Google ASIC戰略如何挑戰輝達的霸主地位？｜專家論點【劉佩真】
作者：劉佩真（台經院產經資料庫總監、APIAA院士）
全球AI算力市場正經歷一場前所未有的結構性變革，核心競爭不再僅限於單純的硬體規格競賽，更是一場關於生態系統主導權的戰略博弈；在這個格局中，Nvidia憑藉其GPU架構的先行優勢與CUDA生態系統，築起難以撼動的霸主地位；然而，近年來Google自主研發的TPU，以一種專屬的ASIC晶片異軍突起，不僅被視為最有潛力挑戰Nvidia龍頭地位的勁敵，其戰略部署更直接左右整個ASIC晶片競局的未來發展。
Nvidia的成功建立在GPU的通用性上，能夠廣泛應用於AI訓練、科學運算、模擬分析等多重任務；至於Google的TPU則走截然不同的道路，即極致的專用性，也就是TPU是針對Google自身的機器學習模型進行大規模訓練與推理所設計的ASIC晶片；而TPU的優勢在於其極致的效率與成本控制，在執行特定AI訓練任務時，TPU可以提供更高的能效比，這對於像Google這樣需要運行數萬顆晶片的雲端巨頭來說，是節省數十億美元資本支出的關鍵。等同隨著Google的Gemini等大型語言模型不斷迭代，TPU的性能與生態系統也在持續進化，其威脅已不再是理論，而是真實存在，甚至Meta等其他雲端巨頭也正在洽談採用TPU，也引發市場對於Nvidia業績備受威脅的疑慮。
事實上，Google的成功證明超大型雲端服務商自研ASIC的可行性與優勢，這為聯發科、Broadcom等其他ASIC設計服務商和晶片業者設定一個極高的標竿；等同Google的戰略選擇將間接影響ASIC市場的發展方向，若Google進一步開放或推廣TPU的使用，將加速ASIC陣營的發展，吸引更多業者投入；反之，若Google將TPU嚴密鎖在自家雲端，則ASIC陣營在外部市場仍需尋求其他突破口。從某種程度上來說，Google的TPU戰略，成為判斷ASIC能否成為Nvidia關鍵第二供應商或挑戰龍頭地位的關鍵變量。
不過雖然ASIC(如TPU)雖然在特定任務上表現卓越，但其單一用途的限制使其難以取代GPU的多功能性，也就是全球數百萬開發者習慣於CUDA生態系統，這是Nvidia最堅固的護城河，而Nvidia的Blackwell等最新架構，持續在通用AI領域保持優勢，並強調市場對通用GPU的需求依舊強勁。
整體而言，未來AI算力市場將呈現通用性與專用性並存的雙雄競爭局面，其中Nvidia所代表的通用性，將持續在基礎科學、多模態AI、多任務處理等廣泛領域佔據主導，其生態系統的優勢短期內難以撼動。而Google TPU(專用性)， 將成為超大型雲端服務商內部優化與成本控制的最佳範例，並在大型語言模型等特定領域展現強大的競爭力。最終，AI算力競局的結果將取決於哪種模式更能適應未來AI應用程式的快速演變。整體來說，Google的TPU戰略，無疑為整個ASIC陣營注入一劑強心針，但要真正撼動Nvidia龍頭地位，ASIC陣營仍需在通用性、生態系統開放性上取得實質性突破。
