16:40pm
全球AI晶片大戰出現一個愈來愈清楚的新局面：科技巨頭不想再把所有運算需求都交給Nvidia。
Google擴大TPU供應鏈、Microsoft準備推出下一代Maia 300、Meta則預定9月讓新一代自研AI晶片「Iris」進入生產。三家公司走的是不同路線，目的卻高度一致——降低昂貴GPU帶來的成本與供應限制，並為自己的AI模型打造更適合的專用晶片。
然而，當科技巨頭開始試圖降低對Nvidia的依賴，另一家公司卻沒有因此被繞開。
那就是台積電。
從GPU主導的AI第一階段走向ASIC、自研加速器百花齊放的第二階段，晶片品牌可能愈來愈分散，但最先進晶片的製造仍高度集中。台積電因此出現一個特殊位置：不論最後是Nvidia GPU、Google TPU、Microsoft Maia、Meta MTIA，甚至其他大型AI公司的自研晶片取得更多市場，台積電都有機會留在供應鏈核心。
Google把TPU供應鏈再拆開 Marvell加入Broadcom戰局
最新變化首先出現在Google。
Marvell 8月19日宣布與Google擴大客製化AI晶片合作，協助Google開發相關半導體技術；Google同時取得一項認股權證，最高可以按照每股206.58美元購入5897萬股Marvell股票，若全部執行，價值約122億美元。
更驚人的數字藏在合作條件裡。
如果Google未來採購達到約定門檻，Marvell估計相關合作到2033財年累計可能帶來最高1200億美元營收。消息公布後Marvell股價一度大漲，長期與Google合作客製晶片的Broadcom則明顯下跌。
這不代表Google準備拋棄Broadcom。
市場更傾向把它解讀為Google正在建立第二條甚至更多條TPU供應鏈，避免把如此龐大的AI基礎設施全部綁在單一晶片設計合作夥伴身上。
Google多年來自行發展TPU，現在AI運算規模愈來愈龐大，客製化晶片涉及的也不只是核心處理器，還包括網路、儲存、資料傳輸與資料中心內部互連。
AI晶片競爭因此已經從「誰設計最快的處理器」，變成誰能建立完整的運算系統。
Microsoft下一張牌是Maia 300 傳向台積電搶30萬顆以上產能
Microsoft也正在加快自己的晶片時程。
Microsoft今年1月才推出第二代AI加速器Maia 200，採用台積電3奈米製程，配備216GB HBM3e記憶體及272MB晶片內SRAM，主要鎖定AI推論工作。
下一代Maia 300預計9月亮相。
路透轉述《The Information》報導指出，Microsoft正在與台積電洽談Maia 300製造產能，希望2027年取得超過30萬顆晶片，長期甚至希望把產能保障提高到100萬顆以上。
這個數字真正重要的地方，不只是Microsoft想做多少晶片。
它代表全球最大的雲端服務商之一，開始試圖建立一套能夠在Azure資料中心大規模部署、並與Nvidia GPU並存的自有AI運算平台。
Microsoft並不是要完全淘汰Nvidia。大型模型訓練仍大量依賴GPU，但如果每天數以億計的AI推論工作可以轉移到自己的晶片，Microsoft就有機會降低每一個AI token的運算成本。
AI競爭於是開始從「誰買得到最多GPU」，轉向「誰能自己設計最適合自己工作負載的晶片」。
Meta九月讓Iris進入生產 Broadcom設計、台積電製造
Meta走得更快。
路透7月取得Meta內部文件顯示，新一代客製AI晶片「Iris」預定今年9月開始生產。這顆晶片屬於Meta自研MTIA計畫的一部分，由Meta與Broadcom合作開發，製造則交給台積電。
Meta甚至規劃直到2027年，每隔約半年推出新一代自研AI晶片。
背後原因是運算規模。
Meta預計2027年整體AI運算容量提高至14GW。今年光AI基礎設施投資最高就可能達1450億美元，當資料中心規模擴張到這個程度，單純大量購買外部GPU不只昂貴，供應鏈也可能成為限制。
因此Meta採取的是混合策略：Nvidia與AMD GPU繼續使用，但把適合固定工作負載的部分AI運算逐漸移往自研晶片。
這也是Google、Microsoft、Meta正在共同走向的方向。
GPU沒有消失 ASIC開始吃掉部分工作
這場變化不能簡單理解成「Nvidia要被取代」。
Nvidia最大的優勢除了晶片效能，還有CUDA軟體生態系以及已經建立多年的開發工具。訓練最先進大型模型時，GPU的通用性仍然非常重要。
但AI產業規模愈大，另一個問題就愈突出：成本。
如果一家科技公司每天需要處理數十億甚至更多次固定類型的AI運算，就未必需要每一項工作都使用最昂貴、最通用的GPU。
客製化ASIC因此開始找到自己的位置。
Google TPU、Microsoft Maia、Meta MTIA乃至Amazon Trainium，本質上都是同一場經濟戰：把特定AI工作做到更高效率、更低耗電，也把部分晶片利潤從外部供應商拿回自己手中。
因此，未來AI資料中心很可能不是「GPU或ASIC」二選一，而是兩者長期共存。
台積電最特殊 誰贏都可能還是要來台灣下單
真正值得台灣注意的，是這場競爭最後形成了一個看似矛盾的結果。
科技巨頭努力降低對Nvidia的依賴，卻沒有降低對先進晶圓製造的依賴。
Microsoft Maia 200使用台積電3奈米；Meta新一代客製晶片由台積電製造；Google及其他大型AI晶片供應鏈同樣高度仰賴最先進製程，而Nvidia、AMD與Broadcom本身也是台積電的重要客戶。
台積電董事長魏哲家6月表示，AI需求仍持續增加，公司看到的是「多年期」成長趨勢，先進晶片產能仍在努力追趕客戶需求。
這使台積電在AI產業裡的位置與一般晶片公司完全不同。
Nvidia與Google TPU競爭、Broadcom與Marvell競爭、Microsoft與Amazon各自打造雲端晶片，最後爭的是晶片設計與AI運算市場；台積電提供的卻是這些競爭者共同需要的先進製造能力。
真正的下一戰是先進製程、封裝與產能
而且，晶圓製造只是第一關。
AI晶片愈來愈大、HBM使用量愈來愈高，真正限制AI晶片供應的因素已經從單純的先進製程，延伸到先進封裝、HBM、基板、網路與電力。
三星8月19日甚至已經因為AI需求與產能吃緊，提高4奈米、5奈米與8奈米部分晶圓代工價格，部分客戶漲幅最高達15％。其中一項重要背景，就是台積電產能緊張後，部分訂單開始尋找第二供應來源。
三星因此受惠，但這件事反過來也說明全球先進AI晶片產能究竟有多緊。
AI晶片產業的第一場戰爭，是Nvidia GPU席捲全球。
第二場戰爭已經開始。
Google、Microsoft、Meta、Amazon與OpenAI都想擁有自己的晶片，Broadcom、Marvell等ASIC設計公司因此站上舞台中央；Nvidia則必須用更完整的系統、網路與軟體生態守住優勢。
但從台灣角度看，真正重要的問題不是最後哪一顆晶片打敗哪一顆晶片。
當全世界從「只有GPU」走向「GPU＋ASIC＋客製AI晶片」的時代，只要這些晶片仍需要最先進製程與封裝，台積電以及背後整條台灣半導體供應鏈，就仍站在這場AI軍備競賽的交會點。
（圖片生成：AI生成）
2026.08.20
