TPU 是什麼？TPU 與 GPU 差在哪？有什麼優點？TPU 概念股有哪些？

根據《The Information》報導，Meta 正與 Google 洽談數十億美元 TPU 晶片採購，並可能自 2027 年起在資料中心使用 Google TPU。外媒 Reuters 也指出，若交易成真，將代表 Google TPU 不再只是 Google 自家雲端與 AI 模型訓練工具，而是開始更積極走向外部大型客戶市場，成為 NVIDIA GPU 之外的重要 AI 加速器選項。

在市場高度依賴 NVIDIA GPU 的背景下，TPU 逐漸被視為 AI 晶片市場最受關注的替代方案之一。尤其當 Google 持續推出新世代 TPU，並把 TPU 透過 Google Cloud 對外提供服務時，AI 晶片競爭已不再只是 GPU 之戰，而是逐步走向「GPU、ASIC、TPU、自研晶片」並行的多元格局。

本文將帶你一次看懂 TPU 是什麼、TPU 和 GPU 差在哪、Google 最新 TPU 規格、TPU 概念股有哪些，以及聯發科為什麼也被市場放進 TPU 與 AI ASIC 供應鏈觀察名單。

TPU 是什麼？

TPU（Tensor Processing Unit，簡稱 TPU）中文名稱是張量處理單元，又稱為張量處理器，是由 Google 開發的特定應用積體電路（ASIC），專門用於加速機器學習。與一般用於多用途計算的 CPU、GPU 不同，TPU 專門針對深度學習中的「矩陣運算」進行最佳化，能在更低耗能下，快速處理大量 AI 模型訓練與推論工作。對企業來說，TPU 最大的價值在於能提升 AI 專案的效率與成本效益，尤其在大型語言模型（LLM）、圖像辨識及金融風險建模等領域表現突出。TPU 目前主要透過 Google Cloud 提供服務，是 Google 在 AI 競爭中的核心武器，也成為企業在雲端部署高效能 AI 計算時的重要選項。

💡ASIC 相關文章＞＞＞ ASIC 是什麼？ASIC 概念股有哪些？ASIC 將會是未來趨勢？

TPU 應用領域

TPU 主要應用在需要大量矩陣運算的 AI 場景，如深度學習模型訓練、自然語言處理（NLP）、圖像與語音辨識等，共通點是資料量龐大、運算需求高，TPU 能以更高效能處理，使模型訓練時間大幅縮短；在終端應用中，TPU 特別受到科技、電商與金融業青睞，例如用於搜尋引擎排序、推薦系統、詐欺偵測與風險評估。另外，隨著生成式 AI 興起，TPU 已成為支撐大型語言模型（LLM）與多模態模型的重要算力基礎，企業透過 Google Cloud 使用 TPU，不僅能降低硬體投資成本，也能快速擴展 AI 能力，提升競爭力與市場反應速度。

💡AI 相關文章＞＞＞人工智慧是什麼？ AI 人工智慧應用有哪些？AI 概念股介紹！

Google TPU 規格：Ironwood 是什麼？

Google 在 2025 年 Google Cloud Next 大會上發表第七代 TPU「Ironwood」。Ironwood 是 Google 首款專為「推論時代」設計的 TPU，目標是支援大型語言模型、混合專家模型，以及更複雜的推理型 AI 工作負載。Google 表示，Ironwood 可提供 256 顆晶片與 9,216 顆晶片兩種 Pod 規模配置，以支援不同規模的 AI 工作負載。

Google Cloud 文件也指出，TPU7x，也就是 Ironwood 世代，設計目標是支援大規模 AI 訓練與推論，尤其適合大型 dense 模型、MoE 模型、pre-training、sampling 與 decode-heavy inference 等場景。

TPU 與 GPU 差異：哪個更適合 AI?

