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可能进一步切入客制化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制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硬体受到先进制程、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复杂的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这类客制化ASIC专案, 其业务角色将从通用AI加速器供应商扩大至客制化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晶片合作关系。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是否正在分散客制化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, 并不代表客制化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, 也持续采用辉达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制化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制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运算与更复杂的资料流处理, 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、制程、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下一阶段客制化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」。