Google競爭激烈 TPU晶片助慳數十億

分析師指Google可因ASIC服務商競爭而節省數十億美元AI芯片成本

根據Bernstein分析師最新報告，Google自家設計的人工智能芯片Tensor Processing Units（TPUs）有望因應應用專用積體電路（ASIC）服務提供商之間日益激烈的競爭，每年節省數十億美元成本。

報告指出，現時TPU在「每美元性能」方面，相較於現代GPU約有4倍優勢，但這只是計算芯片本身的購置成本。若將軟件、研發及封裝等系統整體成本納入考慮，TPU依然可帶來1.5至4倍的成本節省，顯示其在特定AI工作負載上的經濟效益不容忽視。

這種成本優勢主要源自競爭對手GPU的高利潤率。Bernstein指出，TPU與GPU在物料成本（包括記憶體及晶圓代工費用）上的差異僅約1.3至2.4倍，但其餘成本差距則來自NVIDIA等GPU供應商高達70%或以上的毛利率。

隨著大型AI模型訓練的規模和成本迅速增長，硬件效率提升卻相對緩慢，Bernstein認為ASIC如TPU的使用將成為必要之舉。分析師強調「摩爾定律已不敷應用」，因其每年僅能將每次運算成本降低25%至40%，而模型規模則以約3.5倍速度增長。

目前，部分大型雲端服務商如Amazon和Google已自行開發ASIC，但Meta、Microsoft、OpenAI及xAI等仍依賴外部供應商。Bernstein預計，儘管需求可能存在波動並有新客戶加入，ASIC市場長遠仍會持續擴大。

—

評論與啟示

這份報告揭示出AI硬件市場一個鮮明的趨勢：隨著AI模型複雜度和規模的爆炸式增長，傳統GPU的成本和效率瓶頸日益明顯，推動了ASIC芯片的崛起。Google透過自行設計TPU，不僅在性能上取得優勢，更在成本控制上具備明顯競爭力，這將為其在AI領域的持續創新和商業化帶來巨大助力。

同時，NVIDIA等GPU巨頭的高毛利率反映出產業鏈中存在的價值分配不均，這為新興ASIC服務商和客戶帶來了更多談判空間與利潤空間。未來，隨著更多企業投入ASIC設計及製造，AI硬件競爭將更趨激烈，或會催生更多技術突破及商業模式革新。

此外，這也提醒我們，單靠硬件性能提升（摩爾定律）已難以滿足AI發展需求，系統整合、軟件優化和專用芯片設計將成為關鍵方向。對香港及亞洲科技產業來說，積極投入ASIC相關技術和生態建設，不僅有助提升本地競爭力，更能搶佔全球AI硬件市場的一席之地。

總括而言，這是AI硬件進化路上的重要里程碑，值得業界持續關注並積極布局。

以上文章由特價GPT API KEY所翻譯及撰寫。