•
隨著各家大廠持續進行資本支出、AI競爭白熱化，市場目前盛傳兩種主流觀點，一是TPU和ASIC作為GPU替代方案崛起，使輝達（NVIDIA）護城河遭到侵蝕；另一個是Google逆襲，透過AI模型Gemini取得市佔和主導AI搜尋，最終將擊敗OpenAI。
根據外媒siliconANGLE的看法，上述兩種說法都嚴重誇漲，且不一定如市場所想。理由之一是輝達將持續精進其GB300和後續Vera Rubin架構，可維持領先出貨並不斷降低成本，成為迄今最具成本效益的平台。
至於Google則在壯大的同時面臨一種「創新者困境」。報導稱，由於Google搜尋業務與廣告營收高度繫結，一旦Google將廣告模式轉向類似聊天機器人的體驗，單次搜尋查詢的服務成本將暴增至原來的100倍；再者，Google必須將商業模式轉向更高度整合的購物體驗，必須連結使用者與廣告主，但即便Gemini近期取得一定成功，Google仍不具備這樣的信任基礎。相比之下，OpenAI核心在於強調可信資訊，而非推送廣告，仍有其優勢。
該報導認為，TPU核心問題不在是否為「好晶片」，而是架構能否適配AI下一階段的發展需求。TPU是因頻寬昂貴且稀少而誕生，適合低頻寬需求的AI任務，但隨著模型規模擴大與工作負載多樣化，逐漸在擴展性等方面遇到限制。
目前領先AI訓練走向為「高頻寬與大規模擴展」而改善的系統架構，並且支撐GPU工廠，這要讓大量加速器彼此連接，並長時間維持高效運轉。輝達護城河來自其端到端、為高頻寬、大規模擴展與可持續利用率而打造的整體架構，也是邁向AI工廠、大規模生產基礎設施時，最關鍵的決定因素。
此外，不管是TPU等AI晶片都受制於先進封裝產能瓶頸，輝達除了掌握一定產能外，還持續推進GB200、GB300到Rubin的架構，並改善交換技術與整體系統設計，可說更有優勢。
該報導認為，在供應受限的環境下，超大規模雲端業者勢必採取混合架構策略。以Google為例，它會在適合的地方使用TPU，但難以全面取代GPU。此外，像Google這樣的主要超大規模業者，不太可能大規模對外銷售自家專有加速器，讓其直接競爭對手形成真正的外部市場。
該報導指出，「TPU走向開放市場」更合理的解釋是生態系夥伴（例如博通）以及Meta等公司在當前環境下尋求任何優勢所帶來的壓力，而非Google有意成為真正的商用晶片供應商。
該報導認為，Google困境在於如何以不損害其獲利引擎的前提下，讓主導模式過渡到更完善的模式。雖然Google獲利引擎建立在與搜尋行為掛鉤的廣告變現上，但如果互動模式轉向ChatGPT式的體驗，要更豐富的答案、更長的會話和更耗費運算資源的回應，會使成本結構發生巨大變化。
「Google只會自我顛覆！」該報導認為，Google忽略了最重要的限制因素，即搜尋的經濟效益對Google來說是獨一無二的，從經典搜尋轉向助手式的互動模式會改變單位經濟效益，從而可能破壞盈利引擎。
該報導認為，就平台動能而言，現階段仍是OpenAI「領先一大截」，因為平台建設、開發者採用、企業使用者組合轉變以及對稀缺運算資源的掌握，目前都對OpenAI有利。
從目前來看，輝達的護城河因出貨量、經驗曲線效應以及多年端到端系統工作，形成穩固護城河；OpenAI則因平台執行力及企業需求而保持領先。在這個競爭格局中，模型品質已成為基本門檻，真正的競爭焦點在於模型周邊的軟體與服務。
雖然早期「Google可能顛覆OpenAI」的情境確實存在可能性，但資料與平台動態顯示，OpenAI先行者優勢正逐步轉化為更持久的競爭力，尤其隨著企業逐漸成為市場重心，加上與輝達的合作關係變得更加重要。 (半導體芯聞)