核心观点 - Google自研AI芯片策略从试水转向大规模商用部署，第九代TPU（TPU v9）目标部署量1,200万至1,500万颗，有望追平甚至超越Nvidia当年数据中心AI GPU总出货量，可能改写全球AI硬件供应链版图[1] - 大型云端业者正加速走向垂直整合，从自行设计芯片到针对自有软体堆叠与资料中心需求进行最佳化，建构更完整的AI基础设施[2] Google TPU v9部署计划与规模 - Google针对2028年推出的第九代TPU（TPU v9）进行大幅扩产，目标部署量上看1,200万至1,500万颗[1] - TPU v9采用四颗运算晶粒（Compute Dies）设计，2028年产能消耗将较2027年呈现倍数成长[1] - 若部署计划如期兑现，Google将成为全球最大的AI加速器消费者之一，并掌握规模最庞大的自有AI硬体机队[2] 与Nvidia出货量对比 - 分析师预估Nvidia 2026年数据中心AI GPU出货量约为820万颗，2028年增至1,240万颗[1] - Google TPU v9部署规模有望逼近甚至超越Nvidia当年对数据中心AI GPU的总出货量[1] - 单一企业对AI加速器的需求量将逼近甚至超越市场龙头的整体供应规模[1] 产能与代工策略 - 单靠台积电产能难以负荷Google 2028年1,500万颗TPU目标，英特尔代工服务产能支援是关键[2] - 市场传闻英特尔在Google测试其先进封装技术后，已拿下超过300万颗TPU代工订单[2] - 英特尔的EMIB/EMIB-T技术与台积电的CoWoS-L封装架构互不相容，若Google转向英特尔代工，芯片设计与封装规划需同步调整[2] 产业趋势影响 - AI需求高速扩张背景下，Google发展未必会削弱Nvidia市场主导地位[2] - 大型云端业者加速走向垂直整合，从自行设计芯片到针对自有软体堆叠与资料中心需求进行最佳化[2]