這陣子半導體供應鏈的耳語，比往年任何一屆 Hot Chips 都要騷動。富邦證券（Fubon Research）一份流向機構客戶的 channel check 報告被翻了出來——Google 計畫在 2028 年一口氣部署 1,200 萬到 1,500 萬顆第九代 TPU。數字一落地，連見慣大場面的晶圓代工老司機都倒抽一口涼氣：這不是「自研晶片」的例行公事，而是一場要正面硬剛 Nvidia 的產能軍備競賽。

觀察這條消息的關鍵，不在於 Google 又秀了多猛的晶片，而在於它的「量」與「供應鏈打法」徹底變了。從 2016 年第一代 TPU 的實驗性質，到 Ironwood 正式商轉，再到 TPU v9 大膽採用四顆運算晶片的 chiplet 設計、並把代工訂單同時撒向台積電與 Intel Foundry——Google 正在用最粗暴也最有效的方式回答一個問題：當 AI 從「訓練競賽」轉向「推理日常」，誰能最快把算力塞滿全世界？本文就從這份報告出發，拆解 Google 的晶圓棋局、Intel Foundry 為何突然變成關鍵變數，以及 2026 年之後整個 AI 硬體生態會被怎麼重新洗牌。

Google 為何押注 2028 年 1,500 萬顆自研 AI 加速器？TPU v9 背後的戰略算盤

把時間軸拉開，Google 的 TPU 家族早已不是菜鳥。2025 年 4 月於 Cloud Next 25 亮相、同年 11 月正式商轉的第七代 Ironwood，單顆晶片就能吐出 4,614 TFLOPS（FP8）的峰值運算，內建 192GB HBM3E 記憶體、頻寬達 7.37 TB/s，9,216 顆串起來就是 42.5 Exaflops——比全球最快的超級電腦還猛。但 Ironwood 再強，也只是「單位戰力」的勝利；真正的殺手鐧，是第九代 TPU 那種「鋪天蓋地」的部署規模。

為什麼 Google 需要 1,500 萬顆？三個字：推理時代。當 Gemini、Gemini Flash 這類模型從「偶爾叫一次」變成「每天被呼叫幾十億次」，訓練只佔算力需求的一小塊，真正吃掉電力與晶片的，是無止盡的 inference。Google 若繼續按顆向 Nvidia 買 GPU，等於把毛利率和供應節奏都交給別人；自研 TPU 不只省錢，還能跟自家 JAX／XLA 軟體棧深度綁定，讓每一顆晶片都榨出極致效率。說白了，這 1,500 萬顆不是「想要」，而是 Gemini 規模化之後的「必要之惡」。

TPU v9 四 die 設計＋Intel Foundry：Google 為何要打破台積電獨家供應？

供應鏈調查顯示，TPU v9 將採用 四顆運算晶片（compute chiplet）的異質整合架構，光是把四顆 die 黏在一起的先進封裝產能，需求量就可能是 2027 年的兩倍以上。問題來了：台積電的 CoWoS 產能早被 Nvidia、AMD 與各家自研晶片業者搶到排隊排到天邊，Google 若繼續單壓台積電，等於把 1,500 萬顆的宏圖綁在一條隨時會塞車的單行道上。

於是，Intel Foundry 這步棋浮上檯面。據《The Information》與多家外媒報導，Google 已向 Intel 下了一張 超過 300 萬顆 TPU 的 2028 年明確訂單，等於把近兩成產能外包給這家正在轉型的晶圓代工巨頭，採用的是備受矚目的 Intel 18A 製程。更有意思的是，Nvidia 自己也在 Intel 18A 上跑多專案晶圓試產，為下一代 Feynman 多 die GPU 探路——只是還沒像 Google 這樣直接「落單」。消息一出，Intel 股價單日噴漲約 12%，投資人終於看到這家老店除了自有產品線之外的第二條成長曲線。

1,500 萬 vs 1,240 萬顆：產能賽跑誰先撞線？

攤開兩邊的預估數字：Nvidia 2026 年資料中心 AI GPU 出貨約 820 萬顆，2028 年推升到約 1,240 萬顆；Google 的 TPU v9 則瞄準 1,200 萬～1,500 萬顆。若取中間值，兩者在 2028 年幾乎貼身肉搏，取上緣則 Google 直接超車——這正是富邦證券報告最聳動的結論：Google 自研加速器數量可能勝過 Nvidia 的銷售量。

