多數 AI 公司得排隊向 Nvidia 買 GPU，Google 手上多了一張牌：自己設計的 AI 晶片 TPU。這讓它成為 AI 大廠裡對 Nvidia 依賴最低的一家。想先認識 Google 的全貌，可以從 Google 是什麼公司 開始。
這篇只回答三件事：TPU 替 Google 省在哪、護城河有多深、又有哪些它跨不過去的坎。
TPU 是 Google 的自家 AI 晶片
TPU 全名是 Tensor Processing Unit，是 Google 為自家 AI 運算量身打造的專用晶片（ASIC）。它不在市面零售，過去主要供 Google 自用、透過 Google Cloud 出租。2026 年第二季起，Google 開始把 TPU 系統直接送進少數客戶自己的資料中心，並首度認列這部分營收；財務長表示，這類營收大部分會落在 2027 年。
第七代 Ironwood 已正式開放給雲端客戶。第八代分成訓練用 TPU 8t 與推論用 TPU 8i，於 2026 年 4 月發表；Broadcom 在 9 月表示已向 Google 出貨 TPU 8i。晶片出貨與 Google Cloud 對客戶開放是不同進度。
TPU 跟 GPU 差在哪，可以讀 AI 加速晶片解析 與 TPU 專篇。
自己做晶片，到底省在哪
最直接的證據來自 Google 財報：2025 年，它把 Gemini 的單位服務成本壓低約 78%，靠的是模型最佳化，加上自家硬體的效率與使用率提升。
省的邏輯有兩層。一是不付中間商的利潤：自己設計晶片，不必照 Nvidia 的售價買 GPU。二是量身打造：TPU 為 Google 自己的工作設計，跑起來更對症。也因此，TPU 最省的是 Google 那種超大批量、可以排程的自用工作，不代表對外的每一種算力都最便宜。
一條龍的背後，是一張很長的供應鏈
「自研」不代表什麼都自己來。架構由 Google 主導，設計協力分給幾家夥伴：
| 夥伴 | 角色 | 來源 |
|---|---|---|
| Broadcom | 長期協議開發、供應未來世代 TPU，機櫃零組件供應最長到 2031 年 | 官方（Broadcom 申報文件） |
| Marvell | 2026 年 7 月簽約，開發 TPU 生態的客製晶片，包含推論加速器；Google 另取得依條件逐步歸屬的認股權證 | 官方（Marvell 申報文件） |
| 聯發科（MediaTek） | TPU 8t（訓練晶片） | Broadcom 執行長 2026 年 9 月法說會提及 |
真正把晶片造出來的是台積電。TPU 還需要大量 HBM（高頻寬記憶體） 與先進封裝（CoWoS），跟 台積電的先進製程 一樣，都是全產業在搶的瓶頸，也都在美國出口管制範圍內。Google 比只能外購 GPU 的對手更有掌控力，但沒有跳出全球供應鏈。整條鏈怎麼運作，可以看 AI 硬體供應鏈一條龍。
連對手都來租它的晶片
TPU 的實力，從對手也在用看得最清楚：
- Anthropic：官方公布最多取得 100 萬顆 TPU（2026 年超過 1 GW），2027 年起再透過 Broadcom 取得約 3.5 GW 的下一代 TPU 算力。據 Reuters 看過的招股書，Anthropic 承諾 2026 年 4 月到 2033 年 7 月向 Google 至少支出 1,111 億美元，用不到也得補足差額。
- Meta：據 The Information 報導（Reuters 轉述），2026 年 2 月簽下數十億美元的 TPU 租用合約；買 TPU 裝進自家資料中心的洽談則未證實。
Google 一邊投資 Anthropic、一邊把算力租給它，這段三角關係在 Google 為什麼投資對手 Anthropic 裡專門拆過。對手願意把訓練下一代模型交給 TPU，本身就是對它性價比的背書。
晶片要電，電從哪來
算力越大越吃電，能源成了 Google 的另一條戰線，其中一條主線是核能：
- 與 Kairos Power 簽約，計畫在 2030 到 2035 年間部署最高 500 MW 的小型模組化反應爐（SMR），第一座目標 2030 年上線。
- 2026 年 10 月與 Constellation 簽 20 年購電協議，透過既有核電廠增容帶來 890 MW 新產能。Google 說，它至今已促成美國逾 1.5 GW 的新增核電產能。
小企鵝的總結
TPU 的價值不在「最便宜」，而在「最有掌控力」。別人為了搶 Nvidia 的貨焦慮時，Google 有一條自己能調度的晶片線。
但這條護城河有邊界。產能不夠時，Google 一樣得向外租 Nvidia GPU：據 CNBC 等媒體引述 SpaceX 申報文件，它從 2026 年 10 月起每月付約 9.2 億美元，向 SpaceX 租約 11 萬顆 GPU 當過渡產能。晶片本身也仍得靠台積電、HBM 與先進封裝。Google 比誰都更接近晶片自主，但還沒真正做到。