谷歌推进TPU供应链多元化，联发科等ASIC合作厂商承压

过去两年，AI运算需求暴涨百万倍，行业正式从算力竞赛迈入高效推理新阶段，产业发展重心正稳步向智能体AI（Agent AI）迁移。AI发展初期，为缩短大语言模型（LLM）研发周期，企业不惜成本采购英伟达H100等高端GPU，主要用于模型训练环节。而随着大模型技术逐步成熟、商业化落地规模持续扩大，行业核心运算重心，已经从模型训练全面转向模型推理。

AI训练以高吞吐量、长时持续矩阵运算为主，高度依赖GPU算力支撑；而AI推理除了需要基础算力加持，还需兼顾内存带宽、延迟控制、大规模并发等核心指标，单位功耗算力比成为核心竞争指标。推理效果以秒级体验为评判标准，微小的延迟波动，都会直接影响终端用户使用体验。

从产业趋势来看，头部云计算厂商近年持续加码自研ASIC芯片。相较于通用GPU，云厂商自研芯片深度适配自身模型架构与业务场景，能够精准匹配标准化、高重复的AI推理负载，在大规模商用场景中，可实现更低功耗、更低成本的海量用户流量承载。AWS Inferentia、谷歌TPU、Groq LPU等一众推理专用ASIC芯片快速崛起，凭借定制化优势争相抢占AI推理市场份额。

谷歌正持续推动张量处理器（TPU）供应链多元化，如今进展延伸至晶圆代工领域，这也给联发科等ASIC厂商带来不小压力。近期消息显示，谷歌下一代 TPU 产品不仅计划采用英特尔嵌入式多芯粒互联桥（EMIB）封装技术，还打算引入三星电子负责前段晶圆制造，以此拓宽产能来源。

目前供应链厂商与 ASIC 企业均未对此消息置评。但一旦谷歌将高端晶圆生产拆分至多家代工厂，势必会给现有 ASIC 供应商带来巨大挑战。业内人士表示，谷歌希望在严控成本的前提下，最大限度提升 TPU 产能，这也是其积极拓展 ASIC 合作方、要求联发科基于 EMIB 封装方案研发产品并统筹供应链的核心原因。

倘若谷歌再引入三星负责前段制程，现有 ASIC 供应商就必须对接全新代工厂，从零重建技术对接体系与合作关系，这将耗费大量研发工程资源。ASIC 行业相关人士称，采用定制芯片方案的云服务商（CSP）核心诉求集中在两点：充足的产能与低廉的成本。当下全球 AI 算力竞赛白热化，算力交付速度至关重要；若成本无法有效下降，相比直接采用英伟达方案，定制 ASIC 就会失去竞争优势。

想要同时满足产能与成本两大目标，最优方式就是不断扩充供应商阵容。而对谷歌而言，保障稳定产能是首要考量，这也是其持续推进 TPU 供应链多元化的根本原因。市场观点认为，谷歌资本开支攀升，叠加此番供应链调整，预示着 TPU 出货量有望持续上调。不过 AI 芯片产业链企业普遍认为，TPU 的出货增长存在天然上限 —— 无论如何分配订单，合作 ASIC 厂商的产能终究有瓶颈。

博通、联发科、美满电子等企业要么已深度切入 TPU 供应链，要么已开展相关合作。如今它们面临一道难题：是否要无条件承接谷歌的供货需求、配合其供应链多元化布局？对于这些厂商来说，他们自身也有主力产品需要推进，无法将全部产能倾斜给谷歌。而新增供应商，也意味着要投入更多资源，处理随之而来的技术对接与商务协调问题。

业内人士指出，前段晶圆代工的合作选择尤为敏感。即便谷歌并未要求现有 ASIC 厂商全面转向三星代工，此举也可能影响它们与台积电的合作关系。一旦台积电因此缩减供货，最终只会得不偿失。