Editing Openai/6925c674-3858-8009-852a-bd8fdd5679ae (section)

=== Assistant: 你講的這個邏輯：「Google 靠 TPU 做出最強 LLM ⇒ GPU 沒那麼重要 ⇒ NVDA 要修正估值」，有一部分是真的，但如果推到「GPU 需求要崩」就有點太直線外推了。 ===
你講的這個邏輯：「Google 靠 TPU 做出最強 LLM ⇒ GPU 沒那麼重要 ⇒ NVDA 要修正估值」，有一部分是真的，但如果推到「GPU 需求要崩」就有點太直線外推了。

我拆開來講：

==== - Google 的 Gemini 2.x 系列（你說的「3」可以理解成更新一代 SOTA）確實是主要在自家 TPU Pod 上訓練與推論，像新一代 Trillium / 之後的 Ironwood 等，效能、效能/瓦數都比前代大幅提升，明講是為 LLM / Gemini 這類模型設計的。TechNews 科技新報<ref>{{cite web|title=TechNews 科技新報|url=https://technews.tw/2025/01/15/google-trillium-tpu-unlocks-more-capabilities/|publisher=TechNews 科技新報|date=2025-01-15|access-date=2025-11-26}}</ref> ====
* Google 也公開強調：TPU Pod 是支撐 Gemini 模型與 Gemma 等開源模型訓練/推論的關鍵基礎設施，並且開放在 Vertex AI 上給客戶用。Google Cloud<ref>{{cite web|title=Google Cloud|url=https://cloud.google.com/vertex-ai/generative-ai/docs/model-garden/deploy-and-inference-tutorial-tpu?hl=zh-tw|publisher=Google Cloud|access-date=2025-11-26}}</ref>
* 同一時間，NVIDIA 剛公布的財報還是在爆炸成長：單季營收 570 億美元，其中約 512 億來自資料中心（AI GPU 為主），且對下季指引繼續上調、Blackwell 世代被 CEO 直接形容為「賣到缺貨」。tecknexus.com<ref>{{cite web|title=tecknexus.com|url=https://tecknexus.com/nvidia-57b-revenue-fuels-ai-infrastructure-boom/|publisher=tecknexus.com|access-date=2025-11-26}}</ref>

所以現在的圖像是：

: 

==== ### ====
# Google 自己的 GPU 依賴度，確實會被 TPU 吃掉一部分 - 如果 TPU 在 Google 內部的「每 Token 成本」+ 能效顯著優於 GPU，那麼 Google 把更多訓練/推論轉去 TPU 是理性選擇。 - 對 NVIDIA 來說，Google 這個客戶的「理論最大需求」下修，市場會拿來打折估值，這是合理的反應。
# 其他 hyperscalers 也都在搞自家晶片，這是系統性壓力，不只 TPU - AWS：Trainium / Inferentia - Microsoft：Maia / Cobalt - Meta：自研加速器 - 咨詢機構預估：到 2030 年，這些「自家 AI ASIC」在資料中心 AI 加速器裡的份額，可能上看 15–20%，也就是從原本幾乎全靠 NVIDIA 的世界，變成至少有一塊內需被自家晶片吃掉。Kearney<ref>{{cite web|title=Kearney|url=https://www.kearney.com/industry/technology/article/breaking-the-gpu-stronghold-emerging-competition-in-ai-infrastructure|publisher=kearney.com|access-date=2025-11-26}}</ref>

這些加起來，會讓市場把 NVIDIA 從「幾乎壟斷 AI 算力」的 story，調成「仍然是最大玩家，但份額慢慢被稀釋」，對 估值倍數 一定有壓力。

===== （1）TPU 只直接影響「願意把 workload 鎖在 Google 生態」的那一圈人 =====

TPU ≠ 任意地方都買得到的白牌卡，它本質比較像：

: 
* 想自建機房、做多雲、或現在已經 heavy 在 AWS / Azure 的客戶，不會因為「Gemini 很強」就突然說：好，我全部轉去 TPU。
* 他們要嘛： - 繼續瘋狂買 NVIDIA， - 要嘛等自家雲的 ASIC 成熟（Trainium / Maia）， - 或者用一些新創 ASIC 方案。

