輝達（NVIDIA）執行長黃仁勳因婚外情公開道歉不到一天，Google隨即亮出新武器，直攻輝達的AI晶片生意！Google Cloud火速推出2套第8代TPU系統，還聯手Meta降低開發者轉用Google晶片門檻，並透過超微（AMD）、甲骨文（Oracle）等合作夥伴擴大市場。從拆解CUDA軟體優勢、爭取企業客戶到拓展雲端通路，Google正設法挖走原本流向輝達GPU的運算需求。
這場商戰最難攻破的，其實是輝達多年建立的CUDA軟體生態系。大量AI開發者使用輝達GPU，企業的模型、程式與運算流程也早已圍繞CUDA運作。即使其他晶片更符合需求，轉換平台仍得付出修改程式、重新測試的成本。Google要搶這塊市場，得先讓企業願意換晶片。
Meta幫拆CUDA高牆 Google搶輝達開發者
Google找上開源AI框架PyTorch的創始者Meta，共同開發TorchTPU，並於10月20日宣布開源。這套軟體讓開發者能沿用熟悉的PyTorch工具，以較少程式修改將模型部署到Google TPU，降低原本高度依賴輝達GPU的轉換成本。
Google還把支援範圍延伸至Hugging Face模型，以及vLLM、SGLang等常用AI推論工具。9日同步公布開源TPU代理工具進入預覽階段，可協助開發者調整程式並找出效能瓶頸。Google企圖讓企業即使不放棄既有開發習慣，也能將部分AI運算交給TPU處理，削弱CUDA長年累積的客戶黏著度。
Google也瞄準成本競爭，針對AI代理等待外部指令時造成的晶片閒置，Google推出Agent Compute Engine調度運算資源，並開源TPU Sync改善記憶體與資料傳輸效率，藉此提高設備利用率、降低推論成本，讓企業在採購AI算力時，除了輝達GPU，還有其他選擇。
AMD助攻新TPU Google搶企業AI預算
拆除軟體障礙後，Google還得拿出能讓客戶掏錢的硬體。9日發表TPU 8tx與8i Max，分別瞄準資料安全與AI代理運算。8tx採用與TPU 8t相同的晶片，搭配AMD EPYC處理器，讓企業在處理敏感資料時加強硬體防護，鎖定金融、政府等客戶；8i Max則把2顆8i晶片整合封裝，記憶體頻寬與運算能力均較8i提高一倍，爭取長篇資料分析、程式開發等AI推論需求。
Google今年已推出4套第8代TPU系統，開始針對不同客戶需求提供專用配置。更具商業意義的是，Google宣布TPU客戶已接近100家，並開始讓客戶直接在自家資料中心部署TPU，將競爭範圍從Google Cloud延伸至企業自建AI機房。
大型客戶也已出現，開發Claude的Anthropic早在4月宣布擴大與Google、博通合作，簽下數GW規模的下一代TPU運算容量協議，預計2027年陸續上線。Anthropic目前仍同時使用輝達GPU、Google TPU及亞馬遜Trainium，但這筆合作已顯示，Google正在大型AI模型公司的運算採購中取得更大份額。
甲骨文開放新通路 Google把TPU送進別人機房
Google還要突破TPU過去主要透過自家雲端供應的限制。10月27日，Google與甲骨文宣布合作，預計2027年起在甲骨文雲端提供TPU運算資源。甲骨文將成為Google以外首家供應TPU的超大型雲端業者，讓企業不必只透過Google Cloud取得Google晶片算力。
這波攻勢也牽動台灣，Google在台設有AI基礎設施硬體工程中心，參與TPU等晶片與伺服器系統整合；台灣半導體及伺服器業者也密切關注不同AI晶片平台的需求變化。Google擴大TPU市場，將讓AI硬體採購出現更多競爭選項。
輝達目前仍掌握龐大的GPU客戶基礎與CUDA開發者生態，Google Cloud本身也持續提供輝達GPU服務。Google要爭取讓企業未來增加AI運算投資時，把更多預算分配給TPU。隨著Anthropic大型合作及甲骨文TPU服務預計2027年陸續部署，Google能否將這波攻勢轉成更多實際客戶與營收，將是輝達接下來面對的考驗。