①邁威爾科技宣佈與Google擴大合作，授予其最高價值122億美元的認股權證，後者可按每股206.58美元購買最多約5900萬股邁威爾股票；②該股權分240批歸屬至2033財年，每一批對應邁威爾向Google銷售定製晶片達5億美元收入，相關晶片用於GoogleTPU生態系統。 $邁威爾科技 (MRVL.US)$宣佈與$Google-C (GOOG.US)$擴大合作關係，並授予Google認股權證，允許後者購買價值最高達122億美元的邁威爾股票。 邁威爾科技周三（8月19日）在官網披露了公司向美國證券交易委員會（SEC）遞交的8-K表格。檔案顯示，Google可以以每股206.58美元的價格購買最多約5900萬股邁威爾的股票。 其中近140萬股將在合作協議簽署後的第一年歸屬，此後將分240批歸屬，直至邁威爾2033財年結束。每當邁威爾向Google銷售的定製晶片帶來5億美元收入，就對應一批股票的歸屬。

Alphabet上周披露，其為數據中心租戶違約提供的潛在財務擔保規模已攀升至438億美元。這一被稱作「名義價值」的數字較去年9月底的65億美元激增了近六倍。通過此類「財務兜底」承諾，Google實質上充當了數據中心開發商的隱性擔保人，使後者能夠獲得更低廉的債務融資並加速產能建設。 為支撐龐大的人工智慧投資並擴張自研晶片市場份額，Google正在深度借用華爾街的金融工程手段，通過大幅增加表外風險敞口來鎖定未來的業務增長。 Google母公司Alphabet上周披露，其為數據中心租戶違約提供的潛在財務擔保規模已攀升至438億美元。這一被稱作「名義價值」的數字較去年9月底的65億美元激增了近六倍。通過此類「財務兜底」承諾，Google實質上充當了數據中心開發商的隱性擔保人，使後者能夠獲得更低廉的債務融資並加速產能建設。 這一策略標誌著Alphabet資本結構的急劇轉變。為了向Anthropic等客戶推廣其張量處理單元（TPU）以替代輝達的AI晶片，Google正以承擔百億美元級別的表外租賃負債為代價。在史無前例的AI資本開支重壓下，該公司長期以來依賴充沛現金、無懼債務的簡單資產負債表已成為歷史。

根據富邦投顧（Fubon Research）分析師最新估算，Google 正針對2028 年即將推出的第九代TPU（TPU v9）進行大幅擴產。其目標部署量上看1,200 萬至1,500 萬顆，此規模不僅有望追平，甚至可能超越輝達（Nvidia）當年對資料中心AI GPU 的總出貨量。這項預測顯示，Google 的自研AI 晶片策略已從早期的試水溫，邁向極大規模的商用部署，並極有可能改寫全球AI 硬體的供應鏈版圖。 分析師指出，Google 的TPU v9 將採用四顆運算晶粒（Compute Dies）設計，這意味著2028 年的產能消耗將較2027 年呈現倍數成長。相較之下，分析師預估輝達2026 年資料中心AI GPU 出貨量約為820 萬顆，並在2028 年增至1,240 萬顆。若Google 的部署計畫如期兌現，這代表單一企業對AI 加速器的需求量，將逼近甚至超越市場龍頭的整體供應規模。 不過，要達成如此龐大的產量，單靠台積電的產能恐怕難以負荷。分析師認為，Google 若要在2028 年順利達陣1,500 萬顆TPU 的目標，英特爾（Intel）代工服務的產能支援將是關鍵。市場先前亦有傳聞指出，英特爾在Google 測試其先進封裝技術後，已順利拿下超過300 萬顆TPU 的代工訂單。考量到英特爾的EMIB／EMIB-T 技術與台積電的CoWoS-L 封裝架構互不相容，若Google 決定轉向英特爾代工，相關的晶片設計與封裝規劃勢必得同步進行調整。 分析人士認為，若上述預測資料成真，Google 將晉陞為全球最大的AI 加速器消費者之一，並掌握規模最龐大的自有AI 硬體機隊。在AI 需求仍處於高速擴張的背景下，這項發展未必會削弱輝達的市場主導地位，但卻鮮明地凸顯出另一個產業趨勢：大型雲端業者正加速走向「垂直整合」──從自行設計晶片，到針對自家的軟體堆疊與資料中心需求進行最佳化，借此建構出更為完整的AI 基礎設施。 (半導體芯聞)

