快速結論
Google TPU 短期內不會取代 Nvidia。 2025 年 11 月，Meta 與 Google 洽談採購 TPU 的消息引發市場震盪，Nvidia 股價一度下跌 4%、AMD 跌幅超過 6%。但深入分析後，三個關鍵因素說明這是市場過度反應。
什麼是 Google TPU？
TPU（Tensor Processing Unit，張量處理器） 是 Google 自主研發的 AI 專用晶片，專為深度學習的矩陣運算而設計。
與 Nvidia GPU 不同，TPU 是高度特化的處理器。GPU 像是「瑞士軍刀」，能處理各種運算任務；TPU 則像「手術刀」，專注於特定 AI 工作負載，追求極致效率。這種差異在 ASIC vs GPU 的比較中有更詳細的說明。
Google TPU Ironwood（第七代）規格
Google 於 2025 年 4 月發表第七代 TPU「Ironwood」，主要規格如下：
| 規格項目 | Ironwood (TPU v7) | 對比 Nvidia Blackwell |
| 運算效能 | 4,614 TFLOPs (FP8) | 4,500 TFLOPs (FP8) |
| HBM 記憶體 | 192 GB | 192 GB |
| 記憶體頻寬 | 7.4 TB/s | 8 TB/s |
| 單一 Pod 最大晶片數 | 9,216 顆 | – |
| 能源效率 | 比前代提升 2 倍 | – |
Ironwood 的效能比前一代 Trillium 提升超過 4 倍，比 2022 年的 TPU v4 提升 16 倍以上。
Meta 與 Google TPU 的傳聞是什麼？
2025 年 11 月 24 日，The Information 報導：
- Meta 正在與 Google 洽談，計劃於 2027 年在自家資料中心部署 Google TPU
- Meta 可能在 2026 年先透過 Google Cloud 租用 TPU 算力
- 交易金額可能達數十億美元
- Google Cloud 內部高層認為，這項策略可能幫助 Google 獲取 Nvidia 年營收的 10%
這則消息導致 Nvidia 股價下跌約 4%，AMD 跌幅超過 6%，而 Google 母公司 Alphabet 股價則上漲超過 4%。
為什麼 Google TPU 短期內不會取代 Nvidia？
理由一：競爭對手之間難以建立供應鏈信任
核心問題：Google 與 Meta 是直接競爭對手。
Google 擁有 Gemini，Meta 擁有 Llama。兩家公司都在爭奪 AI 霸主地位。
如果你是 Meta 執行長祖克柏，你敢把最核心的 AI 模型訓練完全交給競爭對手嗎？這等於把發展命脈交到對方手上。
反過來看，如果 Google 全力支援 Meta，結果 Meta 訓練出比 Gemini 更強的模型，這就是標準的「養虎為患」。
Nvidia 和 AMD 的角色不同。 它們像「軍火商」，只負責提供武器，不參與客戶之間的戰爭。Google 不只賣武器，更是擂台上準備搶冠軍的選手。
這種競爭關係限制了 Google TPU 全面取代 Nvidia GPU 的可能性。
理由二：AI 晶片市場不是零和遊戲
市場正在快速膨脹，足以容納多個贏家。
常見的誤解是：Meta 向 Google 採購，就會停止向 Nvidia 採購。但現實是，這塊餅正在以驚人速度擴大。
Meta 的資本支出持續暴增
- 2024 年初預估：約 600 億美元
- 第三季上修至：700-720 億美元
- 2025 年計劃投資：高達 720 億美元用於 AI 基礎設施
超過 100 億美元的增幅說明：Meta 的算力需求大到單一供應商難以滿足。同時向 Google 和 Nvidia 採購，是確保供應鏈安全的必要之舉。
GPU 與 TPU 扮演不同角色
| 類型 | 特性 | 適用場景 |
| Nvidia GPU | 通用型、高彈性 | 各種 AI 任務、模型開發、研究 |
| Google TPU | 特化型、高效率 | 大規模推論、特定工作負載 |
