NVIDIA 股价急跌 7%！Meta 倒戈 Google 晶片，科技股三巨头开战

Meta 计划于 2027 年在自家资料中心部署 Google 的 Tensor Processing Unit（TPU），并可能从 2026 年起透过 Google Cloud 租用相关算力。这项合作被视为 Google 在 AI 晶片市场的重大突破，消息曝光后 NVIDIA 股价一度急跌 7% 后收窄至 2.6%。

Meta 数十亿美元倒戈 Google TPU

据 The Information 消息，Meta 正洽谈于 2027 年在自家资料中心部署 Google 的 Tensor Processing Unit（TPU），并可能从 2026 年起透过 Google Cloud 租用相关算力。这项合作规模惊人，预估涉及数十亿美元的采购金额，将成为 Google 在 AI 晶片市场的重大突破。继向 Anthropic 提供百万颗 TPU 之后，再度吸引重量级客户关注，显示 Google 在 AI 基础设施领域的竞争力正在快速提升。

这项决策对 Meta 而言具有多重战略意义。首先，它反映 Meta 可能不愿过度依赖晶片市场龙头 NVIDIA，价格高与交期长的痛点迫使企业寻找替代方案。NVIDIA 的 H100 和 H200 GPU 供不应求，订单排队时间常达数月甚至一年，且价格持续攀升。对于需要快速扩展 AI 算力的 Meta 而言，这种供应瓶颈直接影响其 Llama 模型的训练和推理效率。

其次，Google TPU 因具备 AI 专属化架构、能针对大型语言模型推论与训练做更深度的调整，因此成为具竞争力的选项。TPU 是一款为 AI 计算而生的 ASIC（应用专用积体电路）晶片，并与自家 DeepMind 的模型（如 Gemini）高度整合。外界认为，TPU 在效率、客制化能力与成本方面具有优势，而这些正是企业考虑从 NVIDIA 转移的关键原因。

第三，多供应商策略已成为科技巨头的共识。出于价格昂贵、供应紧缩与分散风险，企业不愿再单押 NVIDIA，因此多数云端与涉足 AI 企业开始采用「多供应商策略」，同时采购 GPU、TPU 与其他替代方案。Meta 选择同时使用 NVIDIA GPU 和 Google TPU，既能确保算力充足，又能在价格谈判中获得更大筹码。

市场也快速反应，Alphabet 市值逼近 4 兆美元，台湾的联发科股价也受惠大涨 8%，显示 Google TPU 的外溢效应正在形成。联发科作为 Google TPU 供应链中的关键合作伙伴，在封装和测试环节扮演重要角色，Meta 的大单将直接带动其营收增长。

NVIDIA 股价暴跌 7% 后的强硬反击

（来源：谷歌财经）

Meta 传闻曝光后，NVIDIA 股价一度急跌 7% 后收窄至 2.6%，单日市值蒸发超过 2000 亿美元。然而，公司对此在 X 上回应：「很高兴看到 Google 的成功，他们在 AI 领域取得巨大进展，而我们也持续为 Google 供货。」这句看似客气的表态实际上提醒市场，Google 自己也是 NVIDIA GPU 的大客户，两家公司并非完全对立关系。

NVIDIA 意味深长地表示：「我们仍领先整个产业一个世代，是唯一能在所有场景运行所有 AI 模型的平台，能提供比 ASIC 更优异的效能、多功能性与可替代性。」这句反击直指 Google TPU 的核心弱点。ASIC 晶片虽然在特定任务上效率更高，但缺乏灵活性。TPU 主要针对 TensorFlow 框架和 Google 自家模型优化，在运行其他框架（如 PyTorch）或第三方模型时，性能优势可能大幅缩水。

相比之下，NVIDIA 的 GPU 采用通用计算架构，几乎支援所有主流 AI 框架和模型。从 OpenAI 的 GPT 系列、Anthropic 的 Claude、Meta 的 Llama 到开源社群的 Stable Diffusion，绝大多数 AI 模型都是在 NVIDIA GPU 上训练的。这种生态系统优势使得开发者和企业难以完全脱离 NVIDIA，即使他们增加了对 Google TPU 的使用。

几周前，Google 发布了普遍好评的 AI 模型 Gemini 3，该模型是在该公司的 TPU 上进行训练，而非 NVIDIA 的 GPU，凸显晶片竞争进入白热化。这个案例证明了 TPU 在 Google 内部生态中的成功应用，但同时也揭示了其局限性——Gemini 3 能在 TPU 上高效运行，很大程度上因为 Google 的工程师从一开始就针对 TPU 的特性设计模型架构。对于使用标准框架和开源模型的企业而言，这种深度定制的成本可能超过晶片本身的节省。

NVIDIA 反击的三大论点

生态系统优势：所有主流 AI 框架和模型都针对 NVIDIA GPU 优化，转换成本高

通用性无可替代：GPU 可执行训练、推理、图形渲染等多种任务，ASIC 仅限特定场景

技术领先性：最新的 H200 和即将推出的 B100 在性能上仍领先竞争对手一个世代

AI 晶片市场格局从垄断走向多极竞争

Google、Meta 与 NVIDIA 的三方动态显示，AI 晶片战场正进入全新阶段。随着 Google 旗下 TPU 市场声量快速放大，最新消息指出 Meta 可能成为其下一个数亿美元级别的客户，为 AI 晶片供应链投下震撼弹。在 NVIDIA 长期垄断 AI 晶片市场的情况下，三方晶片竞争不仅影响科技巨头的算力布局，也牵动全球股市、供应链与 AI 模型生态。

这场竞争将决定下一代 AI 基础设施的核心架构。若 NVIDIA 继续保持技术领先优势并维持生态系统壁垒，其霸主地位仍将稳固。若 Google TPU 成功打入更多企业客户，证明其在特定场景下的成本效益优势，市场将进入多极竞争格局。若 Meta 等科技巨头全面拥抱自研晶片或多供应商策略，NVIDIA 的定价权和市场份额可能受到实质挑战。

从 NVIDIA 股价的反应来看，市场对这种竞争威胁的评估是认真的。虽然 7% 的跌幅在收盘时收窄至 2.6%，但单日 2000 亿美元的市值波动显示投资者对 AI 晶片市场格局变化的高度敏感。这种波动也反映了 NVIDIA 过去数年的惊人涨幅已将大量乐观预期计入股价，任何潜在竞争威胁都可能引发获利了结。

对于供应链而言，这场竞争同样具有深远影响。NVIDIA 的 GPU 主要由台积电代工，而 Google TPU 也依赖台积电的先进制程。无论谁胜出，台积电都将受益。但封装、测试、记忆体和 PCB 等下游环节的供应商则面临重新分配的风险。联发科股价大涨 8% 显示市场认为 Google TPU 订单增加将带动台湾半导体供应链的新机会。

对于 AI 模型开发者而言，晶片选择将直接影响模型设计和优化策略。若 Google TPU 的市场份额持续扩大，开发者可能需要为 TPU 专门优化模型，这将增加开发成本但也可能提升特定场景下的性能。若市场维持多供应商格局，开发者则需要确保模型能在不同晶片上高效运行，这对框架层面的抽象化和标准化提出了更高要求。

各方的选择与表态，则可能成为推动整个市场重新洗牌的关键变数。NVIDIA 若能在下一代产品（如 B100）中拉开技术差距，将巩固领先地位。Google 若能证明 TPU 的成本效益并吸引更多客户，将真正威胁 NVIDIA 的垄断。Meta 的最终决策则将成为风向标，影响其他科技巨头的算力采购策略。