Google Cloud 联手英伟达：搭载 H100 的 A3 实例正式商用

很多人都以为 Google 靠自家的 TPU 就能搞定一切，但在大模型算力荒面前，谁都绕不开黄仁勋。

在 Google Cloud Next 大会上，NVIDIA 创始人黄仁勋直接出现在 Google Cloud 首席执行官 Thomas Kurian 的主题演讲现场。双方正式宣布，搭载 NVIDIA H100 Tensor Core GPU 的 Google Cloud A3 虚拟机实例全面上线。

不仅如此，NVIDIA 还拿下了 Google Cloud 的年度生成式 AI 合作伙伴奖项。这次联手不仅关乎卖硬件，更把两家的软硬件生态死死绑在了一起。

连 DeepMind 都在用 H100

这次合作里最耐人寻味的细节，是 Google 坦白了自家的算力配比。不仅外部客户要买 H100，连 Google 旗下的 DeepMind 和其他内部研发部门，也在使用 NVIDIA H100 和 A100 进行基础研究与推理。

技术层面上，两家把基于 JAX 的机器学习框架 PaxML 全面打通。PaxML 是 Google 内部用来训练超大模型的利器，现在正式支持 NVIDIA GPU 加速，并且已经上架到 NVIDIA NGC 容器库。

在软件工具链上，NVIDIA AI Enterprise 已经登陆 Google Cloud Marketplace，Vertex AI 开发环境也深度整合了 NVIDIA 的加速软件。就连 Google 的大数据处理服务 Dataproc，也通过 RAPIDS 加速器来拉升 Spark 数据清洗的性能。

目前已经有超过一千家生成式 AI 初创公司在 Google Cloud 上跑 NVIDIA 技术。做营销文案生成的 Writer 借助 NVIDIA NeMo 框架，把模型参数从几亿一举推到 400 亿；视频生成工具 Runway 也在用这套云端算力帮创作者做视频渲染。

为什么重要

我们认为，Google Cloud 拥抱 H100 的姿态，说明在当下的生成式 AI 算力军备竞赛里，没有任何一家云厂商能承受缺少顶级英伟达算力的代价。

对开发者和创业公司来说，这绝对是个利好。你现在不需要为了用 H100 而专门跑去微软 Azure 或特定算力平台，在习惯了 Google Cloud 和 Vertex AI 工具链的前提下，就能直接调动顶配的 H100 集群。像 Writer 这样从亿级参数跃迁到 400 亿参数的路径，对中小团队来说门槛大幅降低。

从行业格局来看，这一步看起来非常务实。Google 虽然有自己的 TPU 算力底牌，但在全行业都围绕 CUDA 生态构建算法的当下，强推自有硬件只会把潜在的 AI 客户推向对手。把自家的 PaxML 和 Vertex AI 主动向英伟达靠拢，既保住了云业务的份额，也避免了生态孤立。

不过隐患同样摆在眼前。把算力底座押注在英伟达身上，意味着 Google Cloud 必须忍受 GPU 极其昂贵的采购成本与产能短缺。如果未来供应链吃紧，这种把外部 GPU 当作核心卖点的打法，利润率和交付稳定性都要受制于人。