Google 揪团上门踢馆 NVIDIA，台积电、联发科当中扮演重要角色 https://technews.tw/2026/04/21/google-and-its-allies-challenge-nvidia/ 作者 Atkinson | 发布日期 2026 年 04 月 21 日 11:10 为了在人工智慧领域取得更强大的竞争优势，Google 正在组建 AI 产业界最具多样性的 客制化晶片供应链。此举也被市场视为 Google 针对辉达 （Nvidia） 在 AI 推论 （ Inference） 领域主导地位所发起的最直接、最具规模的挑战。 这项战略规划於 Google Cloud Next 大会前夕曝光，揭示了 Google 将与博通 （ Broadcom）、联发科 （MediaTek）、美满电子 （Marvell） 以及英特尔 （Intel） 四 大设计夥伴展开深度合作，并由台积电负责制造代工。这份蓝图不仅涵盖了目前已出货数 百万颗的推论晶片，更延伸至预计於 2027 年底部署，采用台积电 2 奈米制程的 TPU v8 晶片。 这项硬体战略的核心是 Google 的第七代 TPU 「Ironwood」，这同时也是 Google 首款 专门为 「推论」 工作负载所设计的晶片，其在规格表现上，Ironwood 展现了强悍的实 力。其最高效能是上一代 TPU v5p 的十倍，每颗晶片配备高达 192 GB 的 HBM3E 记忆体 ，记忆体频宽更达到每秒 7.2 TB。 此外，这款晶片能够扩展至由 9,216 颗液冷晶片组成的超级丛集 （Superpod），提供高 达 42.5 FP8 exaflops 的强大算力。 目前，Ironwood 已全面开放给 Google Cloud 的 客户使用。Google 计画在 2026 年内生产数百万颗 Ironwood 晶片。其中，知名 AI 新 创公司 Anthropic 已承诺采用高达一百万颗 TPU，而 Meta 也与 Google 达成了相关的 租赁协议。 四大合作夥伴分进合击，台积电统包代工 Google 的晶片计画透过精细的专业分工，将产 品线交由不同的设计夥伴负责，藉此分散风险并提升谈判筹码： 一、博通 （Broadcom）： 作为高效能晶片的主力合作夥伴，博通在 2026 年 4 月 6 日与 Google 签署了一项长达 至 2031 年的协议，负责供应 TPU 与网路元件。博通目前正致力於设计代号为 「 Sunfish」 的下一代 TPU v8「训练 （Training）」 晶片，目标是锁定在 2027 年底采 用台积电的 2 奈米制程。目前博通在客制化 AI 加速器市场中占据了超过 70% 的绝对领 先地位。 二、联发科 （MediaTek）： 台湾 IC 设计大厂联发科则负责操刀成本最佳化的推论版 TPU v8，代号为 「Zebrafish 」，同样瞄准 2027 年底的台积电 2 奈米制程。联发科最初是参与 Ironwood 的 I/O 模 组与周边元件设计，其提供的设计方案比市场其他替代方案便宜了 20% 至 30%。透过让 博通负责训练晶片、联发科负责推论晶片的 「双轨并行」 策略，Google 成功掌握了供 应链间的平衡与议价优势。 三、美满电子 （Marvell）： Google 目前正与 Marvell 洽谈开发记忆体处理单元 （Memory Processing Unit） 以及 一款新的推论专用 TPU。若双方顺利签约，Marvell 将成为第三家晶片设计夥伴。 Google 预计将生产近两百万颗记忆体处理单元，相关设计预计於 2027 年正式定案。 四、英特尔 （Intel）： 英特尔於 4 月 9 日与 Google 达成了一项多年期协议，将为 Google 的 AI 资料中心基 础设施供应 Xeon 处理器及客制化基础设施处理单元 （IPU）。这项合作主要涵盖 TPU 周边的网路设备与通用运算层，而非 AI 加速器核心本身。 在晶片制造端，台积电扮演了不可或缺的角色。台积电是 Google 客制化晶片的唯一代工 厂。所以，无论是哪一家夥伴设计的晶片，最终都将交由台积电的晶圆厂进行生产，形成 紧密的结构性合作关系。 「推论经济学」 使 Google 将重心从 「训练」 转向 「推论」，这是其整个晶片计画背 後最关键的战略前提。训练一个先进 AI 模型是一个单次且高度密集的事件。然而，「推 论」 却是持续不断的，它会随着每位使用者、每一次查询以及每一个整合 AI 的产品而 无限叠加。 Google 每天必须处理数十亿次由 AI 驱动的搜寻查询、Gemini 对话以及 Cloud AI API 呼叫。在如此庞大的规模下，单次推论的成本将直接决定整个 AI 商业模 式的经济效益。 尽管辉达的 GPU 在模型训练领域依然占据绝对优势 （主要受惠於其 CUDA 生态系所建立 的极高转换成本），但推论工作通常更具可预测性及重复性，这正是客制化晶片 （ASIC ） 进行固定功能最佳化最能发挥所长的地方。只要一款专为推论打造的客制化晶片，其 单次查询成本能低於辉达 GPU，就算它的多功能性不如 GPU，也能在 Google 所追求的规 模经济指标上获得胜利。为了确保持续领先，Google 刻意建立备援机制，同时投资多条 推论晶片路线（从 Ironwood 到 Zebrafish 及 Marvell 的潜在晶片），以避免过度依赖 单一供应商所带来的定价风险与产能危机，并确保自家的 AI 发展蓝图不被他人掌控。 市场野心与未来展望 Google 的庞大野心已反映在其惊人的出货量预测上。预期其 TPU 总出货量将在 2026 年达到 430 万颗，并在 2028 年快速攀升至超过 3,500 万颗。从全 球市场趋势来看，客制化 ASIC 市场的成长速度正在超越 GPU 领域。另外，根据市场研 究机构 TrendForce 预测，2026年客制化晶片营收将大幅成长 45%，而 GPU 出货量则仅 成长 16%；整个 ASIC 市场预计将在 2033 年达到 1,180亿 美元的惊人规模。 面对 Google 步步进逼的挑战，辉达面临的威胁并非来自某款单一晶片的效能超越，而 是 Google 正在打造一个由多款针对特定任务与成本最佳化的晶片所组成的庞大系统」这 个系统将集体压缩辉达硬体在 Google AI 运算中的占比。辉达的应对策略则是反向渗透 ，例如透过投资 Marvell 20 亿美元及推广 NVLink Fusion 计画，确保即便在被 ASIC 逐渐取代的机架中，仍能保留一席之地。 总结来说，Google 正透过掌控自身横跨多个合作夥伴与多个世代的晶片供应链，试图在 AI 推论领域创造出能随时间产生复利效果的成本优势。虽然辉达的霸主地位难以在短期 内被彻底撼动，但在大规模推论的经济效益上，这条由四大巨头共同支撑的硬体供应链， 已成为 Google 扞卫自身 AI 帝国、强化竞争力的最强大武器。 心得： 无论是哪一家夥伴设计的晶片，最终都将交由台积电的晶圆厂进行生产 所以作者写了那麽多文字 是不是就是推荐台GG？ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.143.128.45 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1776744377.A.BDC.html