路透社這則爆料最嚇人的不是大廠造芯，是估值200億美金的AI創業公司也下場了。月之暗面——就是Kimi背後的月之暗面（Moonshot AI），被曝正在組晶片團隊，自研專用推理晶片，要從根上甩開輝達。 這事主角份量夠重。創始人楊植麟清華系，公司2023年成立，長文字、Agent叢集、多模態幾條線都立住了，Kimi K2.6今年（2026）剛推，國際開源評測排前列。2026年剛融完20億美金，估值跳到200億，是中國最貴的AI獨角獸之一。研究基因從模型層往矽層伸，這一步比想像中狠。 大廠其實早動了。據報導字節跟台積電合作，兩款5nm自研AI晶片在推進，目標是把推理成本壓到地板。阿里平頭哥雲端推理持續投，華為昇騰部分場景已經替掉輝達。大廠邏輯清楚——H200/Blackwell買不到，H20今年初也被禁，外購這條路越走越窄，自研既是降本更是保命。 但創業公司跟進，訊號不一樣。造芯不再是平台巨頭的專屬遊戲，AI公司不管大小都得考慮把算力命脈攥自己手裡——尤其你估值已經200億，投資人問你三年後H100還能不能買到，你答不出來。

郭明錤稱，新晶片記憶體升至HBM4E、SRAM擴容並新增模擬晶片，專攻AI智能體與強化學習。其單價提升約30%，預計追加訂單100至200萬顆，將於2028年量產放量，成為聯發科業績增長新引擎。 Google與聯發科在AI晶片領域的合作正在向更深層次推進。 6月22日，知名蘋果供應鏈分析師郭明錤在社交平台X上發文披露，Google正在開發一款基於TPU v9架構的升級版晶片，代號疑為"Triggerfish"，聯發科獨家拿下該新訂單，目標應用指向AI智能體與強化學習場景，預計2028年進入放量階段。 據郭明錤最新產業鏈調查，Triggerfish是在現有TPU v9"Humufish"基礎上的衍生升級項目，核心規格全面強化：SRAM容量提升至Humufish的2至3倍，記憶體由HBM4升級至HBM4E，並新增一顆模擬晶片（simulation die）。這一系列改動旨在增強推理能力，同時緩解CPU瓶頸與記憶體瓶頸問題。

2026年至2028年，GoogleTPU的出貨量將如火箭般攀升：2026年約460萬顆，2027年飆升至1500萬顆，2028年達到3000萬顆——這一目標並非市場猜測，而是Google直接下達的KPI。 “從2026年到2029年，GoogleTPU的總出貨量將可能超過8000萬顆，”專家強調。這意味著，2029年的出貨量至少還要守住3000萬顆的底線。一場圍繞算力基建的“軍備競賽”，正以Google資料中心的機櫃為戰場，悄然打響。 一、2026年出貨節奏：Q1靜悄悄，Q2/Q3才是主戰場 如果你以為2026年一開始就會看到TPU“鋪天蓋地”，那就錯了。專家透露了一個關鍵的時間線： “第一季度基本沒有正式量產出貨，主力出貨時間集中在第二和第三季度。”

AI產業從“參數軍備競賽”轉向“算力效率競賽”。 幾天前，矽谷傳出消息：Google宣佈，未來五年要提供給Anthropic的算力，規模高達5GW。緊接著，5月6日，這筆交易的價格被揭開——Anthropic承諾未來五年向Google雲支付約2000億美元，用於採購5GW的TPU算力和雲服務。 同一天，Anthropic還宣佈租下SpaceX的Colossus1超級電腦，接入超過22萬顆輝達GPU用於推理。 5GW在資料中心行業是什麼概念？它大概相當於5座大型核電站滿負荷運轉的耗電量。這意味著Google幾乎是為了Anthropic新建好幾座超大規模資料中心，裡面塞滿幾十萬塊Google自己設計的TPU晶片。而Anthropic為此付出的承諾採購額高達2000億美元，佔到了Google雲積壓訂單的40%以上。