TPU 與 GPU 都可以作為 AI 訓練與推論的核心硬體，但定位與效能表現各有優勢，TPU 專門用來進行 AI 深度學習，能在大型模型訓練與 AI 推論中，提供更高的能效比；GPU 則具備通用性強、生態成熟、開發工具完整等優點，特別適合研究、模型開發與進行多樣化 AI 工作。整體而言，若需求是大規模訓練與雲端部署，TPU 更具成本與效能優勢；若注重彈性、開發自由度與相容性等，GPU 仍是更全面的選擇。

💡GPU 相關文章＞＞＞ GPU 是什麼？GPU 概念股有哪些？黃仁勳為什麼大推 GPU？

TPU 的優點與缺點

TPU 優點

1. 專為 AI 加速設計，效能/瓦數（Performance per Watt）極高。
2. 把多個 TPU 組合在一起，可以變成一個超大、超快的訓練系統（TPU Pod）。
3. 與 Google 生態深度整合，部署效率高。

TPU 缺點

1. 硬體生態封閉，過度依賴 Google Cloud，選擇性少。
2. 開發工具與社群相對不如 GPU 成熟。
3. 通用性不如 GPU，高度偏向深度學習運算。

聯發科為什麼和 TPU 題材有關？

聯發科過去最被市場熟悉的業務是手機 SoC、智慧裝置、Wi-Fi、AIoT、車用與電源管理 IC。不過，隨著雲端 AI ASIC 與 TPU 題材升溫，聯發科也逐漸被市場納入 Google TPU 與 AI ASIC 供應鏈的觀察名單。

聯發科可能取得 Google TPU v7e、v8e 相關訂單，並向台積電爭取更多 3 奈米與 CoWoS 產能。TrendForce 引述市場消息指出，聯發科原先據稱為 Google 專案取得約 1 萬片 CoWoS 年產能，後續因 v7e 需求升溫，相關需求可能上修。這類報導尚非聯發科或 Google 官方正式揭露，但已成為市場評價聯發科 AI ASIC 題材的重要依據之一。

更重要的是，聯發科在 2026 年第一季法說會中已明確指出，為美國 hyperscale 客戶開發的第一個 AI accelerator ASIC 專案進展順利，預期 2026 年第四季貢獻約 20 億美元營收，2027 年擴大至數十億美元規模。這代表聯發科的成長敘事已從手機晶片，逐步延伸到雲端 AI ASIC 與資料中心基礎設施。

即使 Google TPU 相關合作細節仍有待官方進一步確認，聯發科已經具備切入 hyperscaler AI ASIC 的明確方向。若未來 Google TPU、雲端 AI ASIC 或其他 CSP 自研晶片專案持續放量，聯發科將不再只是邊緣 AI SoC 供應商，也可能成為雲端 AI ASIC 供應鏈中的重要角色。

TPU 概念股

TPU 概念股與 AI 晶片、雲端與資料中心產業鏈緊密連動，涵蓋上游的晶片設計與製造，中游的 AI 伺服器組裝，到下游的零組件與散熱等廠商。近期 Google 積極推動 TPU 發展，以及企業尋求分散對 NVIDIA 晶片的依賴，帶動台股 TPU 概念股走勢強勁，也同步推升伺服器、散熱與光通訊等族群表現，TPU 概念股有望成為 AI 概念後的新一波資金焦點，以下介紹熱門的 TPU 概念股。

除了以上台股的 TPU 概念股，美股也有許多股票與 TPU 領域相關，美股 TPU 概念股包含 Alphabet Inc.(GOOG)、博通(AVGO)、Meta Platforms, Inc.(META)等，佈局美股的投資人可以多加關注。

💡散熱相關文章 ＞＞＞ 水冷散熱是什麼？水冷散熱概念股有哪些？水冷散熱概念股未來展望？
💡光通訊相關文章＞＞＞ CPO 是什麼？CPO 概念股有哪些？CPO 可以投資嗎？

未來趨勢與展望：TPU 會改變 AI 晶片市場嗎?

