⚡【算力帝國 03｜Google 不只自研 AI 晶片 TPU，還想把它變成下一代 AI 基建生意】
很多人以為，Google 最近先開始認真玩 AI 晶片。 其實唔係。Google 早在 2013 年已經察覺，AI 工作負載升得太快，若果長期只靠傳統 CPU 同 GPU 路線，成本、功耗同擴展都會愈來愈吃力。於是 TPU 計劃逐步成形，2015 年部署進 Google 自家 data center，2016 年正式公開，2018 年再以 Cloud TPU 形式開放畀外部雲端客戶。呢條線，Google 已經跑咗十幾年。
🧠 點解 Google 要做 TPU？因為大模型訓練同推論，背後核心其實係海量矩陣運算。TPU 不是通用型處理器，而是專為 neural networks、training 同 inference 設計的 AI accelerator。對 Google 呢類要長期支撐 Search、Maps、Photos、Gemini 同 Google Cloud 的公司來講，自研 TPU 的價值，不只是更快，而是可以更精準地控制效能、功耗、成本同擴展方式。
⚙️ 呢度亦帶出 TPU 同 GPU 的最大分別。GPU 勝在通用性高、生態成熟、工具完整，所以 Nvidia 今日先會咁強；TPU 則係為特定 AI 工作負載而做的 ASIC，目標唔係「樣樣都做」，而係把某類 AI 運算做得更有效率。簡單講，GPU 像萬能重型引擎；TPU 更似一條專為神經網絡鋪好的高速鐵路。
🏭 至於而家邊個幫 Google 把 TPU 做出來？公開資訊顯示，Broadcom 仍然係 Google 最重要的 AI chip 設計合作夥伴，而且雙方合作已延長到 2031 年；實際製造則仍然高度依賴 TSMC 這類 foundry 體系。至於 MediaTek，現階段更接近下一代 TPU 的準備合作線，Google 看中的，一方面是它與 TSMC 的關係，另一方面是成本彈性；但這不等於 Google 已全面轉向 MediaTek。
☁️ 真正要留意的，是 Google 的戰場已經不只在 AI 應用層。外界平時最關心 Gemini、chatbot、AI agent 呢啲產品，但 Google 同時正把競爭往下推到 AI infrastructure：上面賣模型、產品同 AI 功能，下面則有 TPU、Cloud、rack、資料中心、供應鏈同對外算力服務。Broadcom 長約去到 2031 年，反映 Google 想鎖定的是多代 custom AI chips 加 rack 級組件的長期能力；而 MediaTek 線則顯示它開始為下一代 TPU 增加供應鏈彈性與議價空間。
📈 呢個先係今次新聞最值得看的地方。Google 現在不只是想擁有自研晶片，而是想把一套已經長期支撐自家服務的 TPU 平台，進一步變成可對外提供的 AI 基建能力。這代表它未來要競爭的，不只係 OpenAI、Anthropic、Meta 喺應用層的 AI 產品戰，仲包括 Nvidia 所代表的 AI 基建秩序。
💥 Google 未必會在所有場景全面取代 Nvidia，但它已經明顯想建立一套不必完全依賴 Nvidia、而且可以對外出售的 AI 算力體系。當 Google 同時擁有模型、雲端、資料中心、TPU 同供應鏈協同能力，佢打的已經唔再只是一場 chatbot 之戰，而係整個 AI 時代的基建主導權。
🚀 Follow 埋我哋，一齊把 AI 變成你嘅 marketing advantage。
內容由 Ai Marketer HK 提供 #AIMarketerHK #AI基建 #GoogleTPU #Broadcom #MediaTek #Nvidia #GoogleCloud
