不只找博通！Google传携手AMD打造第10代TPU！Wedbush：可能撼动半导体产业
Google传出正寻求AMD(AMD-US)协助开发下一代张量处理器(TPU), 若消息属实, Wedbush Securities认为, 这可能成为半导体产业的重要转折。市场原先普遍认为Google会继续与既有ASIC合作伙伴合作, 因此若AMD加入Google自研AI晶片设计, 不仅意味AMD可能进一步切入客製化AI晶片市场, 也凸显ASIC设计能力与IP的重要性正在快速提升。
根据本周浮出的市场消息, Google母公司Alphabet(GOOGL-US)可能与AMD合作开发第10代TPU。SemiAnalysis报导指出, AMD可能利用自身在CPU、先进封装及网路连接方面的技术, 协助Google设计下一代TPU。相关合作目前仍属市场消息, Google与AMD尚未正式证实。
Wedbush分析师Matt Bryson在给客户的报告中表示, 如果Google真的选择与AMD合作, 而不是Broadcom、Marvell Technology(MRVL-US)或Intel(INTC-US), 将值得高度关注。他指出, 市场近期在这类过渡性客製化晶片专案中经常提及Intel, 因此Google若转向AMD, 对半导体供应链可能具有重大意义。
Bryson认为, 即使目前只是市场传闻, 本身也已凸显两项趋势的重要性。第一是ASIC(特殊应用积体电路)设计能力的价值正在提高, 第二则是IP区块的重要性日益增加。在AI硬体受到先进製程、封装、HBM与资料中心电力等因素限制的环境下, 能够快速整合不同IP与晶片元件的企业, 可能取得更大的竞争优势。
Google长期自行设计TPU, 并将其用于自家AI模型及Google Cloud服务。Google今年4月发布第8代TPU, 首度把产品明确拆分为两款不同用途的晶片, 分别是训练用TPU 8t与推论用TPU 8i。Google表示, 这两款晶片是针对AI代理时代的不同运算需求打造, 并将成为其AI Hypercomputer基础架构的重要组成。
其中, TPU 8t主要针对AI模型训练, Google表示单一Superpod最多可整合9600颗晶片, 提供121 exaflops运算能力及2PB共享记忆体。Google也表示, TPU 8t的运算效能约为前一代的3倍, 能够大幅缩短大型模型训练时间。
TPU 8i则针对推论与强化学习等需要低延迟的工作负载。Google表示, 该晶片配备384MB片上SRAM及288GB HBM, 晶片间互连频宽提高至19.2Tbps, 并搭载专用Collectives Acceleration Engine(CAE), 可将部分片上延迟降低最多5倍。Google估计, TPU 8i的每美元推论效能较前代提升80%。
Google此次产品策略转变, 也反映AI运算需求已从单纯模型训练, 延伸至即时推论、AI代理及强化学习。随着AI模型开始执行多步骤任务, 系统除了需要大量加速器, 也需要更多CPU运算、记忆体及高速网路协同工作, 因而让CPU IP、封装与网路技术的重要性同步提高。
这正是AMD可能切入下一代TPU的重要原因。市场消息指出, AMD除了拥有CPU设计能力, 也累积了chiplet及先进封装经验, 并透过MI300系列建立将CPU、GPU与高频宽记忆体整合至同一平台的能力。外界因此推测, 若Google确实寻求AMD协助, 其目标可能不只是取得单一CPU IP, 而是希望利用AMD在异质运算与封装整合方面的经验打造更複杂的AI加速器。
AMD过去在AI市场主要被视为GPU供应商, 其Instinct系列加速器被定位为辉达(NVDA-US)GPU的替代方案。但如果AMD进一步参与Google TPU这类客製化ASIC专案, 其业务角色将从通用AI加速器供应商扩大至客製化AI晶片设计合作伙伴, 商业模式也可能因此出现新的成长空间。
这项潜在合作同样可能影响Google与Broadcom(AVGO-US)长期的AI晶片合作关係。Google过去在TPU相关ASIC设计与供应链上与Broadcom有密切合作, 因此若Google真的让AMD参与下一代TPU, 市场将进一步观察Google是否正在分散客製化AI晶片供应商, 或只是针对特定功能引进新的IP与设计能力。
Wedbush特别指出, Google如果选择AMD, 而非Broadcom、Marvell或Intel, 并不代表客製化AI晶片市场是零和游戏。相反地, AI基础设施受到供应限制的情况下, 对ASIC设计能力与IP的需求正在同步增加, 不同企业仍可能透过提供特定元件、IP或设计服务从AI硬体投资潮中受益。
Google本身也持续大幅增加AI基础设施投资。公司先前表示, 2026年资本支出预计达1750亿至1850亿美元, 并将超过一半投入云端与机器学习相关基础设施。Google除了自行开发TPU, 也持续採用辉达GPU, 显示大型云端服务商目前并非只依赖单一种类的AI晶片, 而是透过不同加速器满足训练、推论及其他工作负载。
这种多架构策略可能成为AI晶片市场下一阶段的重要趋势。Google一方面持续投入自研TPU, 另一方面也使用辉达GPU, 如果再加入AMD的CPU、封装或ASIC设计能力, 将进一步形成由自研晶片、通用GPU及第三方IP共同构成的AI运算平台。
对AMD而言, 若合作最终获得证实, 最大意义可能不只是取得一笔晶片设计业务, 而是证明其技术能力已能进一步延伸至全球最大AI基础设施业者之一的客製化ASIC平台。这将有机会提升AMD在AI半导体供应链中的战略地位, 并为未来争取其他大型云端服务商的客製化晶片订单提供案例。
对Google而言, 引入AMD则可能是为了应对AI模型快速演进带来的硬体需求变化。Google目前的TPU设计已开始将训练、推论及强化学习等工作负载进行细分, 未来若AI代理需要更多CPU运算与更複杂的资料流处理, CPU与加速器之间的整合程度可能进一步提高。
不过, 目前市场仍缺乏Google与AMD正式确认合作的公开资讯, 因此外界仍无法确定AMD究竟会在第10代TPU中扮演什么角色, 也无法确认相关晶片的具体架构、製程、上市时间或商业规模。现阶段较明确的是, 市场已开始将AMD视为Google下一阶段客製化AI晶片布局的潜在重要合作伙伴。
若合作最终落地, 其影响可能远超单一产品。AI晶片竞争正从GPU运算能力延伸至ASIC、CPU IP、chiplet、先进封装、高速网路及HBM等整体系统能力。Google若选择AMD参与下一代TPU, 将进一步证明AI硬体市场的竞争已从谁拥有最强加速器转向谁能最快整合完整运算平台。