《路透》周三(17日)援引知情人士消息報導，Google(GOOGL-US)正展開一項全新行動，試圖從軟體層面削弱輝達(NVDA-US)在人工智慧(AI)運算市場的長期優勢。據悉，Google正在推動一項內部稱為「TorchTPU」的新計畫，目標是讓自家AI晶片TensorProcessingUnits(TPU)能更順暢地執行全球最廣泛使用的AI軟體框架PyTorch，藉此降低開發者轉向輝達GPU以外選項的門檻。這項行動被視為Google積極強化TPU競爭力的重要一環。隨著TPU銷售逐漸成為Google雲端事業的重要成長動能，Google也面臨投資人檢視其AI投資是否能轉化為實際營收的壓力。然而，單靠硬體性能並不足以改變市場結構，軟體生態系才是影響晶片採用度的關鍵。補齊軟體短板TorchTPU直指輝達護城河知情人士指出，「TorchTPU」計畫的核心目標，在於消除TPU長期以來的一大障礙——與PyTorch的相容性不足。多數AI開發者的技術架構早已建立在PyTorch之上，若要改用TPU，往往必須額外投入時間與成本，將程式改寫為Google偏好的Jax框架，這也成為TPU推廣的主要瓶頸。Google過去曾嘗試改善TPU對PyTorch的支援，但此次在組織層級、資源投入與策略重要性上，明顯高於以往。隨著企業對AI運算需求快速成長，愈來愈多潛在客戶向Google反映，軟體堆疊而非硬體性能，才是阻礙TPU採用的最大問題。PyTorch是一個由Meta(META-US)大力支持的開源專案，自2016年推出以來，已成為AI模型開發的主流工具。矽谷多數工程師並不會直接為輝達、超微(AMD-US)或Google的晶片撰寫底層程式碼，而是透過PyTorch這類框架，利用既有函式庫與工具來加速AI開發流程。輝達多年來持續優化CUDA軟體，確保PyTorch在其GPU上能以最高效率運行，這也被華爾街分析師視為輝達最難以撼動的競爭優勢之一。相較之下，Google長期仰賴自家Jax框架與XLA編譯工具，導致內部使用情境與客戶需求之間出現落差。TPU走向商業化Google雲端承擔成長壓力Alphabet過去多將TPU保留給內部使用，直到2022年，Google雲端部門成功爭取接手TPU銷售權限，才開始大規模對外供應。隨著AI熱潮推升算力需求，Google持續擴大TPU產能，並將其定位為輝達GPU的替代方案之一。不過，PyTorch與Jax之間的差異，使得多數企業客戶即使有意採用TPU，也難以在不進行額外工程調整的情況下，達到與輝達GPU相近的效能。這樣的轉換成本，在競爭激烈、節奏快速的AI市場中，成為企業卻步的重要因素。若TorchTPU計畫順利推進，將有助於大幅降低企業轉換晶片平台的成本，削弱輝達在軟體層面的鎖定效應。長期以來，輝達不僅在硬體上領先，更透過深度整合CUDA與PyTorch，建立起高度黏著的生態系。Google雲端發言人未對計畫細節發表評論，但向《路透》表示，Google正同時看到TPU與GPU基礎設施需求快速成長，公司的重點在於提供客戶彈性選擇，而非綁定單一硬體架構。攜手Meta合作加速挑戰輝達主導地位為加快開發進度，Google正與PyTorch的主要推手Meta密切合作。知情人士指出，雙方已就Meta取得更多TPU資源展開討論，相關消息先前已由《TheInformation》披露。Meta對改善TPU軟體支援具高度戰略興趣。透過降低推論成本並分散對輝達GPU的依賴，Meta可在AI基礎設施談判中取得更大彈性與籌碼。早期合作模式多為Google代管服務，由Google負責營運與維護TPU系統。今年以來，Google已開始將TPU直接銷售至客戶自有資料中心，而非僅限於Google雲端平台。與此同時，Google任命資深工程主管AminVahdat出任AI基礎設施負責人，直接向執行長皮查伊(SundarPichai)報告，凸顯AI算力在公司戰略中的地位。Google需要這套基礎設施，不僅是為了支撐自家Gemini聊天機器人與AI搜尋等產品，也為了滿足Google雲端客戶需求，包括Anthropic等AI公司。隨著軟體相容性問題逐步改善，TPU能否真正撼動輝達在AI運算市場的主導地位，將成為市場關注焦點。
