前面 ASIC 那一關 提過，雲端大廠除了買 NVIDIA，也都在自研 AI 晶片，其中資歷最久的就是 Google 的 TPU。

這篇是 AI 硬體供應鏈一條龍 第 1 關「AI 晶片」的 Google TPU 深入版：TPU 是什麼、和 GPU 差在哪、誰在用、誰幫 Google 做。

TPU 是什麼

TPU 的全名是 Tensor Processing Unit（張量處理器），是 Google 自研、專為機器學習打造的 ASIC（為特定任務量身打造的晶片）。

GPU 是較通用的平行運算晶片，什麼都能算，軟體生態（CUDA）成熟。TPU 則把矩陣運算、HBM 記憶體、晶片互連與編譯器一起設計，專攻 AI 訓練與推論，目標是在成本、功耗與規模化上更划算。打個比方：GPU 像什麼都能切的瑞士刀，TPU 像 Google 為自家那幾道菜訂製的廚刀。

Google 並不是不用 NVIDIA。Google Cloud 同時提供 TPU 和 NVIDIA GPU 兩條產品線。

世代簡史：從第一代到 Ironwood

世代重點
第一代2015 年起在 Google 資料中心內部使用，跑搜尋排序、街景、AlphaGo
第二～四代從推論逐步走向大規模訓練
第五、六代v5e（省成本）、v5p（拚效能），之後是 Trillium（v6e）
第七代 Ironwood（TPU7x）已正式上線；每顆 192GB HBM，單一 pod 串 9,216 顆
第八代 TPU 8t／8i2026 年 4 月公開，8t 管訓練、8i 管推論；截至 2026 年 10 月產品頁仍標示 Coming soon

規格皆為 Google 官方。第八代先理解成「已公開、待上線」，別當成已經能租到。

TPU vs GPU：會取代 NVIDIA 嗎

答案要分「Google 自家」和「整個市場」兩個尺度看。

在 Google 自家，Gemini 的需求能直接影響晶片設計，TPU 優勢明顯。研調 TrendForce 估計，2026 年 TPU 約占 Google 自家 AI 伺服器出貨 78%，Google 是主要雲端業者中唯一 ASIC 出貨多於 GPU 的一家。

放到全球就不同。TrendForce 在 2026 年 4 月估計，用 ASIC（含 TPU）的機種約占全球 AI 伺服器 27%，GPU 仍是多數。NVIDIA 的護城河在 CUDA 生態與跨雲通用性，外部開發者改用 TPU 也有遷移成本。所以短期是並存與分工，不是取代。

誰在用 TPU

Google 自家的搜尋、Gemini 都跑在 TPU 上。外部用戶過去主要透過 Google Cloud 租用；Alphabet 財務長在 2026 年 7 月法說會表示，Google 在第二季首次把 TPU 系統直接交付到客戶自己的資料中心，這類合約的營收大多會在 2027 年認列。

最受矚目的外部客戶是 Anthropic。它在 2025 年 10 月宣布擴大採用 Google Cloud TPU，最多上看百萬顆、2026 年帶來逾 1GW 容量；2026 年 4 月再與 Google、博通簽約，2027 年起透過博通取得約 3.5GW 的次世代 TPU 算力。

但 Anthropic 不只押 TPU，也用 AWS Trainium 與 NVIDIA GPU；AMD 也在 2026 年 8 月宣布，Anthropic 將部署最多 2GW 的 MI450。多家並用，是大型 AI 公司的常態。

誰幫 Google 做 TPU、台廠的角色

TPU 的架構與軟體由 Google 自己掌握，細部設計、製造與封裝則找夥伴。

最明確的是博通（Broadcom）。博通在 2026 年 4 月的 SEC 文件中確認，會為 Google 未來世代的 TPU 做客製設計與供應，並提供 AI 機櫃的網路元件，合作期間到 2031 年。

製造端目前只有媒體報導。據 TrendForce 2026 年 8 月引述工商時報，第八代 TPU 採台積電 N3P 製程與 CoWoS-S 封裝，聯發科參與晶片設計。Google 官方沒有公開製程節點，也沒有證實聯發科的角色。

台股常講的「TPU 概念股」（設計服務、測試、封測、載板、散熱電源等），名單多來自券商的供應鏈推測，不是 Google 或博通的公告；列名不代表已接到訂單。本文只描述產業角色，不構成投資建議。

小企鵝的總結

TPU 是「自家需求大到值得自己做晶片」的代表：Google 用垂直整合換成本與能效，現在還開始把 TPU 送進客戶自己的機房。

但看 TPU 消長，要分清楚 Google 自家配比和全球市場，也要分清楚官方公告和供應鏈報導。TPU 是 NVIDIA 之外的一條重要路線，但還不是替代品。

想看 TPU 屬於哪一類晶片，讀 ASIC 是什麼；想看 GPU 那一邊，讀 GPU 是什麼 與 Blackwell；想看這些晶片怎麼餵資料，讀 HBM；想回頭看整條鏈，回到 供應鏈總覽。