Meta 倒戈 Google 晶片，輝達股價急跌 7% 回應：我們在業界「領先一個世代」

Meta 考慮改用 Google TPU，加速 AI 晶片版圖變動 — 挑戰 NVIDIA 主導地位

在 2025 年 11 月，一則震撼科技與金融市場的消息曝光：Meta 正洽談以數十億美元購買 Google 自研的 AI 晶片 — 即 Tensor Processing Unit (TPU)，計畫從 2027 年起在其資料中心部署。此消息一出，震盪效應迅速蔓延。

股價震盪 — Google 上漲、NVIDIA 下跌

• Google 的母公司 Alphabet 股價在消息公布後快速上漲，不少分析師視為其雲端與 AI 晶片策略獲得重大認可。
• 相對地，Meta 傳聞曝光後，NVIDIA 股價一度急跌 7% 後收窄至 2.6%，單日市值蒸發超過 2000 億美元。

然而，公司對此在 X 上回應：「很高興看到 Google 的成功，他們在 AI 領域取得巨大進展，而我們也持續為 Google 供貨。」這句看似客氣的表態實際上提醒市場，Google 自己也是 NVIDIA GPU 的大客戶，兩家公司並非完全對立關係。

NVIDIA 意味深長地表示：

「我們仍領先整個產業一個世代，是唯一能在所有場景運行所有 AI 模型的平台，能提供比 ASIC 更優異的效能、多功能性與可替代性。」

這句反擊直指 Google TPU 的核心弱點。ASIC 晶片雖然在特定任務上效率更高，但缺乏靈活性。TPU 主要針對 TensorFlow 框架和 Google 自家模型優化，在運行其他框架（如 PyTorch）或第三方模型時，性能優勢可能大幅縮水。

相比之下，NVIDIA 的 GPU 採用通用計算架構，幾乎支援所有主流 AI 框架和模型。從 OpenAI 的 GPT 系列、Anthropic 的 Claude、Meta 的 Llama 到開源社群的 Stable Diffusion，絕大多數 AI 模型都是在 NVIDIA GPU 上訓練的。這種生態系統優勢使得開發者和企業難以完全脫離 NVIDIA，即使他們增加了對 Google TPU 的使用。

幾週前，Google 發布了普遍好評的 AI 模型 Gemini 3，該模型是在該公司的 TPU 上進行訓練，而非 NVIDIA 的 GPU，凸顯晶片競爭進入白熱化。這個案例證明了 TPU 在 Google 內部生態中的成功應用，但同時也揭示了其局限性 — Gemini 3 能在 TPU 上高效運行，很大程度上因為 Google 的工程師從一開始就針對 TPU 的特性設計模型架構。對於使用標準框架和開源模型的企業而言，這種深度定制的成本可能超過晶片本身的節省。

NVIDIA 反擊的三大論點

• 生態系統優勢：所有主流 AI 框架和模型都針對 NVIDIA GPU 優化，轉換成本高
• 通用性無可替代：GPU 可執行訓練、推理、圖形渲染等多種任務，ASIC 僅限特定場景
• 技術領先性：最新的 H200 和即將推出的 B100 在性能上仍領先競爭對手一個世代

為什麼 Meta 考慮使用 Google TPU？ 成本、供應鏈多元化，以及對 AI 基礎架構的重新布局

成本與供應鏈壓力

Meta 過去仰賴 NVIDIA 的 GPU 作為 AI 訓練與推理 (inference) 的主要硬體，但隨著 AI 應用需求暴增，GPU 供應、價格與供應鏈風險也同步升高。Google 的 TPU 作為專為 AI 設計的晶片，相較 GPU 在推理 (inference) 任務上更具成本效益，對於大規模資料中心而言具吸引力。

對抗單一供應商依賴，提升彈性

長期依賴單一供應商 (NVIDIA) 意味著對其價格、供應穩定性、軟硬體生態系的高度依賴。透過引入 Google TPU，Meta 願意承擔轉換成本，也顯示出大型科技公司正在追求多元供應鏈，降低集中風險 — 這對整體 AI 生態與晶片市場，都可能是一大轉折。

AI 基礎設施與雲端布局轉型

若 Meta 最終採用 TPU，不僅僅是換晶片那麼簡單，更代表 「AI 基礎設施 + 雲端 + 資料中心」 的整體策略升級。對 Google 來說，這也意味著其 TPU 不再只是內部使用，而有可能成為主流商用晶片 — 一舉打破過去 NVIDIA 主導的格局。

產業回應與潛在影響

• NVIDIA 發言強調，其 GPU 和平台仍具有「通用性 (general-purpose)」與廣泛相容性，目前仍是運行所有 AI 模型的主流選擇。對它而言，TPU 是一種補充選項，但不是全面替代。
• 對晶片供應鏈而言，若 Google TPU 成為主流，對於依賴 NVIDIA GPU 的製造商、供應商 (包含台灣半導體產業) 會帶來衝擊 — 但同時也可能帶來新的商機與訂單流向。據報導，就算誰「贏」誰「輸」，晶片訂單可能流向像是 TSMC 這樣的晶圓代工廠。
• 更重要的是，若 Google 與 Meta 的合作成真，有望重塑 AI 基礎硬體市場結構 — 從過去 GPU 單一家獨大，走向多供應商、競爭與創新的新局面。這對企業、研究機構、AI 開發者、雲端服務供應商，都將產生深遠影響。

AI 晶片生態正迎來十字路口

Meta 正考慮採用 Google TPU 的可能性，不僅是單一交易或採購案，而是整個 AI 基礎設施、供應鏈與硬體競爭格局的一次重大重組。如果這項計畫最終執行成功，意味著：

• 對 NVIDIA 長期 AI 晶片霸主地位的挑戰
• Google TPU 從內部工具轉變為商用晶片的開始
• AI 硬體供應鏈多元化，降低單一供應商風險
• 全球半導體供應鏈與晶片代工產業可能重新洗牌

對所有關注 AI 發展、生態系競爭與產業趨勢的人而言，這是一場不容忽視的變革 — 未來幾年，AI 基礎架構誰主沉浮，我們值得密切關注。