|
梦想的第四维
一、背景与核心观点
聚焦谷歌TPU（张量处理单元）的崛起及其供应链影响，核心结论为2026-2027年TPU与GPU形成双赢格局，TPU从低基数实现更快增长。
核心定位：TPU是谷歌定制化AI加速器（ASIC），专为大规模神经网络计算设计，目前已成为谷歌内部AI训练/推理的主力（Gemini3模型完全基于TPU训练），并逐步开放外部客户，有望维持全球最大云ASIC地位。
二、TPU vs 英伟达GPU：核心竞争优势对比
TPU凭借“定制化适配AI场景”，在关键维度形成差异化优势，具体对比如下：
对比维度 |
谷歌TPU（以Ironwood为例）
|
英伟达GPU（以Blackwell为例）
|
关键结论
|
设计初衷
|
专为神经网络计算优化（ASIC）
|
通用高性能计算（HPC），兼顾AI场景（GPU）
|
TPU在AI场景效率更优
|
每瓦性能（FP8）
|
5.42TFLOPs/0.85kW
|
3.57TFLOPs/1.4kW
|
TPU每瓦性能领先52%
|
每美元推理成本
|
约0.03-0.04美元/token
|
约0.07-0.08美元/token
|
TPU推理成本低50%以上
|
算力利用率
|
预调度架构，利用率更高
|
动态调度，灵活性强但利用率略低
|
TPU适合大规模稳定workload
|
软件生态
|
OpenXLA开源栈，兼容PyTorch/JAX
|
CUDA生态成熟，工具链丰富
|
TPU生态门槛降低，加速渗透
|
典型场景
|
大规模AI训练、长周期推理
|
灵活适配多类AI任务、快速迭代场景
|
两者形成互补，而非完全替代
|
三、谷歌TPU发展历程与技术迭代
时间 |
版本
|
核心突破
|
应用场景
|
2015
|
TPUv1
|
首款专为TensorFlow设计，聚焦推理
|
谷歌翻译、搜索autocomplete
|
2018
|
TPUv2
|
引入256芯片互连Pod技术，支持训练
|
大规模AI模型训练
|
2020
|
TPUv3
|
液冷设计，优化硬件/互连/网络
|
更高算力密度的训练任务
|
2022
|
TPUv4
|
新增OCS光开关+3DTorus拓扑
|
超大规模集群（如9216芯片集群）
|
2023-2025
|
TPUv7（Ironwood）
|
性能对标Blackwell，开放外部客户
|
Anthropic、Meta等外部客户采用
|
2026E（H2）
|
TPUv8AX/v8X
|
博通（v8AX，性能导向）、联发科（v8X，效率导向）双版本
|
训练+推理全覆盖
|
2027-2028E
|
TPUv9AX/v9X
|
采用TSMCN2制程，新增EMIB封装
|
进一步提升性能与效率
|
四、供应链格局重构：从“独家”到“双轨制”
核心变化：引入联发科，打破博通垄断
历史格局：2015-2025年，博通为谷歌TPU独家设计服务合作伙伴，占据100%份额。
新格局：2026年起推进“博通+联发科双轨制”，2028年延续至v9系列，具体份额预测：
年份 |
博通份额
|
联发科份额
|
核心产品
|
2026E
|
92%
|
8%
|
博通v8AX、联发科v8X
|
2027E
|
72%
|
28%
|
博通v8AX/v9AX、联发科v8X/v9X
|
谷歌引入联发科的三大原因
成本优势：联发科v8X的ASIC服务费用perdie仅1680美元，较博通v8AX的3850美元低56%（博通毛利率55%，联发科42%）。 供应链安全：TSMCN3/N2产能紧张，联发科作为TSMC前10大客户，可优先获取先进制程产能（或早于博通获得N2制程）。 自主可控：谷歌将前端设计（RTL、架构）内部化，减少对单一供应商的IP依赖，保护核心技术。
五、市场需求与出货量预测
需求驱动因素
内部需求：谷歌所有核心AI任务（训练+推理）均依赖TPU，Gemini系列模型迭代持续拉动产能。 外部需求：Anthropic计划采购100万units TPU，Meta、亚马逊等企业客户加速采用；谷歌云通过Gemini API拓展企业市场，推动TPU渗透率提升。
出货量与销售额预测
指标 |
2026E
|
2027E
|
2028E
|
TPU总出货量（万units）
|
400
|
720
|
630
|
联发科TPU销售额（亿美元）
|
12
|
80
|
134
|
博通TPU销售额（亿美元）
|
411
|
625
|
689
|
TPU占全球云ASIC市场份额
|
超70%
|
超75%
|
超80%
|
六、核心受益厂商（按供应链环节划分）
