的算力消耗压力。这意味着同样的预算下，企业可支撑的推理调用量最高可扩展至原先的两倍，让AI原生应用的规模化部署不再受困于算力账单。
🔧 全流程技术护航
从技术对接、合规部署到运维保障，平台提供企业级定制化服务，让不同规模的企业与开发者都能实现"无忧接入、顺畅使用"。
写在最后：护城河的另一面
从第一代TPU到Ironwood，谷歌用十年时间证明了一件事：在智能体时代，算力即护城河。42.5 ExaFlops不是终点，而是推理时代的新起点。随着Gemini系列模型持续迭代，这套算力底座将继续支撑谷歌在AI产业中的核心地位。
但对于千行百业的企业而言，底层算力的革新红利，需要借助UseAIAPI这类企业级服务平台，才能真正转化为可负担、可稳定、可规模化的AI生产力。毕竟，在AI能力民主化的时代，企业不该被挡在"企业级"的门槛之外；而真正的企业级AI接入，应当是"模型自由+成本可控+服务可靠"的三重兼得。
谷歌用Ironwood证明了"推理专用算力"的硬件方向，而UseAIAPI正在证明：统一接入与成本优化，是企业将这场算力革命转化为业务竞争力的必由之路。当42.5 ExaFlops的算力洪流经由稳定、低成本的API通道流向万千企业时，AI时代的真正红利才开始惠及每一个参与者。