TPU是谷歌為人工智慧運算設計的專用加速晶片,全名「Tensor Processing Unit」。不同於採通用架構、支援多種應用的輝達GPU,TPU針對矩陣運算優化,與谷歌自家框架與編譯器深度整合,主要鎖定大型模型訓練與雲端推論。自2015年在內部資料中心部署以來,TPU雖已對外開放租用,但近兩年才把新一代產品納入較大規模的商業合作,意味AI加速器市場正從「一家公司說了算」,走向多方競逐的新格局。
最新一代TPU更積極推向市場。過去兩年全球AI算力幾乎由輝達主導,H100、A100已成為雲端資料中心標配。此次谷歌不再只把TPU當作自家雲端的差異化功能,而是擴大對外提供與合作應用,宣示雲端巨頭將以自研晶片搭配GPU,打造多元算力組合。此一轉變短期不會撼動輝達地位,卻象徵AI硬體市場正由單一勢力走向多極競爭。
必須看到的是,谷歌強化TPU布局,並非要「幹掉輝達」,而是回應雲端市場的成本與風險壓力。大型科技公司在AI訓練上高度依賴輝達,高階GPU供應吃緊、價格偏高已成常態,當算力成本攀升到影響服務定價與獲利時,雲端服務商勢必尋求替代或互補方案,以提升議價能力與供應穩定性。
從這個角度看,TPU不只是技術產品,更是策略工具:谷歌透過自研晶片掌握部分算力主權,同時降低對單一供應商依賴,改變的是雲端巨頭與輝達之間的談判布局。
另一方面,也不宜過度渲染「輝達將被取代」。AI生態競爭關鍵,不僅在晶片本身,更在軟體與開發工具。輝達十多年累積的CUDA與軟體堆疊,已形成強大慣性;在企業與私有雲環境,GPU仍是最實用選項。TPU則在標準化、超大規模訓練與雲端推論等特定場景具優勢。兩者關係較像工作負載分流:輝達主導廣泛應用市場,TPU在少數場景快速擴張;中期來看,主流市占更可能由數個平台共享,而非單一霸主被翻盤。
對台灣而言,更重要的是競爭背後釋放的產業機會。台灣因輝達伺服器需求爆發而成為全球供應鏈核心,從晶圓製造到整機組裝全面受惠。如今TPU加入戰局,意義並非「分食訂單」,而是把台灣角色從「輝達單線供應鏈」推向「多平台算力樞紐」。在算力生態走向多元的情況下,高階製造與先進封裝仍將高度集中於少數地區,台灣若同時承接輝達與谷歌的量產需求,CoWoS等先進封裝吃緊情況,很可能不會快速緩解,相關產業鏈榮景也有機會延長。
更值得關注的是價值鏈位置的升級。谷歌近年在台擴編AI硬體工程與研發團隊,將TPU系統設計、主機板驗證與整機測試等流程布局在台,讓本土業者有機會參與全球AI硬體架構共同設計,而不再只是「畫好圖、照單生產」的代工角色。市場亦傳出TPU部分設計與台灣團隊合作,未來客製化AI加速器有望成為各大雲端與平台業者標配,台灣若能在ASIC設計服務與關鍵IP上同步提升,就有機會由「生產基地」躍升為雲端基礎建設的關鍵設計夥伴。
面對新局,台灣更須主動降低單一依賴風險。AI硬體競爭走向多極化已成趨勢,未來不論大型雲端業者或專注特定領域的AI公司,都可能導入或強化自研晶片策略。政府與產業應把自身定位為「多平台算力樞紐」,強化人才與供應鏈能量,把國際雲端業者在台的硬體與研發基地視為戰略資產,透過學研合作與在地供應鏈深化,擴大參與全球AI系統核心設計與標準制定。
AI算力競爭的本質,並非單純晶片效能比拚,而是誰能掌握生態、供應鏈與成本結構。輝達的主導地位在可見未來仍將穩固,但谷歌TPU與各種自研加速器的崛起,象徵壟斷式成長年代已過。對台灣而言,關鍵在於能否把握多平台浪潮,讓自己從單一供應商的後段工廠,轉變為全球AI算力的戰略節點。