Google Cloud 聯手輝達：搭載 H100 的 A3 例項正式商用

很多人都以為 Google 靠自家的 TPU 就能搞定一切，但在大模型算力荒面前，誰都繞不開黃仁勳。

在 Google Cloud Next 大會上，NVIDIA 創始人黃仁勳直接出現在 Google Cloud 執行長 Thomas Kurian 的主題演講現場。雙方正式宣佈，搭載 NVIDIA H100 Tensor Core GPU 的 Google Cloud A3 虛擬機器例項全面上線。

不僅如此，NVIDIA 還拿下了 Google Cloud 的年度生成式 AI 合作伙伴獎項。這次聯手不僅關乎賣硬體，更把兩家的軟硬體生態死死綁在了一起。

連 DeepMind 都在用 H100

這次合作裡最耐人尋味的細節，是 Google 坦白了自家的算力配比。不僅外部客戶要買 H100，連 Google 旗下的 DeepMind 和其他內部研發部門，也在使用 NVIDIA H100 和 A100 進行基礎研究與推理。

技術層面上，兩家把基於 JAX 的機器學習框架 PaxML 全面打通。PaxML 是 Google 內部用來訓練超大模型的利器，現在正式支援 NVIDIA GPU 加速，並且已經上架到 NVIDIA NGC 容器庫。

在軟體工具鏈上，NVIDIA AI Enterprise 已經登陸 Google Cloud Marketplace，Vertex AI 開發環境也深度整合了 NVIDIA 的加速軟體。就連 Google 的大數據處理服務 Dataproc，也通過 RAPIDS 加速器來拉昇 Spark 資料清洗的效能。

目前已經有超過一千家生成式 AI 初創公司在 Google Cloud 上跑 NVIDIA 技術。做營銷文案生成的 Writer 藉助 NVIDIA NeMo 框架，把模型引數從幾億一舉推到 400 億；影片生成工具 Runway 也在用這套雲端算力幫創作者做影片渲染。

為什麼重要

我們認為，Google Cloud 擁抱 H100 的姿態，說明在當下的生成式 AI 算力軍備競賽裡，沒有任何一家雲廠商能承受缺少頂級輝達算力的代價。

對開發者和創業公司來說，這絕對是個利好。你現在不需要為了用 H100 而專門跑去微軟 Azure 或特定算力平臺，在習慣了 Google Cloud 和 Vertex AI 工具鏈的前提下，就能直接調動頂配的 H100 叢集。像 Writer 這樣從億級引數躍遷到 400 億引數的路徑，對中小團隊來說門檻大幅降低。

從行業格局來看，這一步看起來非常務實。Google 雖然有自己的 TPU 算力底牌，但在全行業都圍繞 CUDA 生態構建演算法的當下，強推自有硬體只會把潛在的 AI 客戶推向對手。把自家的 PaxML 和 Vertex AI 主動向輝達靠攏，既保住了雲業務的份額，也避免了生態孤立。

不過隱患同樣擺在眼前。把算力底座押注在輝達身上，意味著 Google Cloud 必須忍受 GPU 極其昂貴的採購成本與產能短缺。如果未來供應鏈吃緊，這種把外部 GPU 當作核心賣點的打法，利潤率和交付穩定性都要受制於人。