供应链环节 |
核心企业
|
受益逻辑
|
关键数据/份额
|
先进代工+CoWoS
|
台积电（TSMC）
|
独家N3/N2制程代工，CoWoS封装主力
|
每1GWTPU服务器贡献19亿美元收入（高于GPU的11亿美元）
|
封装外包
|
ASE
|
TSMC基板外包+全流程CoWoS服务
|
占TPU封装份额超60%
|
后端测试
|
KYEC
|
TPU独家最终测试供应商
|
2025年TPU业务占KYEC销售额2%，2027年预计提升至8%
|
设计服务
|
联发科
|
v8X/v9X核心供应商，份额持续提升
|
2027年TPU业务贡献66%EPS增长
|
设计服务
|
博通
|
v8AX/v9AX性能版供应商
|
2026年仍占92%份额，毛利率55%
|
HBM
|
SK海力士
|
TPUv8/v9首选HBM供应商
|
谷歌HBM需求占全球16%（2026E）、17%（2027E）
|
服务器ODM
|
Celestica
|
TPU服务器联合开发主力
|
2026年企业业务（含TPU）预计增长105%
|
基板/PCB
|
欣兴、Ibiden
|
TPU基板核心供应商
|
v8系列基板层数20-24L，v9升级至44L+
|
散热/电源
|
Jentech、AVC、台达
|
Stiffener（Jentech）、冷板（AVC）、电源（台达）
|
台达为TPU机架独家电源供应商
|
七、风险提示
技术合作风险
联发科v8X项目曾出现延期，若存在性能短板需重新设计，将推迟量产节奏，但谷歌降低博通依赖的决心明确，长期合作不受影响。
博通商业模式变化
博通可能转向IP授权模式（如SerDes IP），若谷歌采用“博通IP+联发科后端”模式，将压缩联发科价值空间。
产能风险
TSMCN3/N2及CoWoS产能紧张，可能限制TPU出货增长速度。
市场竞争风险
英伟达GPU生态持续强化，可能延缓TPU外部客户渗透节奏。
八、关键问答
问：谷歌TPU相比英伟达GPU的核心竞争优势是什么？为何能在云AI场景快速渗透？ 答：TPU的核心竞争优势集中在AI场景定制化效率：①每瓦性能领先52%（FP8下Ironwood5.42TFLOPs/0.85kWvsGB3003.57TFLOPs/1.4kW），适配数据中心电力约束；②每美元推理成本低50%以上，适合大规模推理场景；③预调度架构减少runtime损耗，算力利用率更高。快速渗透的关键原因：一是谷歌内部100%采用（Gemini系列模型训练），形成规模化基础；二是OpenXLA开源栈降低生态门槛，兼容PyTorch/JAX；三是谷歌云开放产能，支持初创企业与企业客户，填补英伟达GPU供应紧张的缺口；四是外部客户（如Anthropic）采用JAX框架，与TPU适配性更强。
问：谷歌TPU供应链从“博通独家”转向“双轨制”的核心逻辑是什么？联发科的竞争优势在哪里？ 答：核心逻辑是成本优化+供应链安全+自主可控：①成本上，联发科服务费用较博通低56%，适配TPU推理场景的效率需求；②供应链上，联发科作为TSMC前10大客户，可优先获取N3/N2先进制程产能，缓解TSMC产能紧张压力；③自主可控上，谷歌将前端设计内部化，减少对博通的IP依赖。联发科的竞争优势：一是与TSMC的深度合作（高管渊源+长期订单），可提前获取新制程；二是SerDes IP持续迭代（224G已落地，336/448G研发中），满足TPU高速互连需求；三是商业模式灵活，支持后端物理布局+SerDes IP合作，不触及谷歌核心架构设计；四是性价比优势显著，适配谷歌推理场景的大规模放量需求。
问：谷歌TPU的市场前景如何？哪些环节的企业将成为最大受益方？ 答：市场前景广阔，2026-2028年出货量预计达400万/720万/630万units，长期维持全球最大云ASIC地位，2027年占全球云ASIC市场份额超75%。核心受益环节及企业：①代工+CoWoS：台积电，独家先进制程代工，每1GWTPU服务器贡献19亿美元收入，显著高于GPU；②设计服务：联发科，2027年TPU份额提升至28%，贡献66%EPS增长；③封装：ASE，承接TSMC基板外包与CoWoS服务，占封装份额超60%；④测试：KYEC，独家最终测试供应商，业务占比持续提升；⑤HBM：SK海力士，谷歌HBM首选供应商，受益于TPUHBM容量升级（v9AX采用768GBHBM4E）；⑥服务器ODM：Celestica，TPU服务器联合开发主力，2026年相关业务增长105%。
| 
300
发表于 2026-2-13 09:08:20
