NVIDIA 股價急跌 7%！Meta 倒戈 Google 晶片，科技股三巨頭開戰

Meta 計畫於 2027 年在自家資料中心部署 Google 的 Tensor Processing Unit（TPU），並可能從 2026 年起透過 Google Cloud 租用相關算力。這項合作被視為 Google 在 AI 晶片市場的重大突破，消息曝光後 NVIDIA 股價一度急跌 7% 後收窄至 2.6%。

Meta 數十億美元倒戈 Google TPU

據 The Information 消息，Meta 正洽談於 2027 年在自家資料中心部署 Google 的 Tensor Processing Unit（TPU），並可能從 2026 年起透過 Google Cloud 租用相關算力。這項合作規模驚人，預估涉及數十億美元的採購金額，將成為 Google 在 AI 晶片市場的重大突破。繼向 Anthropic 提供百萬顆 TPU 之後，再度吸引重量級客戶關注，顯示 Google 在 AI 基礎設施領域的競爭力正在快速提升。

這項決策對 Meta 而言具有多重戰略意義。首先，它反映 Meta 可能不願過度依賴晶片市場龍頭 NVIDIA，價格高與交期長的痛點迫使企業尋找替代方案。NVIDIA 的 H100 和 H200 GPU 供不應求，訂單排隊時間常達數月甚至一年，且價格持續攀升。對於需要快速擴展 AI 算力的 Meta 而言，這種供應瓶頸直接影響其 Llama 模型的訓練和推理效率。

其次，Google TPU 因具備 AI 專屬化架構、能針對大型語言模型推論與訓練做更深度的調整，因此成為具競爭力的選項。TPU 是一款為 AI 計算而生的 ASIC（應用專用積體電路）晶片，並與自家 DeepMind 的模型（如 Gemini）高度整合。外界認為，TPU 在效率、客製化能力與成本方面具有優勢，而這些正是企業考慮從 NVIDIA 轉移的關鍵原因。

第三，多供應商策略已成為科技巨頭的共識。出於價格昂貴、供應緊縮與分散風險，企業不願再單押 NVIDIA，因此多數雲端與涉足 AI 企業開始採用「多供應商策略」，同時採購 GPU、TPU 與其他替代方案。Meta 選擇同時使用 NVIDIA GPU 和 Google TPU，既能確保算力充足，又能在價格談判中獲得更大籌碼。

市場也快速反應，Alphabet 市值逼近 4 兆美元，台灣的聯發科股價也受惠大漲 8%，顯示 Google TPU 的外溢效應正在形成。聯發科作為 Google TPU 供應鏈中的關鍵合作夥伴，在封裝和測試環節扮演重要角色，Meta 的大單將直接帶動其營收增長。

NVIDIA 股價暴跌 7% 後的強硬反擊

（來源：谷歌財經）

Meta 傳聞曝光後，NVIDIA 股價一度急跌 7% 後收窄至 2.6%，單日市值蒸發超過 2000 億美元。然而，公司對此在 X 上回應：「很高興看到 Google 的成功，他們在 AI 領域取得巨大進展，而我們也持續為 Google 供貨。」這句看似客氣的表態實際上提醒市場，Google 自己也是 NVIDIA GPU 的大客戶，兩家公司並非完全對立關係。

NVIDIA 意味深長地表示：「我們仍領先整個產業一個世代，是唯一能在所有場景運行所有 AI 模型的平台，能提供比 ASIC 更優異的效能、多功能性與可替代性。」這句反擊直指 Google TPU 的核心弱點。ASIC 晶片雖然在特定任務上效率更高，但缺乏靈活性。TPU 主要針對 TensorFlow 框架和 Google 自家模型優化，在運行其他框架（如 PyTorch）或第三方模型時，性能優勢可能大幅縮水。