想深入了解兩者的技術差異，可以參考我們的 ASIC vs GPU 完整比較。
頂尖科技公司需要的是多元化的工具箱，而非單一解決方案。
股價數據佐證
2024 年至今的股價表現：
- Nvidia：上漲 132%
- AMD：上漲 70%
- Broadcom：上漲 66%
儘管客製化晶片（ASIC）訂單屢創新高，Nvidia 和 AMD 的業績仍持續成長。市場足夠大，足以容納多個贏家。
理由三：「Nvidia 威脅論」是重複上演的劇本
市場對這類消息總是反應過度，但每次 Nvidia 都安然度過。
2025 年的「Nvidia 危機」回顧
| 時間 | 事件 | 結果 |
| 年初 | DeepSeek 宣稱用便宜晶片訓練出媲美 ChatGPT 的模型 | Nvidia 股價短暫下跌後回升 |
| 年中 | 美中貿易戰升級，Nvidia 面臨 55 億美元潛在損失 | 股價承壓後反彈 |
| 近期 | Broadcom 客製化晶片業務強勁 | 「Nvidia 被取代」傳聞再起 |
| 11 月 | Meta 洽談採購 Google TPU | 股價下跌 4% |
每次恐慌過後，Nvidia 的地位不僅沒有動搖，市值還成功突破 3.6 兆美元。
Nvidia 如何回應？
2025 年 11 月 25 日，Nvidia 發表聲明：
「我們為 Google 的成功感到高興——他們在 AI 方面取得了重大進展，我們繼續向 Google 供貨。NVIDIA 領先業界一個世代——它是唯一能運行所有 AI 模型並在任何運算環境中運作的平台。」
Nvidia 執行長黃仁勳在財報電話會議中也強調，Google 仍是 Nvidia 的客戶，Gemini 模型也能在 Nvidia 技術上運行。黃仁勳在今年 Computex 演講中也多次提到 AI 算力需求的爆發性成長。
其他公司怎麼選擇？Anthropic 的案例
並非所有 AI 公司都在遠離 Google TPU。
2025 年 10 月，Anthropic 宣布與 Google Cloud 達成重大擴展協議：
- 將使用多達 100 萬顆 TPU 訓練和部署 Claude 模型
- 交易價值達數百億美元
- 2026 年將獲得超過 1 GW 的運算容量
Anthropic 財務長 Krishna Rao 表示，選擇 TPU 是因為「性價比和效率」。
值得注意的是，Anthropic 採用多元化策略，同時使用 Google TPU、Amazon Trainium 和 Nvidia GPU 三種晶片平台。這印證了「多元採購」而非「供應商替換」的趨勢。
想了解更多關於 AI 模型的比較，可以參考我們的 Claude 3.7 Sonnet vs ChatGPT 4.5 比較。
Google TPU vs Nvidia GPU：技術比較
效能與成本
| 比較項目 | Google TPU | Nvidia GPU |
| 每美元效能 | 特定應用可達 1.4 倍優勢 | 通用任務表現穩定 |
| 能源效率 | TPU v6 比 GPU 高 60-65% | 功耗較高但效能強大 |
| 推論速度 | 針對特定模型優化 | 彈性高、適用範圍廣 |
生態系統與可用性
| 比較項目 | Google TPU | Nvidia GPU |
| 平台可用性 | 僅限 Google Cloud | AWS、Azure、GCP 等全平台 |
| 開發框架 | TensorFlow、JAX | PyTorch、TensorFlow、全框架 |
| 軟體生態 | XLA 編譯器 | CUDA（業界標準） |
對於需要高效管理 GPU 資源的企業，可以參考我們的 GPU 有效管理指南。
結論： GPU 在彈性、生態系統和通用性上勝出；TPU 在規模經濟、能源效率和特定工作負載上占優勢。
長期趨勢：真正的威脅是什麼？
這次事件揭示了一個重要趨勢：
Nvidia 最大的競爭對手不是其他晶片公司，而是它最大的客戶。
Google、Meta、Amazon、Microsoft 等科技巨頭都在積極投入自研晶片：
| 公司 | 自研晶片 | 狀態 |
| TPU（已到第七代） | 商業化運營中 | |
