Google Gemini 和 TPU ，我是 Nvidia 投資者如何思考

December 03, 2025

Google Gemini 和 TPU ，我是 Nvidia 投資者如何思考

有消息Google最新version Gemini使用自家設計TPU (是ASIC一種) 進行訓練，因為過去大家普遍認為ASIC適合推理而非訓練。Meta正洽談斥資數十億美元購買Google TPU晶片。

市場的即時反應，Google和Meta正面，Nvidia負面。

ASIC是application specific integrated circuit，特定用途，針對Google Gemini特別高效。但是不代表所有企業的所有Model都可以達到同樣最佳的效果。

如果ASIC可以用在許多種不同用途，就不再是specific，不是ASIC，這個是Nvidia GPU是general purpose，設計上的分別。

Meta在洽談，不代表交易一定成事，需要觀察。假如成事，不代表一定有如Google Gemini最佳效果。

Google造出來TPU，假如賣給Meta，是會加上Profit Margin去賺錢，不代表價錢好平，Google不是NGO，Google角色成為晶片供應商，定價睇齊AMD / Nvidia ?

Google訓練自己的AI Model之外，Google Cloud Platform (GCP)業務仍然在購買Nvidia GPU，去提供服務給客戶。

以下節錄自我的書《AI 投資時代》（參考：主題和内容 | 發售資料）

雲端服務是硬體共享理念，是集中設置基礎設施，透過不同客戶去使用，包括不同客戶有不同使用時間高峰，當完成了一個客戶的工作，就可以做另一個客戶的工作，如果晶片運算速度越快，騰出的空間去接受更多客戶的工作，直至時間被填滿，就需要加添更多硬體設備。

CPU 和 GPU 設計理念是通用性，要考慮的因素就會越多，運算速度可能要有犧牲。不過此亦符合雲端服務供應商的考慮，通用性代表更多客戶可以合適使用。

相反，FPGA 和 ASIC 是集中處理特定工作範圍而加強運算速度的提升，可以做到快過 CPU 和 GPU，及耗電更低。FPGA 和 ASIC 又是兩種極端手法:

ASIC 內置特定用途設計是最狹窄，不能更改。

FPGA 可編程特性令至最大彈性，即可以在沒有更換晶片的情況下，改變內部功能。

在雲端服務上，由一般運算到增加了 AI 運算，由使用 CPU 到 GPU，這是一種專門化的過程。當處理 AI 運算的工作量越來越多，種類越來越多，雲端服務供應商會再去找尋專門化的優化機會，例如某一些種類的 AI 深度學習運算如果適合放到 FPGA / ASIC之上，可以提升速度，做到記憶傳輸速度更高。

思考

「DeepSeek出現，所以中國AI取代美國AI。」

「Google TPU訓練Gemini，所以TPU取代Nvidia GPU。」

許多投資者都有這種思考方式，只有0同1，非黑即白，有你無我，只有暴升同暴跌，只有All-in和沽清貨，一見到什麼就即刻極端化，欠缺慢慢思考的細節考慮。

AI未來市場很大，可以容納好多企業。有AMD或者Cloud service providers的ASIC (Google的TPU、Amazon的Trainium / Inferentia、Microsoft的Maia)，不等於Nvidia玩完。Nvidia在AI晶片的Market Share現在有約90%，未來會下跌，但我相信不是崩盤式下跌，AI市場的增長可以補償部分，Nvidia的增長漸減慢。

Gemini最新version出現前，覺得Google表現差；出現後對Google改觀. . . 會不會下個月xAI的Grok最新version出現，覺得超過Google的Gemini?

Gemini最新version出現前，大家是否估計到？

歡迎大家留言，分享你的意見。

《沉溺影像 INDULGE | Hong Kong Cityscape》

《憑科技．贏自由》

《AI 投資時代．真的值得參與嗎？》

《科技戰國．尋找科技價值投資的故事》

下面的Page / Group，歡迎大家Like和Follow，就可以自動收到文章更新。