TPU 確實有機會改變 AI 晶片市場，但比較精準的說法是「TPU 讓 AI 加速器市場變得更多元」。

根據 The Business Research Company 於 2026 年發布的 TPU 市場報告，全球 TPU 市場規模預估將由 2025 年的 69.5 億美元成長至 2026 年的 93.4 億美元，年增幅度約 34.4%；並預估 2030 年市場規模將進一步達 301.7 億美元，2026 至 2030 年複合成長率約 34.0%。這代表 TPU 雖然目前市場規模仍小於 GPU，但在 AI 訓練、AI 推論、雲端服務與企業 AI 應用需求推升下，仍具備高速成長空間。

TPU 成長的第一個關鍵，是 Google 是否能把 TPU 從自家 AI 基礎設施，推向更多外部大型客戶。過去 TPU 主要服務 Google 內部模型與 Google Cloud 客戶，但隨著 Meta 傳出與 Google 洽談數十億美元 TPU 採購，市場開始關注 TPU 是否有機會從「Google 內部 ASIC」變成外部 CSP 也願意採用的 AI 加速器。若 Meta 等非 Google 客戶真的導入 TPU，將代表 TPU 商業化進入新階段。

第二個關鍵，是 Google 能否補強 TPU 的軟體生態。NVIDIA 最大優勢之一在於 CUDA 與 PyTorch 生態成熟，而 Google 過去 TPU 生態相對封閉，較依賴 JAX 與 Google Cloud。Reuters 報導指出，Google 正與 Meta 合作強化 PyTorch 在 TPU 上的支援，內部專案稱為「TorchTPU」，目標是降低開發者從 GPU 轉向 TPU 的門檻。若 TPU 能與主流 AI 開發框架更順暢整合，將有助於提高企業採用意願。

第三個關鍵，是 TPU 能否在推論成本、能源效率與大規模部署上，提供比 GPU 更具吸引力的替代方案。Google 第七代 TPU Ironwood 主打「推論時代」需求，設計重點放在大型語言模型、多模態模型與推理型 AI 工作負載。Google 指出，Ironwood 可擴展至 9,216 顆晶片，並提供更高 HBM 容量、頻寬與能源效率，顯示 TPU 發展方向已從單純訓練加速，轉向更龐大的 AI 推論市場。

對 NVIDIA 來說，TPU 的興起代表競爭壓力增加，但並不代表 GPU 地位會立刻被取代。NVIDIA 的優勢仍在 CUDA、生態系、整機櫃方案與成熟客戶基礎。未來更可能出現的情境是：大型 AI 公司同時使用 GPU、TPU 與自研 ASIC，依不同模型、成本、能效與部署需求選擇最適合的硬體。

結論：TPU 的定位與價值

TPU 是 Google 為 AI 工作負載打造的專用 ASIC，也是 Google 在 AI 競爭中的核心基礎設施。隨著 Ironwood 等新世代 TPU 推出，以及 Meta 傳出可能採購 Google TPU，TPU 正從 Google 內部技術，逐步走向更具商業化與外部供應鏈意義的市場角色。

對 AI 晶片市場來說，TPU 最大的意義，不是立即取代 NVIDIA GPU，而是讓大型雲端業者有更多選擇。當 AI 運算需求快速成長，單靠 GPU 已難以滿足所有成本、能效與供應需求，TPU 與其他 ASIC 將成為 AI 基礎設施的重要補充。

對台股來說，TPU 題材的觀察重點不只在 Google，也包括台積電先進製程與封裝、聯發科 AI ASIC 進展、創意等 ASIC 設計服務商，以及 AI 伺服器、光通訊、散熱、PCB、載板與測試介面供應鏈。尤其聯發科若能持續擴大 hyperscaler AI ASIC 專案，將使其從手機晶片大廠，逐步轉型為橫跨雲端 AI 與邊緣 AI 的 IC 設計公司。

TPU 是 AI 晶片市場多元化的重要訊號。未來 AI 硬體競爭將走向 GPU、TPU、ASIC、自研晶片與系統級架構並行的時代。

【延伸閱讀】

• AI 帶動散熱族群！散熱三雄獲利創高！散熱概念股還可以買？
• Google Notebook LM 完整介紹 ! AI 筆記工具教學、方案費用與免費付費版差異