| Amazon | Trainium、Inferentia | 已部署於 AWS |
| Meta | MTIA | 持續開發中 |
| Microsoft | Maia | 2024 年發表 |
這些科技巨頭擁有龐大的算力需求和充足的研發資源。長期而言，自研晶片可能逐步侵蝕 Nvidia 的市場份額。這也是為什麼了解雲端與本地部署的差異對企業 AI 策略至關重要。
但這是漸進式的變化，不是一夜之間的顛覆。
AI 資料中心與能源需求
Google TPU 和 Nvidia GPU 的大規模部署都需要龐大的 AI 資料中心支援。
Anthropic 的 100 萬顆 TPU 協議將帶來超過 1 GW 的運算容量——這相當於一座大型核電廠的輸出。AI 能源需求已成為產業發展的關鍵議題。
根據 MIT AI 報告，AI 基礎設施的能源消耗將在未來幾年持續攀升，這也是各大科技公司積極投入更高效能晶片研發的原因之一。
總結：投資人該如何看待？
短期觀點
- Google TPU 不會在 2025-2026 年「一鍋端掉」Nvidia
- 市場恐慌很可能是過度反應
- AMD 面臨的風險可能比 Nvidia 更高，因為它處於「第二名」的尷尬位置
長期觀點
- 科技巨頭自研晶片是不可逆的趨勢
- AI 晶片市場將走向多元化，而非單一壟斷
- Nvidia 需要持續創新以維持技術領先
關鍵數據追蹤
| 指標 | 意義 |
| Meta 2027 年 TPU 部署進度 | 觀察科技巨頭自研晶片採用速度 |
| Nvidia 資料中心營收成長率 | 衡量市場份額變化 |
| Google Cloud 市佔率 | TPU 商業化成效指標 |
常見問題 FAQ
Google TPU 是什麼？
TPU（Tensor Processing Unit）是 Google 自主研發的 AI 專用晶片，專為機器學習的矩陣運算設計。目前已發展到第七代 Ironwood，每顆晶片擁有 192GB HBM 記憶體和 4,614 TFLOPs 運算能力。它與傳統 GPU 的差異可參考 ASIC vs GPU 比較。
Meta 真的要放棄 Nvidia 改用 Google TPU 嗎？
不是完全放棄。根據報導，Meta 計劃在 2027 年開始在資料中心部署 Google TPU，但這是「多元採購」策略，而非完全替換 Nvidia。Meta 2025 年的資本支出高達 720 億美元，需求大到單一供應商難以滿足。
Google TPU 和 Nvidia GPU 哪個比較好？
取決於使用場景。TPU 在特定 AI 工作負載上更具成本效益和能源效率；GPU 則更通用、彈性更高，且擁有更成熟的軟體生態系統（CUDA）。大多數企業會同時使用兩者，就像 MLOps 最佳實踐中建議的多元化基礎設施策略。
Nvidia 的霸主地位會被動搖嗎？
短期內不會。Nvidia 在 AI 晶片市場仍占據主導地位，擁有最完整的軟體生態系統和最廣泛的平台支援。但長期而言，科技巨頭自研晶片的趨勢值得關注。可以持續追蹤 Nvidia H20 等新產品的市場表現。
為什麼 Anthropic 選擇使用 100 萬顆 Google TPU？
Anthropic 表示選擇 TPU 是因為「性價比和效率」，以及過去幾年使用 TPU 訓練模型的經驗。但 Anthropic 同時也使用 Amazon Trainium 和 Nvidia GPU，採取多元化晶片策略。
這對台灣供應鏈有什麼影響？
Google TPU 的擴張對台灣供應鏈是利多。根據報導，TSMC 旗下的創意電子（GUC）與 Google 合作 N3 和 N5 製程節點的設計服務，TPU v7 出貨量持續攀升。PCB、散熱模組、測試設備等相關供應商都將受惠。
延伸閱讀
- ASIC vs GPU：AI 晶片技術完整比較
- 什麼是 AI 資料中心？
- Nvidia Blackwell vs AMD MI300X 效能比較
- 如何有效管理 GPU 資源
- 雲端 vs 本地部署：企業該如何選擇？
- 2025 年 AI 能源需求分析
- 美中 AI 政策對產業的影響
本文最後更新：2025 年 11 月