相比之下，NVIDIA 的 GPU 採用通用計算架構，幾乎支援所有主流 AI 框架和模型。從 OpenAI 的 GPT 系列、Anthropic 的 Claude、Meta 的 Llama 到開源社群的 Stable Diffusion，絕大多數 AI 模型都是在 NVIDIA GPU 上訓練的。這種生態系統優勢使得開發者和企業難以完全脫離 NVIDIA，即使他們增加了對 Google TPU 的使用。

幾週前，Google 發布了普遍好評的 AI 模型 Gemini 3，該模型是在該公司的 TPU 上進行訓練，而非 NVIDIA 的 GPU，凸顯晶片競爭進入白熱化。這個案例證明了 TPU 在 Google 內部生態中的成功應用，但同時也揭示了其局限性——Gemini 3 能在 TPU 上高效運行，很大程度上因為 Google 的工程師從一開始就針對 TPU 的特性設計模型架構。對於使用標準框架和開源模型的企業而言，這種深度定制的成本可能超過晶片本身的節省。

NVIDIA 反擊的三大論點

生態系統優勢：所有主流 AI 框架和模型都針對 NVIDIA GPU 優化，轉換成本高

通用性無可替代：GPU 可執行訓練、推理、圖形渲染等多種任務，ASIC 僅限特定場景

技術領先性：最新的 H200 和即將推出的 B100 在性能上仍領先競爭對手一個世代

AI 晶片市場格局從壟斷走向多極競爭

Google、Meta 與 NVIDIA 的三方動態顯示，AI 晶片戰場正進入全新階段。隨著 Google 旗下 TPU 市場聲量快速放大，最新消息指出 Meta 可能成為其下一個數億美元級別的客戶，為 AI 晶片供應鏈投下震撼彈。在 NVIDIA 長期壟斷 AI 晶片市場的情況下，三方晶片競爭不僅影響科技巨頭的算力布局，也牽動全球股市、供應鏈與 AI 模型生態。

這場競爭將決定下一代 AI 基礎設施的核心架構。若 NVIDIA 繼續保持技術領先優勢並維持生態系統壁壘，其霸主地位仍將穩固。若 Google TPU 成功打入更多企業客戶，證明其在特定場景下的成本效益優勢，市場將進入多極競爭格局。若 Meta 等科技巨頭全面擁抱自研晶片或多供應商策略，NVIDIA 的定價權和市場份額可能受到實質挑戰。

從 NVIDIA 股價的反應來看，市場對這種競爭威脅的評估是認真的。雖然 7% 的跌幅在收盤時收窄至 2.6%，但單日 2000 億美元的市值波動顯示投資者對 AI 晶片市場格局變化的高度敏感。這種波動也反映了 NVIDIA 過去數年的驚人漲幅已將大量樂觀預期計入股價，任何潛在競爭威脅都可能引發獲利了結。

對於供應鏈而言，這場競爭同樣具有深遠影響。NVIDIA 的 GPU 主要由台積電代工，而 Google TPU 也依賴台積電的先進製程。無論誰勝出，台積電都將受益。但封裝、測試、記憶體和 PCB 等下游環節的供應商則面臨重新分配的風險。聯發科股價大漲 8% 顯示市場認為 Google TPU 訂單增加將帶動台灣半導體供應鏈的新機會。

對於 AI 模型開發者而言，晶片選擇將直接影響模型設計和優化策略。若 Google TPU 的市場份額持續擴大，開發者可能需要為 TPU 專門優化模型，這將增加開發成本但也可能提升特定場景下的性能。若市場維持多供應商格局，開發者則需要確保模型能在不同晶片上高效運行，這對框架層面的抽象化和標準化提出了更高要求。

各方的選擇與表態，則可能成為推動整個市場重新洗牌的關鍵變數。NVIDIA 若能在下一代產品（如 B100）中拉開技術差距，將鞏固領先地位。Google 若能證明 TPU 的成本效益並吸引更多客戶，將真正威脅 NVIDIA 的壟斷。Meta 的最終決策則將成為風向標，影響其他科技巨頭的算力採購策略。