根據《The Information》報導指出,Meta 正與 Google 洽談數十億美元的 TPU 晶片採購,並可能於 2027 年在資料中心使用,在市場過度依賴輝達(NVIDIA) GPU 的背景下,TPU 正逐漸成為最具潛力的替代方案,也意味著 AI 版圖可能迎來新一輪的洗牌。究竟 TPU 是什麼?具備哪些優缺點?TPU 概念股又有哪些值得關注?本篇文章帶完整解析!
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!
TPU 規格
2025 年 4 月 Google Cloud Next 25 大會上,Google Cloud 發表第七代 TPU「Ironwood」,是首次針對優化 AI 推論所設計的 TPU,對比去年發表的第六代 TPU「Trillium」,每瓦效能提升達 2 倍。TPU 的進化不只是純計算力的提升,也反映 Google 的策略從內部使用逐步轉向雲端服務商與大型企業客戶布局,每一代 TPU 都從運算性能、記憶體容量與互連技術大幅改善,成為 Google 推動低成本、高效能 AI 運算基礎設施商業化的重要基礎。
| 資料來源:Google Cloud | |||
| Google TPU 規格比較 | |||
| 規格 | TPU v5e | TPU v6e(Trillium) | TPU 7x(Ironwood) |
| 晶片數/Pod | 8,960 | 256 | 9,216 |
| 尖峰算力(TFLOP) | 459 | 918 | 4,614 |
| HBM 容量(GiB) | 95 | 32 | 192 |
| HBM 頻寬(GB/s) | 2,765 | 1,638 | 7,380 |
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。
| 資料來源:作者整理 | ||
| TPU vs GPU 比較 | ||
| 晶片 | TPU(Tensor Processing Unit) | GPU(Graphics Processing Unit) |
| 代表廠商 | Nvidia、AMD | |
| 設計用途 | AI 深度學習 | 通用型,可處理圖形、AI、HPC 多種工作 |
| 訓練效率 | 大型模型效率高、能效領先 | 單卡效能強,各類模型更彈性 |
| 生態系 | 依賴 Google Cloud,較封閉 | 生態系成熟,選擇多元 |
| 代表性產品 | Ironwood、Trillium、v5e | H100、Blackwell |
💡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
- 專為 AI 加速設計,效能/瓦數(Performance per Watt)極高。
- 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)。
- 與 Google 生態深度整合,部署效率高。
TPU 缺點
- 硬體生態封閉,過度依賴 Google Cloud,選擇性少。
- 開發工具與社群相對不如 GPU 成熟。
- 通用性不如 GPU,高度偏向深度學習運算。
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。
| 資料來源:作者整理 | ||||
| TPU 概念股 | ||||
| 產業 | 股票代碼 | 股票名稱 | 公司介紹 | |
| 晶片製造與設計 | 2330 | 台積電 | Google TPU 晶片代工夥伴 | |
| 2455 | 聯發科 | Google 合作開發 TPU v7 / v8 | ||
| 3443 | 創意 | Google Axion CPU 製程設計服務 | ||
| AI 伺服器組裝 | 2382 | 廣達 | Google AI 伺服器供應商 | |
| 3231 | 緯創 | Google ASIC 專案 | ||
| 6669 | 緯穎 | Google ASIC 專案 | ||
| 2356 | 英業達 | TPU v6 主要供應商 | ||
| 2317 | 鴻海 | ASIC 伺服器解決方案 | ||
| 光通訊 | 3081 | 聯亞 | TPU v7 平台驗證階段主要供應商 | |
| 6442 | 光聖 | TPU 高速傳輸供應商 | ||
| 散熱 | 3017 | 奇鋐 | Google AI 伺服器水冷散熱系統 | |
| IC 載板 | 3037 | 欣興 | AI ASIC 專案的主要 ABF 載板供應商 | |
| PCB、CCL | 2383 | 台光電 | TPU 高階 CCL 材料 M8 供應商 | |
| 2368 | 金像電 | TPU 高層數 PCB 板供應商 | ||
| 測試介面 | 6223 | 旺矽 | Google 探針卡供應商 | |
| 6510 | 精測 | TPU v7 供應商 | ||
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?
根據研調機構 Global Market Insights 的數據顯示,2024 年全球 TPU 產值約為 53 億美元,預估 2025 年全球 TPU 產值將上升至 64 億美元,並於 2034 年來到 379 億美元 ,年複合成長率達 21.9%,其他研調機構也大致認為 TPU 產業的產值在未來 5~10 年約有 20% 以上的年複合成長率,可見在 AI 需求的發展下,TPU 未來將有相當高的成長空間。

根據研調機構 Global Market Insights 的數據顯示,2024 年全球 TPU 終端應用占比為神經網絡訓練 32.5%、邊緣 AI 23.3%、AI 推論處理 16.8%、高速運算 13.8%及其他 13.7%,可以看出 TPU 的應用以 AI 訓練為主,在 AI 需求的快速成長下,TPU 有望成為帶動市場成長的關鍵動能。

結論:TPU 的定位與價值
Google TPU 正在成為 AI 晶片市場的重要變數,隨著大型語言模型(LLM)與生成式 AI 持續成長,企業對高效能、低能耗的 AI 加速器需求迅速增加,而 TPU 在大規模訓練效率、能效比與成本上具有明顯優勢。未來隨著 Ironwood 等新世代 TPU 推向市場,Google 有機會在 AI 訓練與推論領域挑戰 NVIDIA GPU 的主導地位,雖然 TPU 生態系仍相對封閉,但若 Google 持續擴大生態系與雲端服務,TPU 將可能成為企業建置 AI 基礎設施的主力選項,並在全球 AI 晶片競局中扮演關鍵角色。
【延伸閱讀】