但「出貨量」不等於「營收」，這點必須講清楚。Nvidia 至今仍握有 AI 加速器市場約 80～90% 的營收份額，靠的是高單價的 GB 系列超級晶片與牢不可破的 CUDA 生態。Google 的 1,500 萬顆主要是「自產自銷」，餵養自家的 Gemini 與 Google Cloud，不會直接衝擊 Nvidia 的客戶清單。真正的殺傷力在於：當全球最大的幾朵雲（Google、AWS、微軟、Meta）都開始把自研晶片當成標配，Nvidia 未來要賣的就不再是「唯一的選擇」，而是「最貴的選擇」。

2026 年後 AI 硬體產業鏈的三重連鎖效應

把視角從 2028 拉回 2026，這份「Google 1,500 萬顆」的野心，正在悄悄改寫三條產業鏈的底層邏輯：

效應一｜晶圓代工從「單極」走向「雙極」。台積電的先進製程與 CoWoS 封裝不再是唯一的頂配選項。Google 的 300 萬顆大單讓 Intel Foundry 拿到最關鍵的「信任狀」，18A 製程從紙上談兵變成真金白銀的產線。未來三年，AI 晶片的代工議價權不再由一家獨吞。

效應二｜算力需求規模被重新定義。黃仁勳在 GTC 上把資料中心資本支出達到 1 兆美元的時點從 2030 提前到 2028，並預估未來五年 AI 基礎設施投資落在 3～4 兆美元。Google 敢一次下單上千萬顆，正是因為它看見了這塊蛋糕的終局：算力不再稀有，稀有的是「把算力變便宜」的工程能力。

效應三｜雲端巨頭自研晶片全面軍備競賽。Google 有 TPU、AWS 有 Trainium、微軟有 Maia、Meta 有 MTIA——四大雲端玩家全部下海做晶片。這代表 AI 硬體的創新節奏將從「Nvidia 說了算」變成「百花齊放」，也代表企業端的算力成本結構會在 2026～2028 年間出現一次斷崖式下修。

關於 Google 自研 AI 晶片，你最想知道的 3 個問題

Q1：Google 的 TPU 和 Nvidia 的 GPU 到底差在哪？我該選哪個？

TPU 是 Google 針對自家深度學習框架（JAX、TensorFlow）特化的 ASIC，優點是推理性價比高、能耗漂亮；GPU 則是通用性最強，CUDA 生態成熟，任何框架都能跑。若你的模型重度依賴 PyTorch 且要快速迭代，GPU 仍是保險牌；若你是長期、大批量的推理場景，TPU 型雲端實例的 TCO 優勢會隨規模放大。2026 年起，Google Cloud 的 Ironwood 實例已把這條線劃得很清楚。

Q2：Intel Foundry 真的有辦法吃下 Google 的大單嗎？

目前消息是 Google 已向 Intel 下達 2028 年超過 300 萬顆 TPU 的明確訂單，採用 Intel 18A 製程。18A 被視為 Intel 重返製程領先集團的關鍵節點，且 Intel 同時也在驗證先進封裝能力；Nvidia 甚至也在 18A 上跑多專案晶圓試產。不過量產良率與時程仍是最大變數，這筆訂單能否全數落地，得看 2026～2027 年的 tape-out 進度與封裝良率表現。

Q3：Google 2028 年真的能超越 Nvidia 嗎？分析師依據是什麼？

依據來自富邦證券的 channel check 供應鏈訪查：Google 計畫部署 1,200 萬～1,500 萬顆第九代 TPU，而 Nvidia 2028 年資料中心 GPU 出貨量預估約 1,240 萬顆，兩者交叉點就落在 2028 年。但要注意，這比的是「出貨量／部署量」而非營收——Nvidia 的營收與生態優勢短期內仍難以撼動。超越與否，取決於 TPU v9 多晶粒架構的量產良率與 Gemini 的實際算力胃口。

算力軍備競賽才剛鳴槍：你的下一步

Google 的 1,500 萬顆 TPU 野心，與其說是預言，不如說是一份「AI 硬體民主化」的宣言。當自研晶片從頂級玩家的祕密武器變成標配，2026 年的雲端算力市場將迎來前所未有的價格戰與技術分流。無論你是正在評估 AI 基礎設施的技術決策者，還是想抓住這波供應鏈洗牌機會的投資人，現在就是重新審視算力策略的最佳時點。

權威參考資料（真實連結）

• Tom’s Hardware：Google could build more AI accelerators than Nvidia sells in 2028
• TechSpot：Google plans to produce up to 15 million AI chips by 2028
• Google 官方部落格：Ironwood – The first Google TPU for the age of inference
• Google Cloud：Ironwood TPUs and new Axion-based VMs
• Data Center Frontier：NVIDIA Forecasts $3–$4 Trillion AI Market
• Wikipedia：Tensor Processing Unit
• Wikipedia：Intel 18A 製程節點