TPU是什麼？Meta洽談租用Google晶片掀AI新戰局輝達壟斷地位備受挑戰！台廠供應鏈概念股曝光｜盤點概念股

Yahoo奇摩財經編輯室

2025年11月26日週三上午9:28

輝達GPU將被取代？傳Meta租用Google TPU晶片

根據《The Information》報導指出，Meta 正與 Google 洽談一筆數十億美元的交易，計畫最快在明年向 Google Cloud 租用張量處理單元（TPU）運算資源，並可能於 2027 年開始在自家資料中心大規模部署 Google 的 TPU 晶片，同時，與 Alphabet 供應鏈相關的亞洲合作夥伴，如南韓的 IsuPetasys 和台灣的聯發科等公司，股價也應聲上漲，顯見這筆潛在交易牽動了全球科技界的敏感神經。

從供需關係來看，這項合作對 Meta 而言，是解決其對單一供應商過度依賴的戰略部署。分析師估算，Meta 在 2026 年的資本支出將至少達到 1,000 億美元，其中投入在 AI 推理晶片容量上的支出預計將高達 400 億至 500 億美元。面對如此龐大的運算需求，尋求具備成本效益和技術可靠性的「第二供應來源」至關重要。倘若交易最終拍板，Meta 將能有效分散供應風險，同時利用 TPU 量身定做的優勢來提升大型語言模型（LLM）的訓練與推理效率。

整體而言，雖然輝達在 AI 運算領域的主導地位短期內難以撼動，但 Google 將其 TPU 資源首次外銷至自家雲端服務以外的資料中心，無疑為企業級 AI 晶片市場投入了巨大的變數，預示著一場新的硬體軍備競賽即將展開。

TPU 是什麼？

要深入理解 Meta 傳聞中轉向 TPU 的意義，首先必須釐清張量處理單元（TPU）與圖形處理器（GPU）在設計上的區別，兩者在 AI 運算中的角色與定位截然不同。

GPU 最初是為了加速遊戲圖像渲染與視覺特效而設計，強調大量平行處理能力，當機器學習興起時，業界發現 GPU 非常適合 AI 模型訓練所需的大規模運算，因而從繪圖領域一躍成為 AI 運算的主流晶片。然而，TPU 則屬於特定應用積體電路（ASIC），從開發之初便帶有極致的單一目標：專門用於加速神經網路運算中最核心的大規模矩陣乘法。這意味著 TPU 在設計上，以犧牲通用性為代價，換取在特定 AI 任務上的效率。

Google 作為開發 TPU 的母公司，同時也擁有 DeepMind 等部門負責開發 Gemini 等尖端 AI 模型。這種機制形成了獨特的「模型訓練經驗回饋」路徑，AI 團隊在使用 TPU 訓練模型的過程中，會將經驗回饋給晶片設計師，促使 TPU 的架構能不斷針對最新的 AI 趨勢進行優化與迭代。這使得 TPU 不僅在硬體設計上領先，更在軟體與模型層面具備高度整合的優勢。

在當前企業普遍擔憂 AI 晶片供應鏈風險並渴望降低運算成本的背景下，TPU 這種客製化、高效率且具備內部生態系統的特性，使其成為唯一能實質挑戰輝達 GPU 壟斷地位的可行替代方案。

Meta向Google租用TPU晶片，為AI晶片產業提供除了輝達之外的選項(圖片來源:Getty)

看好 TPU 發展該如何佈局？

那麼問題來了，如果台灣的投資人看好 TPU 的未來發展性，除了直接投資相關的美股個股以外，還有什麼佈局策略可以操作呢？雖然相關的供應鏈以及企業之間的合作默契尚未明確生成，但可依上、中、下游的產業鏈關係來進行佈局：

上游：晶片製造與設計

台積電（2330）：Google TPU 晶片的獨家代工夥伴，負責未來新一代 TPU 的 N3P 製程與 SoIC 等次世代高階封裝技術，鞏固 AI 晶片生態鏈中的核心地位。

聯發科（2454）：市場傳聞與 Google 合作開發第七代 TPU，帶來進入 ASIC 晶片高端設計領域的潛在機會。

中游：AI伺服器組裝與系統整合

廣達（2382）：Google AI 伺服器的主要供應商之一，已打入 L6 到 L11 等級供應鏈。預期 2026 年 AI 伺服器出貨量將維持三位數百分比成長，突顯系統整合能力價值。

鴻海（2317）：憑藉其在系統組裝的市場領導地位和垂直整合優勢，持續擴大 ASIC 伺服器解決方案的市佔率。

緯創（3231）/ 緯穎（6669）：受惠於 Google ASIC 專案，且緯創的代工模式確保其能持續從所有雲端服務業者的 ASIC 訂單中獲益，鞏固台灣在 AI 供應鏈中的關鍵地位。

下游：特殊零組件與散熱系統

奇鋐（3017）：Google AI 伺服器水冷散熱系統的主要供應商之一，受惠於 AI 伺服器對高階散熱需求的提升。

欣興（3037）/ 景碩（3189）：受惠於 AI 伺服器對高階基板（PCB）的需求大增。

TPU概念股有風險嗎？

雖然TPU概念股具備長線成長潛力，但投資人仍需留意客戶集中的風險。TPU目前主要客戶為Google，若Google策略轉變或訂單不如預期，相關供應鏈將直接受到衝擊。Meta租用TPU的交易若未能落實，也可能影響市場信心。

此外，AI晶片技術演進快速，TPU雖然在特定任務上具備優勢，但未來若出現更先進的解決方案，可能影響TPU的競爭力。投資人應持續關注技術發展與市場動態，避免過度集中於單一題材或個股。

（核稿編輯：劉凱銘）

其他人也在看