在這波 AI 競賽裡，多數公司都得排隊向 Nvidia 買 GPU。Google 是個例外，它有一張別人沒有的牌：自己設計的 AI 晶片，TPU。
這張牌讓它成為所有 AI 大廠裡，對 Nvidia 依賴最低的一家。當對手把大筆預算交給 Nvidia、還要看貨源臉色時，Google 大量的訓練與推理跑在自家 TPU 上。想先認識 Google 這家公司的全貌，可以從 Google 是什麼公司 開始。
這篇只回答一個問題：自己做晶片，到底替 Google 省了多少、這個護城河有多深、又有哪些它跨不過去的坎。
一句話定調。 TPU 是真的省，但省的是 Google 自己的大規模算力；它沒有讓 Google 跳出那條從台積電到 HBM 的全球供應鏈。
TPU 是 Google 的自家 AI 晶片
TPU 全名是 Tensor Processing Unit，是 Google 為了跑自家 AI 運算、量身打造的晶片，屬於專用型的 ASIC。它不在市面上零售，主要供 Google 內部使用，也透過 Google Cloud 租給企業。
Google 做 TPU 已經做了十年，一代一代往上堆。最新對外的是第七代 Ironwood，官方把它定位成「推論時代的第一款 TPU」，每瓦效能比上一代 Trillium 再提升一截。再往後是第八代，Google 做了一件以前沒做過的事：把訓練和推論拆成兩款不同的晶片設計，各自最佳化。
晶片背後的原理這篇就不展開了，想看 TPU 跟 GPU 差在哪、ASIC 是什麼，可以讀我們供應鏈系列的 AI 加速晶片解析 與 TPU 專篇。
自己做晶片，到底省在哪
最直接的證據來自 Google 自己的財報。2025 年的法說會上，Google 說當年把 Gemini 的單位服務成本壓低了大約 78%，來源是模型最佳化加上自家硬體的效率與使用率提升。
省的邏輯有兩層。一層是繞過中間商的利潤：自己設計晶片，不必用零售價向 Nvidia 買 GPU。另一層是量身打造：TPU 是為 Google 自己的工作負載設計的，跑起來更對症下藥。有分析師估算，最新一代 TPU 在特定的大型語言模型訓練任務上，總持有成本可比 Nvidia 同級晶片低約四成。
這裡要誠實補一刀，免得讀者把優勢想得太滿。那個四成是分析師針對「最佳化過的自用場景」的估算，會因工作負載而異。在通用的、隨點隨用的雲端推理上，獨立評測顯示 Nvidia 生態目前仍有明顯領先。換句話說，TPU 最省的地方，是 Google 自己那種跑超大批量、可以慢慢排程的工作，而不是對外賣的每一種算力。
一條龍的背後，是一張很長的供應鏈
「自研晶片」聽起來像 Google 什麼都自己來，實際上它靠的是一整排夥伴。
晶片的架構由 Google 主導，但設計協力分給了好幾家：最新世代的訓練晶片由 Broadcom 協同設計，雙方合約一路簽到 2031 年；推論晶片則由台灣的聯發科（MediaTek）承接；Google 還在跟 Marvell 洽談第三家設計夥伴。真正把晶片造出來的，是台積電的先進製程，第八代 TPU 鎖定 2nm，預計 2027 年底量產。
記憶體這一塊更微妙。TPU 需要大量的 HBM（高頻寬記憶體），據業界報導，三星近期供應 Google TPU 的 HBM 比重偏高，但這是產業消息、不是三家記憶體廠的官方數字，確切分配 Google 從未公開。先進封裝（CoWoS）的需求也跟著暴增，同樣卡在台積電的產能上。
把這些串起來看，Google 確實比那些只能外購 GPU 的對手更有掌控力，但它沒有真正跳出全球供應鏈。台積電的產能、HBM 的供給、先進封裝的瓶頸，全是當前業界搶破頭的環節，也全在美國出口管制的範圍內。整條鏈怎麼運作，可以看 AI 硬體供應鏈一條龍。
連對手都來租它的晶片
TPU 的實力，從一個有點弔詭的地方看得最清楚：Google 的對手也在用它的晶片。
Anthropic 簽下了 Google 史上最大的 TPU 採購協議，規模上看百萬顆等級；市場也傳出 Meta 在跟 Google 洽談大筆 TPU 部署。最有戲的是 Anthropic 這條線，Google 一邊砸重金投資它、一邊把算力租給它，三角關係相當複雜，這部分我們在 Google 為什麼投資對手 Anthropic 裡專門拆過。
對手願意把訓練下一代模型這種要緊事交給 TPU，本身就是對它性價比的一張背書。
晶片要電，電從哪來
晶片只是故事的一半，另一半是電。這麼大規模的 AI 運算，吃電量驚人，能源於是變成 Google 的另一條戰線。
它的押注分兩路。一路是核能：Google 跟 Kairos Power 簽了協議，計畫在 2030 到 2035 年間部署最高 500 MW 的小型模組化反應爐（SMR）來供電，第一座目標 2030 年上線。另一路是再生能源：它在德州簽下 1 GW 的太陽能購電協議，在多個美國電力市場另簽了逾 1 GW 的合約，還在 2026 年初花 47.5 億美元收購了清潔能源與資料中心基礎設施公司 Intersect Power，目的就是把電力來源先綁住，免得擴張卡在沒電可用。
能源這條線會跟著資料中心一起長，是看 Google AI 布局時容易被忽略、卻越來越關鍵的一塊。
還沒攤開的部分
這個主題有不少數字停在「業界報導」階段，這裡誠實標出來：
- HBM 供應商的確切比重：三星近期供應比重偏高的說法來自產業消息與韓國媒體，三家記憶體廠都沒出面確認，確切分配未公開。
- TPU 占台積電產能的比例：有聯發科訂單的推估，但 Google 自己占台積電多少先進製程與封裝產能，官方從未揭露。
- Ironwood 的製程節點：業界指向台積電 3nm，但 Google 官方沒有公布。
- TPU 與 Nvidia 的內部採購比例：Alphabet 財報沒有把自用 TPU 與外購 GPU 的金額分開揭露。
這些都還沒有官方定論，看到再精確的單一數字，都值得多留一個問號。
小企鵝的觀察
把 TPU 這張牌拉遠看，它的價值不在「最便宜」，而在「最有掌控力」。
當別人為了搶 Nvidia 的貨而焦慮、為了採購價而頭痛時，Google 手上有一條自己能調度的晶片線，這在算力即國力的當下，是很硬的底氣。但這條護城河有它清楚的邊界：它最省的是自用的大規模算力，不是對外賣的每一度；而且它的水源，依然是那條從台積電、HBM 到先進封裝的全球供應鏈。Google 比誰都更接近「晶片自主」，卻還沒有人能真正做到。