Google TPU近期傳出Meta有意洽購，Gemini 3僅靠自家TPU就可訓練完成，近期讓輝達股價暴跌！難道TPU將取代GPU？AI硬體霸主要換人了？其實TPU並非新技術，它是Google自2015年就部署的內部「黑科技」，曾在AlphaGo對弈棋王李世乭一役中扮演讓模型思考加速的關鍵角色。到底TPU是什麼？如今最新一代的TPU若如傳言推向市場會贏過輝達GPU嗎？NVIDIA護城河為何尚未全部攻破？對AI供應鏈來說，又指出哪些變革？新概念股正成軍？一文彙整業內最新研究說法。
TPU是什麼？和GPU差異在哪？
TPU是什麼？和CPU與GPU的差異在哪？根據Google官方說法，CPU可以理解成電腦中「用途最廣、能處理各式工作的大腦」。至於GPU一開始的用途則是為了協助CPU，特別強化與影像、影片、模擬相關的重度運算。
TPU 完全不同，它是一開始就是專為AI打造的晶片。
TPU 屬於ASIC （Application─specific integrated circuit，特定應用積體電路）的一種，它不是面面俱到的通用型晶片，而是為單一目的量身定做。它的核心任務，就是高速處理AI模型所需的大量矩陣運算與向量運算，讓模型訓練與推論能更快、更有效率。
舉例來說，輝達的GPU可以廣泛用在如遊戲需要的影像處理、或者科學計算、以及AI機器學習等，不會僅限於AI，但是TPU這類ASIC則是專門設計來訓練如Gemini這類AI相關應用，是兩者基本上的差異。
事實上，包括Meta 、微軟與亞馬遜都曾表示考慮打造ASIC晶片。ASIC與GPU的完整差異比較，ASIC概念股一次看
Google TPU如何出現？歷代創新？
TPU為何會出現？早在2013年，Google內部就發現CPU性能的極限。Google首席科學家Jeff Dean曾受訪指出，當時內部預估的數據令人心驚：如果有一天Google的數億用戶升級使用語音來搜尋網路資料，每天光使用三分鐘，就會迫使Google將現有的全球資料中心數量翻倍才能滿足需求 ！
所以，Google團隊那時起在市場上考察了許多替代技術，卻遲遲找不到適合的方案，才決定在內部啟動一項祕密計畫，也就是自製晶片TPU的開始。
後來，第一版的TPUv1於2015年在 Google 內部部署，並於2016年Google I/O 大會上正式對外公開。根據Google官方部落格揭露，在AlphaGo戰勝人類棋王李世乭的歷史性對弈中，TPUv1扮演了關鍵角色：它幫助AlphaGO思考速度更快，還能預判更遠的下一步棋該怎麼下。
至於在最新一代TPU v7 Ironwood問世前，歷代TPU的創新也相當先進，快速幫助當時的 Google團隊發展許多先進應用，如支援 Google 搜尋、語音辨識、翻譯以及AlphaGo等專案。技術里程碑彙整如下：
TPU v1：AI 推論專用
創新：Google 第一款專為機器學習設計的客製化晶片 （ASIC），針對「推論」（Inference） 任務進行優化。
TPU v2：AI訓練超級電腦
創新：從推論擴展至「訓練」（Training） 領域。引入了 TPU Pod 架構，透過高速互連技術將256個晶片串聯，打造出強大的 AI 訓練超級電腦。
TPU v3：導入液冷技術
創新：隨著運算效能提升，為了更有效解決散熱與能效問題，首次在伺服器中大規模引入液冷技術 （Liquid Cooling）。
TPU v4：全光交換OCS
創新： 採用了全光交換技術 （Optical Circuit Switches， OCS），讓 TPU Pod 內的晶片通訊速度更快、更可靠，大幅提升大規模運算的效率。
TPU v5p：大記憶體與 3D Torus
創新： 專為大型模型訓練優化，大幅擴增高頻寬記憶體 （HBM） 至 95GB，並採用 3D Torus 網路架構以提升擴展性 。
