不只找博通！Google傳攜手AMD打造第10代TPU！Wedbush：可能撼動半導體產業

Google傳出正尋求AMD(AMD-US)協助開發下一代張量處理器(TPU), 若消息屬實, Wedbush Securities認為, 這可能成為半導體產業的重要轉折。市場原先普遍認為Google會繼續與既有ASIC合作夥伴合作, 因此若AMD加入Google自研AI晶片設計, 不僅意味AMD可能進一步切入客製化AI晶片市場, 也凸顯ASIC設計能力與IP的重要性正在快速提升。

根據本周浮出的市場消息, Google母公司Alphabet(GOOGL-US)可能與AMD合作開發第10代TPU。SemiAnalysis報導指出, AMD可能利用自身在CPU、先進封裝及網路連接方面的技術, 協助Google設計下一代TPU。相關合作目前仍屬市場消息, Google與AMD尚未正式證實。

Wedbush分析師Matt Bryson在給客戶的報告中表示, 如果Google真的選擇與AMD合作, 而不是Broadcom、Marvell Technology(MRVL-US)或Intel(INTC-US), 將值得高度關注。他指出, 市場近期在這類過渡性客製化晶片專案中經常提及Intel, 因此Google若轉向AMD, 對半導體供應鏈可能具有重大意義。

Bryson認為, 即使目前只是市場傳聞, 本身也已凸顯兩項趨勢的重要性。第一是ASIC(特殊應用積體電路)設計能力的價值正在提高, 第二則是IP區塊的重要性日益增加。在AI硬體受到先進製程、封裝、HBM與資料中心電力等因素限制的環境下, 能夠快速整合不同IP與晶片元件的企業, 可能取得更大的競爭優勢。

Google長期自行設計TPU, 並將其用於自家AI模型及Google Cloud服務。Google今年4月發布第8代TPU, 首度把產品明確拆分為兩款不同用途的晶片, 分別是訓練用TPU 8t與推論用TPU 8i。Google表示, 這兩款晶片是針對AI代理時代的不同運算需求打造, 並將成為其AI Hypercomputer基礎架構的重要組成。

其中, TPU 8t主要針對AI模型訓練, Google表示單一Superpod最多可整合9600顆晶片, 提供121 exaflops運算能力及2PB共享記憶體。Google也表示, TPU 8t的運算效能約為前一代的3倍, 能夠大幅縮短大型模型訓練時間。

TPU 8i則針對推論與強化學習等需要低延遲的工作負載。Google表示, 該晶片配備384MB片上SRAM及288GB HBM, 晶片間互連頻寬提高至19.2Tbps, 並搭載專用Collectives Acceleration Engine(CAE), 可將部分片上延遲降低最多5倍。Google估計, TPU 8i的每美元推論效能較前代提升80%。

Google此次產品策略轉變, 也反映AI運算需求已從單純模型訓練, 延伸至即時推論、AI代理及強化學習。隨著AI模型開始執行多步驟任務, 系統除了需要大量加速器, 也需要更多CPU運算、記憶體及高速網路協同工作, 因而讓CPU IP、封裝與網路技術的重要性同步提高。

這正是AMD可能切入下一代TPU的重要原因。市場消息指出, AMD除了擁有CPU設計能力, 也累積了chiplet及先進封裝經驗, 並透過MI300系列建立將CPU、GPU與高頻寬記憶體整合至同一平台的能力。外界因此推測, 若Google確實尋求AMD協助, 其目標可能不只是取得單一CPU IP, 而是希望利用AMD在異質運算與封裝整合方面的經驗打造更複雜的AI加速器。

AMD過去在AI市場主要被視為GPU供應商, 其Instinct系列加速器被定位為輝達(NVDA-US)GPU的替代方案。但如果AMD進一步參與Google TPU這類客製化ASIC專案, 其業務角色將從通用AI加速器供應商擴大至客製化AI晶片設計合作夥伴, 商業模式也可能因此出現新的成長空間。

這項潛在合作同樣可能影響Google與Broadcom(AVGO-US)長期的AI晶片合作關係。Google過去在TPU相關ASIC設計與供應鏈上與Broadcom有密切合作, 因此若Google真的讓AMD參與下一代TPU, 市場將進一步觀察Google是否正在分散客製化AI晶片供應商, 或只是針對特定功能引進新的IP與設計能力。

Wedbush特別指出, Google如果選擇AMD, 而非Broadcom、Marvell或Intel, 並不代表客製化AI晶片市場是「零和遊戲」。相反地, AI基礎設施受到供應限制的情況下, 對ASIC設計能力與IP的需求正在同步增加, 不同企業仍可能透過提供特定元件、IP或設計服務從AI硬體投資潮中受益。

Google本身也持續大幅增加AI基礎設施投資。公司先前表示, 2026年資本支出預計達1750億至1850億美元, 並將超過一半投入雲端與機器學習相關基礎設施。Google除了自行開發TPU, 也持續採用輝達GPU, 顯示大型雲端服務商目前並非只依賴單一種類的AI晶片, 而是透過不同加速器滿足訓練、推論及其他工作負載。

這種「多架構」策略可能成為AI晶片市場下一階段的重要趨勢。Google一方面持續投入自研TPU, 另一方面也使用輝達GPU, 如果再加入AMD的CPU、封裝或ASIC設計能力, 將進一步形成由自研晶片、通用GPU及第三方IP共同構成的AI運算平台。

對AMD而言, 若合作最終獲得證實, 最大意義可能不只是取得一筆晶片設計業務, 而是證明其技術能力已能進一步延伸至全球最大AI基礎設施業者之一的客製化ASIC平台。這將有機會提升AMD在AI半導體供應鏈中的戰略地位, 並為未來爭取其他大型雲端服務商的客製化晶片訂單提供案例。

對Google而言, 引入AMD則可能是為了應對AI模型快速演進帶來的硬體需求變化。Google目前的TPU設計已開始將訓練、推論及強化學習等工作負載進行細分, 未來若AI代理需要更多CPU運算與更複雜的資料流處理, CPU與加速器之間的整合程度可能進一步提高。

不過, 目前市場仍缺乏Google與AMD正式確認合作的公開資訊, 因此外界仍無法確定AMD究竟會在第10代TPU中扮演什麼角色, 也無法確認相關晶片的具體架構、製程、上市時間或商業規模。現階段較明確的是, 市場已開始將AMD視為Google下一階段客製化AI晶片布局的潛在重要合作夥伴。

若合作最終落地, 其影響可能遠超單一產品。AI晶片競爭正從GPU運算能力延伸至ASIC、CPU IP、chiplet、先進封裝、高速網路及HBM等整體系統能力。Google若選擇AMD參與下一代TPU, 將進一步證明AI硬體市場的競爭已從「誰擁有最強加速器」轉向「誰能最快整合完整運算平台」。