當地時間2026年4月22日，在拉斯維加斯舉行的Google Cloud Next '26大會上，Google正式發佈了第八代張量處理器（TPU）。這是Google史上首次將AI訓練與推理任務拆分至兩款獨立晶片——專為模型訓練設計的TPU 8t與專為推理最佳化的TPU 8i，標誌著其AI硬體戰略的重大轉向。與此同時，Google宣佈其第七代TPU Ironwood正式向雲客戶開放，並預告了與輝達的深度合作——將在2026年下半年成為首家提供NVIDIA Vera Rubin NVL72超級電腦的雲服務商。為何拆分訓練與推理？Google做出這一戰略調整的根本原因，是AI計算負載的日益分化。GoogleAI與基礎設施高級副總裁兼首席技術官Amin Vahdat在官方部落格中指出：“隨著AI智能體的興起，我們確定業界將受益於針對訓練和推理需求分別進行專門最佳化的晶片。”具體而言，訓練任務追求極致的吞吐量與規模擴展能力，需要晶片具備最高的計算密度和記憶體頻寬，以在數周甚至數月內處理兆級參數。而推理任務則對延遲和並行更為敏感——當數百萬個AI智能體同時執行階段，響應速度至關重要，而對峰值算力的要求相對較低。Amin Vahdat在大會現場明確表示：“這兩款晶片都是從頭開始專門為訓練和推理設計的，而非彼此衍生產品。它們的規格、能力、互聯方式都因各自需求而專門設計。Alphabet首席執行長桑達爾·皮查伊則強調，這一新架構旨在以低成本提供大規模吞吐量和低延遲，滿足數百萬個AI智能體同時運行的需求。TPU 8t：大規模預訓練旗艦晶片TPU 8t由Google和博通共同設計，是Google為超大規模AI模型訓練打造的旗艦晶片。單個超級計算節點最多可整合9,600塊TPU 8t晶片，配備2 PB高頻寬記憶體，每Pod計算性能達121 exaflops（FP4精度），較上一代Ironwood提升約3倍，同等價格下性能提升2.8倍。通過JAX與Pathways框架，可將分佈式訓練擴展至單一叢集超過100萬塊晶片。在架構設計上，TPU 8t採用雙計算芯粒加單I/O芯粒的架構，配備8組12層堆疊的HBM3e高頻寬記憶體。晶片搭載了SparseCore專用加速器，專門處理大語言模型尋找過程中常見的不規則記憶體訪問問題；同時支援原生FP4浮點精度，矩陣運算單元算力吞吐直接翻倍，海量資料搬運功耗大幅下降。為匹配海量資料吞吐需求，Google全新研發了Virgo互聯架構，訓練場景資料中心網路頻寬最高提升至前代4倍。該架構採用高基數交換機減少層級，扁平化兩層無阻塞拓撲結構，單套網路可互聯13.4萬顆TPU 8t晶片，無阻塞二分頻寬高達47Pbps，晶片間互聯頻寬較上一代提升2倍。在儲存訪問方面，TPU 8t通過TPU直連RDMA和TPU直連儲存兩項技術，繞過CPU實現TPU與網路卡、高速儲存之間的直接記憶體訪問，儲存訪問速度提升10倍。此外，晶片還擁有一整套可靠性、可用性與可維護性能力，包括即時遙測監控、自動檢測並繞過故障鏈路、以及無需人工干預自動重構硬體拓撲的光路電路交換技術。TPU 8i：高並行推理專屬平台TPU 8i首次由Google和聯發科合作設計，專注於AI推理場景，旨在消除“等待室效應”——即使用者請求被有意排隊或延遲以實現硬體利用率最大化的情況。單個Pod可擴展至1,152塊晶片，提供11.6 exaflops FP8計算性能，較Ironwood同等價格下性能提升80%，每瓦性能較上一代提升117%。TPU 8i最顯著的特徵是搭載了384MB片上SRAM快取，容量是上一代Ironwood的三倍。這一設計的核心價值在於可將更大的KV Cache保留在晶片上，大幅減少長上下文解碼時晶片核心的空閒等待時間，實現更快的文字生成速度和更低的延遲。晶片還引入了全新的集合通訊加速引擎（CAE），專門加速自回歸解碼與思維鏈推理所需的規約與同步運算，多核心結果聚合幾乎零延遲，片上集合通訊延遲較前代降低5倍。單顆TPU 8i內建兩顆張量核心和一顆片上CAE，替代前代Ironwood的四顆稀疏計算核心。TPU 8i最大的架構創新在於放棄了TPU傳統的3D環形拓撲結構，轉而採用全新的Boardfly層級互聯拓撲。在MoE（混合專家模型）與推理模型時代，任意晶片都需要隨時互通Token資料，跳轉次數直接決定性能。對於8×8×16規模（1024晶片）的3D環形網路，最遠晶片通訊需要16跳；而Boardfly拓撲在同等規模下僅需7跳，網路直徑縮減56%。Boardfly採用分層設計：4顆晶片環形互聯構成基礎單元，8塊板卡通過銅纜全互聯構成本地算力組，36個算力組通過光開關互聯構成最高1024顆晶片的叢集。在這種結構下，任意兩枚晶片之間的通訊最多隻需經過7次跳轉，全對全通訊延遲改善最高50%，這對混合專家模型和頻繁的跨晶片令牌路由極為有利。TPU 8i配備288GB HBM高頻寬記憶體，結合384MB片上SRAM，確保模型的活躍工作集能夠完全保留在晶片內部運行，從根本上解決“記憶體牆”問題。基於2nm製程，2027年底量產兩款第八代TPU晶片均搭載了Google自研的Arm架構Axion CPU作為主控，徹底解決資料預處理延遲導致的主機算力瓶頸。晶片採用台積電2nm製程工藝製造，目標在2027年底量產，並由公司第四代液冷技術支援散熱。在軟體生態方面，第八代TPU支援JAX、PyTorch、Keras及vLLM等主流框架，原生PyTorch支援現已進入預覽階段，使用者可直接遷移模型而無需修改程式碼。Anthropic已承諾採用GoogleTPU的採用率正在持續攀升。Anthropic已承諾採用數GW等級的TPU算力，2027年上線規模將擴展至3.5吉瓦，成為第八代TPU的錨定客戶。此外，Citadel Securities已利用TPU打造量化研究軟體，美國能源部旗下17個國家實驗室全面採用基於TPU的AI協同科學家系統。分析師普遍認為，Google通過將TPU一拆為二，是對AI訓練與推理需求加速分化的直接回應，有助於大幅提升特定場景下的單位算力性價比，從而降低雲客戶部署成本。 (芯智訊)