Trillium （TPU v6）：專為生成式AI打造
創新： 專為訓練及運行最先進的生成式 AI 模型（如 Gemini 1.5）而設計。 效能： 每晶片的運算效能較前一代 （TPU v5e） 提升了 4.7 倍，同時兼顧更高的能源效率。
Google TPU v7 Ironwood如何優於輝達？特色在哪？
許多矽谷公司如Meta、Amazon，微軟，內部都有開發客製化晶片ASIC的計畫。為何Google TPU 最新一代v7在11月發表後，立即震驚業界？彙整Google官方過往資訊，以及知名半導體調查機構Semi Analysis於26日公開上線了最新一代Google TPU v7的分析報告，可以發現TPU有許多地方優於輝達：
首先，成本更低就是關鍵。
Semi Analysis團隊指出，TPUv7的每總擁有成本（TCO）比輝達低，可以彌補性能上的些微差距。這是什麼？TCO（Per Total Cost of Ownership）指的是用來衡量 「獲得每一單位實際運算效能，究竟要花多少錢」的指標，裡面要衡量的包括了：硬體採購成本、營運成本、軟體效率與利用率等。
該調查機構進一步分析， 輝達對其GPU及其周邊系統（CPU、交換器、電纜）收取極高的利潤，墊高了客戶的採購成本，導致TCO遜於Google的TPU。舉例來說，即使 Google TPU目前是加價租給外部客戶如Anthropic，其每小時TCO估計仍比使用NVIDIA GB200 低約30％ 。
客戶採購晶片，性能也是重要考量，最新一代的TPUv7在性能上和輝達旗艦版晶片差距仍在，但Semi Analysis估算成本上的精省足可彌補TPU性能的弱點。
此外，Google TPU v7的設計上還有以下特色：
特色一：雙小晶片設計
根據 Google Cloud 官方技術文件與發布資訊，Ironwood 架構採用了 「雙小晶片架構」（Dual-chiplet architecture），這是與前幾代 TPU最顯著的差異之一。採用 Chiplet 設計的主因是可以提高製造的成本效益與良率。
每個最新一代Ironwood TPU 封裝包含 2 個獨立的小晶片。這兩個小晶片通過高速的 D2D（Die-to-Die） 介面互連，該介面的速度比標準的晶片間互連（ICI）快上6倍。
其實，前台積電高層、現為鴻海科技集團董事的蔣尚義，已於今年遠見高峰會上提出，小晶片將是台灣不可錯過的新趨勢。
特色二：OCS全光交換
全光交換技術（Optical Circuit Switches，OCS）是Google TPU上的核心創新， 主要是Google 發現，當連接成千上萬個機櫃時，如果全部買傳統電子交換器，光是把光轉成電、再轉回光的成本與電力相當高，採用OCS設計會大幅降低成本也節能。
至於OCS的運作原理，不同於傳統的EPS交換器，不會將光訊號轉換為電訊號，而是直接將輸入的光像是鏡子般反射到輸出的端口 。雖然 OCS切換速度物理上較電子交換器慢，但對於 AI 訓練這類長時間、大流量且穩定的連線需求來說，其低延遲與高節能的優勢反而更適合採用。
最新一代TPUv7則透過更進階的系統架構與雙運算晶粒（Dual Die）設計，大幅提升連線效率並降低成本 。
特色三：液冷
據Google官方資訊，內部團隊在2018年就決定從傳統的氣冷之外，引進液冷技術，相較輝達在2024年才對外宣布啟動液冷散熱革命，布局更早。
Google 2025年8月針對最新TPU v7 （Ironwood）的一份簡報中，則指出v7使用了v3與v4以來就開發出的第三代液冷控制技術，像是從串聯改為平行水流，這樣能確保每一顆晶片都能獲得相同溫度的冷卻液，讓效能不會有差異。
