黃仁勳來台　GPU可能被TPU打敗？

財經中心／廖珪如報導

自從Gemini 3發表後，其優秀整合Google系統的性能受到青睞，臉書採購Google TPU的消息更讓輝達這兩天股票表現不佳受關注，讓阿宅界掀起一陣自研晶片已經超越GPU的說法，不過，究竟從產業面來看，是否Gemini 3的成功意味輝達護城河將被攻破。

趁著AI霸主黃仁勳感恩節抵達台灣，業界熱議話題前，熟諳科技業的「萬鈞法人視野」在粉專寫下，從台積的投片動能，其實可以很清楚看到未來兩到三年晶片廠商的規劃、市場版圖的變化與強弱起伏。今年第三季開始，Google 在台積的 TPU 投片量明顯上來，那時候大家還看不太懂這背後代表的戰略意涵，但現在回頭看，Gemini 3.0 的能力、Google 打算把 TPU 對外販售、推理 ASIC 的全面加速，其實都在台積的產能規劃裡提早被看得一清二楚。

問題是，市場看到 TPU 一強就立刻把敘事推成「Nvidia 要被威脅」。「萬鈞法人視野」分析，當你真正把供應鏈、產品定位、以及客戶行為放回整體 AI 架構裡，你會發現一件完全相反的事：TPU 很可能不是在削弱 Nvidia，而是在把整個 AI 市場往上推，最後連帶讓 TPU 和 GPU 的需求一起變得更強。

輝達賣的不是GPU？

市場一直搞錯了。Nvidia 賣的不是 GPU，而是時間與效率。TPU 的快速崛起，也一樣不是在賣一顆便宜的 ASIC，而是在把推理階段的大規模成本解決掉，讓 AI 應用有條件走向真正的規模化。這也是為什麼，把「TPU vs Nvidia」想成一場你死我活的戰爭，一開始就是錯的前提。先把視角拉回根本。CUDA、NVLink、整套 AI Infra 是 Nvidia 十多年 headstart 的累積。Google 2016 才公開 TPU、2017 才支援訓練，兩邊在工具鏈、軟體堆疊、生態系成熟度上差距接近一個世代。這不是做出一顆效能高的 ASIC 就能抹平的差距，更不是省下硬體單價就能搬動的基礎建設。這也是為什麼老黃（黃仁勳）會直接講：「即使競爭者把晶片免費送，我們依然比較便宜。」時間成本、電力成本、維運成本、工程工時，是企業真正付錢買的東西，而不是晶片本身。

TPU推動Nvidia變強！

但 TPU 為什麼會讓 Nvidia 的需求變更強？原因很直白：推理成本被壓低後，AI 的使用量會爆炸成長。越多企業能負擔 AI，模型就會越大、越複雜，訓練需求會越來越高。這些訓練 workload 最後回到哪裡？答案顯而易見：Nvidia。你可以說 TPU 在擴大 AI 的地基，而 Nvidia 則站在那座地基上往上長。這兩個力量不是抵銷，而是互相推動。

「萬鈞法人視野」解釋，這也是為什麼 Google 自己明明有能力 100% 使用 TPU，卻仍然是 Nvidia 的大客戶。因為 TPU 與 GPU 的分工從架構上就不衝突：海量推理用 ASIC、複雜推理與訓練用 GPU。兩者在成本、彈性與開發者支援上有完全不同的定位。而只要你把台積的投片規劃、Google 的推理策略、以及 Nvidia 的工具鏈生態放在同一張地圖上，就會看到真正的 AI 終局：混合架構。不是 ASIC 幹掉 GPU、不是 GPU 擠死 TPU，而是 CPU + GPU + ASIC 同時存在，把各自最擅長的工作做到極致。

Gemini 3成功催化AI旺盛

這樣的架構最能壓 TCO，也最能壓 Time-to-Result，而這兩項才是真正決定企業會把錢花在哪的關鍵。最後回到那句最重要的結論：市場以為 TPU 的崛起會威脅 Nvidia，但真實世界往往比敘事還務實。TPU 不是 Nvidia 的風險，而是讓整個 AI 市場變得更大的催化劑。當推理成本下降、使用量爆炸、模型變更大，訓練需求自然會回到 Nvidia。從台積的產能到雲端龍頭的 roadmap，線都連在一起。真正的戰場不是晶片規格，而是時間、效率與生態系。看懂這點，就不會被短線敘事帶著走。

市場沒意識到的盲點

大家看到 Gemini 3.0 這麼強，就一股腦把所有功勞都歸給 TPU。然而 Google 從來沒有義務公開整套運算架構，Gemini 很可能是 TPU 加 GPU 的混合架構，只是 Google 沒必要特別說明。這反而形成一個極高明的商業策略：讓外界誤以為「這一切都是 TPU 的功勞」，自然也就更有理由把 TPU 對外販售。