根据搜索结果，我可以明确回答你关于Google Gemini 3 Pro大模型训练和推理芯片使用情况的问题：

### 关于训练阶段

是的，**Gemini 3 Pro确实是完全使用Google自己研发的TPU训练出来的，没有使用NVIDIA的GPU**。多个可靠来源都证实了这一点：

- 腾讯网报道明确指出："这次的Gemini 3 Pro是完全使用谷歌自己的TPU来训练的，并没有使用英伟达的GPU，这对NV来说，肯定不是一件好事。"

- 今日头条的文章引用了Google Cloud官方博客的声明："We used Trillium TPUs to train the new Gemini 2.0"（谷歌使用Trillium TPU训练了最新的Gemini 2.0），而Gemini 3延续了这一技术路线。

- 新浪财经也确认："Gemini 3全程使用谷歌自研TPU（而非英伟达GPU）"。

- 网易的文章更是直接说明："Gemini 3是完全在谷歌自研的最新一代TPU集群上训练出来的。"

具体来说，Gemini 3使用的是谷歌的**第六代Trillium系列TPU**，这些TPU组成了由数万张芯片组成的超大集群，通过谷歌自研的光互连技术(OCI)连接，形成了一台"AI超级计算机"。

### 关于TPU的最新进展

谷歌最近还发布了**第七代TPU Ironwood**（也称为"铁木"），这是谷歌迄今为止性能最强、能效最高的TPU：

- 与TPU v5p相比，Ironwood的峰值性能提升至10倍

- 与TPU v6e相比，单芯片在训练和推理工作负载下的性能均提升至4倍以上

- 专为大规模驱动推理型人工智能模型而设计

- 可在单个集群中连接多达9216颗芯片

### 关于推理场景

在推理场景，情况稍微复杂一些：

1. **Google主要使用TPU进行推理**：谷歌正大力推广TPU用于推理服务，因为"TPU v6的推理成本，不到英伟达GB200的一半"。Ironwood TPU特别强调了"专为推理时代量身打造"，"这款定制芯片专为高吞吐量、低延迟的AI推理和模型服务而打造"。

2. **但Google Cloud仍在提供NVIDIA GPU服务**：值得注意的是，"谷歌云仍在向客户出租搭载英伟达芯片的服务器，并且该业务收入仍远高于TPU相关收入"。这表明Google并没有完全放弃NVIDIA GPU，特别是在面向客户的服务方面。

3. **Google的战略转变**：Google正积极推动"TPU@Premises计划"，向Meta等公司推介在其自有数据中心部署TPU的方案。据报道，"Meta正在与谷歌探讨使用TPU训练新AI模型，计划在2027年斥资数十亿美元在其数据中心使用TPU"。

### 总结

- **训练阶段**：Gemini 3 Pro完全使用Google自研TPU训练，没有使用NVIDIA GPU

- **推理阶段**：Google主要使用TPU进行自家服务的推理，但Google Cloud平台仍同时提供NVIDIA GPU服务

- **战略意义**：这标志着AI行业的一个重要转折点——证明了顶级大模型可以不依赖NVIDIA的"GPU+CUDA"生态，而是通过自研芯片和全栈优化实现。正如业内人士所说，"人们开始发现，不用英伟达的芯片，不需要等OpenAI的新模型带领，只用TPU也能训练出最顶级的AI模型。"

这确实是对NVIDIA垄断地位的一次重大挑战，也是Google"十年磨一剑"在AI芯片领域的重要成果。