另外TPU還有主動式閥門調節技術 （Valve-Controlled Flow Rate）。簡單來說，Google 在液冷迴路中加入了可變閥門，系統可以根據當下的運算負載和溫度感測器數據，動態調整流經特定區域的水流量。 在低負載時減少幫浦功耗；在高負載時增加流量抑制熱點，可說是Google善用軟體來優化水冷的獨到創新。
若與輝達GB300的液冷技術相較，GB300則是採取了每個GPU與CPU晶片獨立的水冷板設計，來讓散熱效果不會出現差異。
Google TPU，為何仍未全面超越輝達？
根據《The Information》及多家外媒報導，Meta正在與Google 進行談判，計畫從2026 年開始租賃Google Cloud TPU，並可能在2027年直接購買 TPU 晶片部署於自家數據中心。更指出一些 Google高層私下認為，TPU推到市場上銷售，有機會奪走輝達資料中心業務10％營收，約值數十億美元。
雖然目前未獲官方證實，消息一出立刻讓輝達美股股價暴跌。
至於根據Google官方公開過的雲端TPU用戶，則包括Anthropic、Midjourney、Salesforce等矽谷頂尖軟體、AI廠商。
但是為何仍有人認為，輝達GPU的護城河未全面攻破？
第一個原因是，Google TPU需要頂尖工程師人才方能善用。
調查機構Semi Analysis認為，TPU的核心優勢在於貫徹「系統重於微架構（Systems Matter More Than Microarchitecture）」的設計哲學，也就是透過系統級的軟硬整合，讓非頂尖性能的晶片效能也可以大大升級 。然而，由於Google團隊為TPU打造來內部使用的工具，並未對外部客戶開放，這設立了極高的技術門檻：想透過租賃獲益的客戶，必須具備與Google相當水準的頂尖工程團隊，才能駕馭這套系統。
以Anthropic為例，他們之所以能大規模採用TPU，關鍵在於其團隊擁有前Google編譯器專家。對於絕大多數缺乏這類軟硬體全端人才的企業而言，輝達擁有成熟CUDA生態系與開箱即用的便利性，仍是不可替代的首選 。由於這類高階人才在AI 時代極度稀有，TPU要在短期內全面瓦解NVIDIA GPU 的護城河，可能性仍不高。
第二個原因是周邊生態不容易一夕間轉換。
輝達CUDA畢竟已有20年經營歷史，許多開發者已經習慣在此生態開發專案。另外，雖然 Google 積極推動JAX 等框架，但現有的開源模型大多預設針對NVIDIA GPU優化，要轉移到TPU需要額外的轉換工作與程式碼調整，這道「轉換成本」的門檻，也會讓願意加入Google TPU陣營的企業相對較少，或採取兩者並行的方式。
至於輝達與Google雙方團隊怎麼回應GPU與TPU之爭？
Google官方近期回應外界傳言指出，雖然Gemini 3是單獨使用TPU訓練完成，「我們自製的TPU和輝達GPU的需求都在加速成長中。我們將一如既往地繼續支持兩者。」
輝達則於26日發表官方聲明指出，「我們樂見Google取得成功——他們在AI領域有很棒的進展，而我們也會持續供應晶片給Google。NVIDIA領先業界一個世代，是目前唯一能運行所有AI模型、且隨處皆可進行運算的平台。相較於專為特定AI框架或功能設計的ASIC ，NVIDIA提供了更高的效能、更全面的通用性和更棒的替代性。」
其他專家如何看待輝達GPU與Google TPU的競爭？
目前Google提供的是租賃服務，非直接銷售，Anthropic是透過部分租賃，部分從博通採購取得TPU，但近期傳言Google有可能改變策略。根據大摩分析師Brian Nowak團隊預測，若傳言成真，Google直接向Meta等大型客戶出售晶片，預計到2027年，Google可能對外銷售50萬至100萬顆TPU。但大摩認為對比起輝達預估出貨量，TPU短期內頂多只是侵蝕，不至於全面取代輝達GPU霸主地位。
外媒《經濟學人》近期也做了深入分析，指出Google TPU確實撼動了輝達的霸主地位。
