Google以自研TPU訓練的Gemini 3表現亮眼，並以更低成本向市場開放TPU，是否撼動輝達（NVIDIA）在AI晶片市場的領先地位？引發外界關注。顯然，AI晶片霸權之戰正在加速重組。TPU具備速度與能效優勢，Meta與Anthropic也傳出考慮大規模採用。然而，《經濟學人》（The Economist）指出，輝達擁有成熟的CUDA生態系，是強大的護城河，開發者黏性極高，要讓客戶轉向TPU，其實並不容易。
輝達受惠於全球人工智慧（AI）熱潮，市值甚至一度超過五兆美元，競爭者試圖打入市場，但收效有限。然而，全球搜尋引擎龍頭Google，在11月推出自家晶片TPU完整訓練的第三代AI模型Gemini 3，並以遠低於輝達晶片GPU的價格，向市場開放TPU，市場甚至傳出美國社群媒體巨擘Meta，有意在2027年前採用Google TPU。
市場疑問隨之升高：輝達領先地位是否出現鬆動？英國期刊《經濟學人》則指出，輝達的核心競爭優勢，在於成熟的CUDA生態系統，AI開發者極倚賴這套軟體生態，對於多數輝達客戶而言，改用Google TPU並不容易，因其通用性遠不如GPU。
TPU專精深度學習，GPU強在通用運算
TPU主要運作的模組範圍為Google雲端平台，核心是脈動陣列（systolic array），只做最核心的矩陣運算，就像只生產單一零件的高速產線，使其在AI訓練上「更快、更便宜、更省電」。TPU略降精度就能換到極致的速度與能效，並透過矩陣陣列，讓數據在晶片內流動而不頻繁讀寫記憶體，減少存取瓶頸。
GPU原本為圖形運算而生，後來進化為通用並行處理器，不只能執行AI運算，也能數據分析、科學模擬、影像處理功能等，比較像一座能接多種訂單的多功能工廠。
簡而言之，TPU追求把固定的AI模型運算做到極致，GPU則追求在更多場景裡都保持「夠快、夠通用」。
TPU商業化加速，核心弱點恐限制擴張力
Google早在10多年前就開始設計自己的晶片，當時工程師預估，若用戶每天只用幾分鐘的語音搜尋，公司就得將資料中心容量加倍，這促使Google發展更高效的客製化處理器，2016年推出第一代張量處理器（TPU），如今已推出第七代。美國投行傑富瑞（Jefferies）預估，Google明年將生產約300萬顆TPU，數量接近輝達晶片產量的一半。
亞馬遜（Amazon）、Meta、微軟（Microsoft）等科技巨擘，也在研發客製化處理器，10月OpenAI宣布將與美國半導體巨擘博通（Broadcom）合作開發自家晶片。但這些公司的進度都不及Google。
11月18日，Google發布Gemini 3，並在大多數基準測試都勝過OpenAI在內的主要對手。更重要的是，Gemini 3完全使用Google自家晶片TPU訓練。
輝達客戶積極尋找更便宜的替代品：美國投資與研究機構「伯恩斯坦研究」（Bernstein Research）估計，輝達GPU占一台典型AI伺服器成本的三分之二以上，而TPU成本僅為同等輝達晶片的二分之一到十分之一。成本壓力已開始撼動輝達的議價能力，美國半導體研究機構SemiAnalysis指出，OpenAI僅以「可能轉向採用TPU」為籌碼，就促使輝達讓步，OpenAI得以在算力集群的總體擁有成本（TCO）節省約30％。
Google將TPU視為關鍵資產，即使2018年向Google雲端平台（GCP）客戶開放TPU 後，也從未將其完全商業化。然而，這種情況正在改變：SemiAnalysis指出，過去幾個月，Google已動員整個技術堆疊之力，透過Google雲端平台或以供應商身分銷售完整的TPU系統，將TPU推向外部客戶。
10月，美國AI新創公司Anthropic宣布計畫採用多達100萬顆TPU，根據SemiAnalysis報導，其中約40萬顆由博通直接銷售給Anthropic，價值約100億美元，約60萬顆透過Google雲端平台租賃，這部分的剩餘履約義務高達420億美元。此外，市場還傳出Meta有意在2027年前，讓讓自家資料中心採用TPU。
然而，根據《經濟學人》報導，美國投顧公司「海港研究伙伴」（Seaport Research Partners）分析師戈德柏格（Jay Goldberg）指出，Google未必那麼願意大力銷售TPU，可能更希望引導客戶轉向其高利潤的雲端運算服務。
輝達股價11月重挫逾12％，市值蒸發約8000億美元，截至1日的市值約4.3兆美元。Google母公司字母公司（Alphabet）今年股價已飆漲近七成，11月推出Gemini 3後，市值更是逼近四兆美元；因有報導指出Meta正與Google深入洽談，打算投入數10億美元購買TPU晶片，而非輝達的GPU，11月28日，字母公司的股價大漲2.1％。
輝達仍握關鍵籌碼：軟體生態與彈性
然而，輝達客戶改用Google TPU並不容易。輝達的其中一個優勢來自CUDA，這是讓程式開發者可充分利用GPU的軟體平台，AI開發者已極度倚賴CUDA。相較之下，TPU的軟體生態，是為 Google自家產品量身打造。
《經濟學人》指出，這些因素或許解釋了輝達執行長黃仁勳看起來不太擔心的原因，他稱Google是「非常特別的案例」，因為Google早在AI浪潮爆發前就開始做晶片。
他同時押注輝達GPU的「彈性」，GPU具有高度適應性，讓AI研究人員能持續測試新方法。雖然市場競爭加劇，輝達不再像過去那麼不可撼動，但它的實力仍不容小覷，短期內地位難以被取代。
輝達26日在社群平台X寫道：「輝達領先業界一整個世代，它是唯一能運行所有AI模型，並可在所有運算環境運作的平台。輝達提供的效能、多功能性、可替代性優於ASIC（客製化晶片），後者是專為特定AI框架或功能而設計。」
AI算力競賽正加速升溫，Google加速推動TPU商業化，確實撼動了輝達長年主導的晶片版圖。然而，TPU受限於生態與通用性，而輝達憑藉CUDA與多元應用場景，護城河依舊穩固。展望未來，AI晶片霸權將不再是單一技術之爭，而是一場橫跨生態、成本、能效、市場策略的全方位競爭
