整理包／Gemini 3超驚艷！有望撼動輝達 GPU 霸主地位的 TPU 是什麼 ？Google 身價暴漲、哪些供應鏈吃香？

谷歌推出Gemini 3獲得好評，使用自行研發的TPU，傳出Meta也可能採購。（路透）

隨着生成式AI與大型語言模型迅速擴張，市場對高效能運算晶片的需求大增，過去一面倒依賴輝達GPU的格局，正逐漸被Google自研TPU等ASIC專用晶片改寫。TPU主打更高能效與更低成本，並結合雲端服務與自家生態系，成爲科技巨頭角力的新戰場。對此，《經濟日報》整理相關資訊，從TPU技術特色、與GPU的差異，到臺廠供應鏈與概念股佈局，協助投資人掌握AI運算版圖變化及後續產業機會。

TPU（Tensor Processing Unit）是由 Google 自行設計的專用積體電路（ASIC, Application-Specific Integrated Circuit），Google 表示，爲了處理其服務（如語音辨識、影像處理、大規模推薦系統）中的機器學習運算需求，傳統 CPU／GPU 架構效率不敷使用，因此從 2015 年起內部開始部署 TPU，專門用於加速機器學習（ML）／深度學習模型的訓練與推論。

Google 在 2025 年公佈第七代TPU，名爲 TPU v7 Ironwood，這一代設計特別針對「推論」（inference）場景，而非僅訓練。其中，亮點在於，可串接至 9,216 顆晶片一個 Pod（集羣），顯示極大規模運算能力，且每片晶片配備高頻寬記憶體（HBM3e或類似）與進階互連技術，以支援巨量運算／資料搬移。

此外，TPU又屬於自研晶片中的的一環，特殊應用積體電路（Application-Specific Integrated Circuit；ASIC）就是「爲特定用途量身打造的晶片」，不像 CPU 或 GPU 那樣什麼都能跑，而是把某種固定任務寫死在硬體裡。

而TPU在專門的環境下最大的優勢在於，他不僅跑得更快、更省電、成本更低，以及效率也更高。對比GPU擅長重複、並行的大量計算，ASI就像是爲某一件事打造的「專業機械」，只做那件事，但做得極快、極省電。

目前除了 Google，包含亞馬遜雲端（Amazon Web Services ；AWS）、Meta等大型科技公司，也在積極佈局或已經推出類似專用 AI 加速、ASIC晶片。

Google 今年5月推出Ironwood TPU。彭博資訊

首先，TPU 作爲Google 的自研晶片，主要運作的模組範圍爲Google Cloud，根據數據，但特定情況下， TPU相較於同時代GPU在推論上，最高可達15至 30倍以上的性能／功耗優勢。

不過，也是因爲這樣，TPU的生態系統較爲「集中」，主要是在Google的雲端服務中提供，並且與TensorFlow／JAX深度整合。

而GPU在軟體生態、開發者支援、模型種類與雲端／本地部署的可選擇性上，較 TPU 廣泛，且包含輝達（NVIDIA）超微（AMD）都積極搶攻，若需求較爲「多樣化」、「不同模型框架（如：PyTorch）」、「需要靈活調整」或「設備自有／非雲端專用」的情境，GPU較具優勢。

⚙️ TPU 與 GPU 差異比較（用途、架構、優缺點一次看）

項目 TPU（Google） GPU（NVIDIA 等）

項目

TPU（Google）

GPU（NVIDIA 等）

注：TPU 與 GPU 的選擇取決於應用需求。若爲大規模深度學習訓練，TPU 具效率優勢；需兼顧彈性與相容性時，GPU 較爲通用。

谷歌推出Gemini 3獲得好評，使用自行研發的TPU，傳出Meta也可能採購，導致目前獨佔AI晶片市場的輝達股價大跌，但輝達執行長黃仁勳似乎不擔心。（法新社）

大型模型（LLM）從百億、千億參數跨向兆級，運算需求倍數成長，而GPU 雖通用，但無法持續以同樣速度提升效能／瓦（performance per watt），對此，在資料中心耗電與散熱成本暴增的壓力下，市場需要更高能效、更高密度 的運算晶片，讓ASIC逐步受到重視，晶片需求也跟着漸增。

此外，也多虧AI規模擴張效果顯著，在演算法趨於穩定的情況下，「把固定運算寫死在硬體中」的ASIC就變得值得投資。再加上，目前市場中的GPU霸主輝達 高階晶片如H100、H200、GB200、GB300價格昂貴且供應吃緊，同時，爲了降低對輝達的依賴，也使TPU等自研晶片成爲相對較好的選擇，進而成爲各大科技廠、雲端廠角逐的新戰場。

至於，是否能夠因此撼動輝達在AI伺服器，以及GPU上的地位？這個答案可能要再過個幾年再來討論，其中，最大的原因在於，輝達靠着自家的CUDA生態系打遍天下無敵手，加上晶片、伺服器綁定生態系的「標配」，形成「綁定效應」。（延伸閱讀：AI 霸主不保？輝達火速回應：樂見Google 成功 但我們在業界「領先一代」）

爲此，亞馬遜推出Trainium、Inferentia，Google自研TPU晶片+自家生態系，Meta也有MTIA平臺系統，以及像是Microsoft則有自研 AI 加速器（Athena）

尤其，除了減少自家在AI上的訓練成本外，也藉由資料中心基礎設施工程，TPU + 網路架構 + 整合式軟體，讓TPU 成爲 Google 在雲端 AI 基礎建設的「底層砲臺」。不過，儘管TPU技術強，但TPU不是市場商品，而是Google自用硬體，因此，輝達在「商業市場」仍穩居壟斷式地位，但未來發展仍可期。

科技新聞網站報導，Google專爲AI推論打造的「張量處理器」（TPU）獲得Meta洽談採購，可能進一步吃下輝達的AI晶片市場。歐新社

Google TPU技術持續推進，帶動臺系供應鏈關注度升高，相關概念股涵蓋晶圓代工、材料、載板、測試設備到伺服器組裝等多個環節。其中，臺積電（2330）爲Google TPU核心晶片的主要先進製程代工廠，居於概念股名單首位；聯亞（3081）則是Google TPU v7平臺驗證階段的重要供應商。

在材料端，金像電（2368）提供TPU v7 30至40層的高階板材，臺光電（2383）負責TPU所需的高階CCL材料M8。組裝與系統端部分，英業達（2356）是TPU 6的第二大供貨臺廠，欣興（3037）則供應 Google伺服器所需的載板。

測試與驗證相關廠商包含精測（6510）與旺矽（6223），皆爲TPU v7的供應商；另外，精成科（6191）透過併購日商Lincstech，間接切入Google TPU供應鏈。IC設計端則由創意（3443）承接Google Axion CPU製程設計服務，聯發科（2454）也與Google合作參與TPU v7與v8的開發。

此外，光聖（6442）提供TPU所需的高速傳輸元件，完整串聯臺灣在高效能運算與AI加速晶片供應鏈的角色。