Google TPU 協議象徵 AI 芯片權力重組：3 大變化

Google TPU 協議是這篇文章討論的核心

Meta 與 Google TPU 協議引發 AI 芯片權力重組：科技巨頭如何在 2026 年重新定義算力遊戲規則？

Meta 與 Google 的 TPU 協議象徵著 AI 基礎設施权力的轉移

💡 核心結論

Meta 與 Google 的 TPU 交易不僅是簡單的晶片採購，而是 AI 時代基礎設施權力的重新分配。Google 正透過 TPU 從「雲端服務商」轉型為「硬體供應商」，直接挑戰 NVIDIA 的霸主地位。

這筆交易可能使 Google TPU 成為 NVIDIA GPU 之外的最大單一代工订单
Meta 透過多元供應鏈策略，降低對 NVIDIA 的依賴，強化自身 AI 模型訓練自主權
台積電將成為最大受益者，CoWoS 封裝需求將持續吃緊至 2027 年
ASIC 市場將在 2027 年迎來 explosive growth，Global AI Server Compute ASIC 出貨量預估將從 2024 年翻三倍

算力戰爭進入新紀元：我們觀察到什麼？

根據 The Information 獨家報導並經 Reuters 與 Yahoo Finance 證實，Meta Platforms 與 Alphabet（Google）正在洽谈一項價值數十億美元的 AI 芯片合作协议。這不是普通的企业采购，而是 AI 基礎設施领域的一次深度捆绑。

從表面上看，Meta 將租賃 Google 自研的 TPU（Tensor Processing Unit）用於大模型訓練，並可能購買這些芯片部署在自己的數據中心。但實際上，這反映了當前科技巨頭面對 NVIDIA H100/H200 供不應求的困局時，正在ifactoring 的供应链重构蓝图。

根據 NVIDIA 官方財報，2025 年 Q1 收入 441 億美元，Q2 收入 467 億美元，年增率分別為 69% 和 56%。然而與此同時， Jensen Huang 在CES 2026 坦言 H200 在中國市場的需求依然強勁，全球供應鏈仍面臨長達 1.5 年的短缺期（TSMC 預測）。

Google TPU 能做到什麼讓 NVIDIA 緊張的事？

Google 的 TPU 歷史可追溯至 2016 年，但真正讓市場正視的是 2024 年 12 月發布的 Trillium TPU（第六代）。根據 Google Cloud 官方部落格，Trillium TPU 已正式商用（GA），並用於訓練 Gemini 2.0 —— Google 最強大的 AI 模型。

從技術規格來看，Trillium TPU v6 在 AI 訓練、微調和推理方面都有顯著提升。更有業內分析（SemiAnalysis）指出，Google 即將推出的 TPU v7（Ironwood）可能成為 CUDA 生態的潛在威脅。這對於長期以 CUDA 軟體護城河為主導的 NVIDIA 而言，無疑是敲響了警鐘。

Expert Insight：TPU 的優勢不僅在於 ASIC 硬體的定制能力，更在於它原本就是為 Google 自身的大規模 AI 工作負載設計的。根據 CloudOptimo 的分析，TPU 在模型訓練階段的 %
token 成本 通常比同級 GPU 低 15-20%，但這取決於軟體生态的成熟度。然而，Google 正面臨軟體生態的挑戰 —— 開發者習慣 CUDA 後，遷移至 TPU 需要重寫代碼，這解釋了為何 TPU 雖然技術領先但市場份額不如 GPU。

但這次 Meta 交易的不同之處在於：Google 將 TPU 出售給客戶部署在客戶自己的數據中心，而非僅限於 Google Cloud 租賃。這標誌著 TPU 商業模式的重大轉變 —— 從「雲端服務附加品」變成「獨立硬體產品」。

Meta 的「去 NVIDIA 化」战略佈局：真的可行嗎？

Meta 並非僅僅是被動應對 GPU 短缺，而是推行了一套多重供應鏈策略。早在 2023 年 12 月，Meta 就公開部署 AMD Instinct MI300X GPU 作為 inference 工作負載的替代方案。根據 X 平台業內分析師整理時間線，Meta 與 AMD 的合作關係持續深化，AMD MI300X 目前負責 Llama 3/4 的圖像編輯、AI 貼紙等 inference 任務。

