深化 TPU 合作對擺脫 NVIDIA 依賴有何戰略意義？

Google 近期加速擴張其自研 AI 晶片 TPU 生態系，第七代 Ironwood TPU 已正式上線，效能較前代提升 10 倍，並吸引 Anthropic 訂購百萬顆晶片。為打破 NVIDIA 的軟體護城河，Google 啟動「TorchTPU」計畫，讓 TPU 全面相容於主流框架 PyTorch。此外，Google 亦調整供應鏈策略，除長期合作夥伴博通外，更納入聯發科負責 I/O 模組設計，試圖透過多元供應鏈降低成本。目前 Meta 等大廠也傳出將於 2026 年起租用或採購 TPU 算力，顯示雲端服務商正集體轉向自研 ASIC 以應對 GPU 供貨不穩與高昂成本。

深化 TPU 布局的核心動機在於重奪 AI 基礎設施的定價權與技術自主性。長期以來，NVIDIA 憑藉 CUDA 生態系與 GPU 效能壟斷市場，導致雲端巨頭面臨極高的總體擁有成本（TCO）。Google 透過垂直整合，將 Gemini 模型 75% 的運算交由 TPU 執行，不僅大幅優化每瓦效能，更證明了 ASIC 在大規模推論任務中的經濟效益。當 Meta 與 Anthropic 等指標性客戶開始採納 TPU，這不僅是硬體替代，更是對 NVIDIA 供應商綁定策略的實質反擊。隨著軟體相容性障礙掃除，市場將從單一供應轉向多元競爭，迫使晶片溢價回歸理性，並加速 AI 算力走向平民化。