→ 這代表：Google 用 TPU 拿到 SOTA，並不直接等於「全球 GPU 需求下滑」，只等於「Google 這一塊的 GPU 天花板下降」。

（2）份額掉 vs. 大餅變多，哪個比較快？

就算你假設：
* NVIDIA AI 加速器市佔，從 90% 降到 70–75%，被 TPU / Trainium / Maia 等吃掉一部分，巴倫周刊<ref>{{cite web|title=巴倫周刊|url=https://www.barrons.com/articles/nvidia-stock-ai-chip-revenue-98dfccf1|publisher=barrons.com|access-date=2025-11-26}}</ref>
* 但同一時間： - 全世界在 AI 上的 CapEx 還在爆炸成長 - xAI 之類的公司喊的目標是 5 年內相當於 5,000 萬顆 H100 等效的算力需求等級，這不是開玩笑的規模。Tom's Hardware<ref>{{cite web|title=Tom's Hardware|url=https://www.tomshardware.com/tech-industry/artificial-intelligence/elon-musk-says-xai-is-targeting-50-million-h100-equivalent-ai-gpus-in-five-years-230k-gpus-including-30k-gb200s-already-reportedly-operational-for-training-grok|publisher=Tom's Hardware|access-date=2025-11-26}}</ref>

那產生的效果可能是：

: 

對股價來說，這會從「故事無敵爽」→「故事還不錯但沒有之前那麼神」，
是 估值倍數下修 的邏輯，不是「需求崩盤」的邏輯。

（3）TPU 強不代表「GPU 不重要」，只是代表「GPU 不是唯一選項」

多份報告/分析都提到：
* TPUs 在某些 workload（尤其是 Google 自己堆好的 TensorFlow/JAX/Pathways + 大規模 LLM）上，perf/watt 和 cost/token 真的優於一般 GPU。CloudOptimo<ref>{{cite web|title=CloudOptimo|url=https://www.cloudoptimo.com/blog/tpu-vs-gpu-what-is-the-difference-in-2025/|publisher=cloudoptimo.com|access-date=2025-11-26}}</ref>
* 但 GPU 還是有： - 通用性（不只 LLM，還有視覺、科學計算、各種雜七雜八） - 生態（CUDA、各種框架、工具、第三方庫） - 客戶可以買來自己插機櫃，不用一定選某家雲。

所以未來比較像：

: 

==== 用你常用的 EV/機率語言來說，我會這樣看： ====

===== - 「NVIDIA 永遠 80–90% 以上市佔」機率：被當成 70–80% =====
* 「每年 AI CapEx > 想像中的線性」機率：被當成 70–80%
* 兩個故事疊在一起，股價就 price in 成「壟斷級別 + 超級成長」

===== - 「市佔長期維持 70–75% 左右」的 base case，市場開始認真考慮 =====
* 「雲端自研晶片份額拉到 15–20%」變成共識情境，而不是邊緣風險Kearney<ref>{{cite web|title=Kearney|url=https://www.kearney.com/industry/technology/article/breaking-the-gpu-stronghold-emerging-competition-in-ai-infrastructure|publisher=kearney.com|access-date=2025-11-26}}</ref>

→ 這對 估值倍數 一定有影響，
但對 絕對獲利成長，要看：
* AI 總算力需求的成長率會不會像現在這樣瘋
* NVIDIA 能不能在： - 軟體（CUDA、NIM、推論平台） - 網路／交換器／完整系統（Blackwell 平台、NVLink、Spectrum-X） 上多收一層「訂閱 / 平台錢」，把硬體競爭壓力部分吃回來。S&P Global<ref>{{cite web|title=S&P Global|url=https://www.spglobal.com/ratings/en/regulatory/article/-/view/type/HTML/id/3463382|publisher=S&P Global|access-date=2025-11-26}}</ref>

==== 我會幫你總結成一句話： ====

: 

所以如果你是在想：
* 要不要因為 TPU 這件事就直接唱衰整個 GPU 需求？ → 我覺得太過頭了，數據目前完全看不到「需求下降」，只看到「壟斷敘事被稀釋」。
* 要不要因為這件事調整對 NVDA 的合理倍數？ → 這就有道理了：如果你原本用的是「類壟斷成長股」的 PE / PS 假設， 現在改成「市佔高但會被慢慢稀釋的大藍籌成長股」， 估值下修是合理的思路。

如果你願意，我可以幫你做一個小表：
* 橫軸：自研 ASIC 市佔 0 / 10 / 20 / 30%
* 縱軸：AI 總算力 TAM 成長（年複合 20 / 30 / 40%）
* 算出在不同情境下，NVIDIA AI 收入成長率 & 理論合理 PS 區間

讓你有一個「情境樹」而不是被單一新聞情緒牽著走。