更關鍵的是，Meta 自身也開發了第二代 AI 芯片 MTIA（Meta Training and Inference Accelerator）。根據 Meta AI 官方部落格，MTIA 系列是專為 Meta 獨特工作負載定制的高效能架構，已实现对部分推薦模型訓練和 inference 的支援。然而，MTIA 主要針對邊緣 inference，對於大規模 LLM 訓練，CPU/GPU/TPU 仍然是主力。

這就解釋了為何 Meta 需要與 Google 簽署 TPU 協議：它在試圖打造一個三層供應鏈体系 —— 訓練用 TPU/GPU 混合集群， inference 用 MTIA 與 AMD MI300X 搭配，再加上與 NVIDIA 談判獲取最佳價格。這種策略既能確保供應鏈安全，又能利用供應商之間的競爭壓低价格。

Expert Insight：Meta 的策略核心在於 risk diversification。根據 CNBC 報導，Meta 已經在路易斯安那州投資百億美元建設 Western Hemisphere 最大的數據中心。與 Blue Owl Capital 的 80/20 合資結構（Meta 保留 20% 所有權）顯示它在尋求資本效率 —— 用合资模式降低资产负债表压力，同時確保 AI 算力擴張速度不受融資限制。

台積電 CoWoS 封裝飢渴：2026 年供應鏈脆弱點

AI 芯片競爭的本質是半導體製程與封裝技術的競爭。當前所有高端 AI 芯片（NVIDIA H100/H200、Google TPU、AMD MI300X）都依賴台積電的 CoWoS（Chip on Wafer on Substrate） 封裝技術。然而，CoWoS 產能本身就是最大的瓶頸。

根據 Morgan Stanley 與野村證券的產業調查，台積電 CoWoS 產能利用率在 2025-2026 年持續接近滿載。野村證券更指出，台積電下一代 CoPoS（Chip on Panel on Substrate）技術可能延遲至 2029-2030 年才會量產，這直接影響 NVIDIA Rubin Ultra GPU 的推出時間表。

Meta 如果大量採購 TPU，將進一步加劇 CoWoS 供不應求的狀況。台積電 2026 年後端資本支出可能轉向 WMCM（晶圓級多晶片模組）及 SoIC（系統級集成電路）等其他技術，但短期內無論哪家客戶都必須排隊等候。

Counterpoint Research 的數據印證了這一點：Global AI Server Compute ASIC 出貨量預計在 2024-2027 年間翻三倍。Broadcom 目前以 60% 市占率領導 AI Server ASIC 設計，Google TPU 則是出貨量的骨幹。若 Meta 加入 TPU 大單，Google 的 ASIC 份額將進一步膨脹。

2027 年 AI 芯片市場預測：三足鼎立還是寡頭壟斷？

根據 Allied Market Research，AI 芯片市場規模將從 2024 年的 449 億美元成長至 2034 年的 4,609 億美元，年複合成長率（CAGR）約 29.5%。但這數字背後隱藏著結構性變化：custom ASIC（包括 TPU、MTIA 各類自研芯片）將逐步蠶食 GPU 份額。

我們可以預見 2026-2027 年的格局：

NVIDIA：Blackwell 系列（B200/GB200）在超高端訓練市場仍有優勢，但客户開始要求价格折扣以抗衡替代品。
Google：如果 TPU v7/v8 在性能上能達到甚至超越 H200/B200，並成功將產品外部銷售，將形成 雲端巨頭 vertical integration 的新模式。
AMD：MI300X 在 inference 市場取得初步成功，但要進入訓練市場需要更多軟體生態投資。

Expert Insight：我們預期 2027 年之後的市場不會是「三足鼎立」，而是雙寡頭 plus 利基市場。NVIDIA 和 Google 將各占約 35-40% 份額，AMD 和 Broadcom 瓜分其餘。關鍵變數在於：1) Google 能否 TPU 外部銷售突破 FCC 合規限制 2) NVIDIA 是否推出更便宜的 ASIC 產品線 3) 台積電 CoWoS 產能擴張速度。如果 CoPoS 技術延期，NVIDIA Rubin 推出延後，將給 Google TPU 更多 time-to-market 機會。