Google tidak lagi mahu sekadar menjadi pelanggan Nvidia

Google tidak lagi mahu menjadi sekadar pembeli cip AI Nvidia. Sepanjang 2025 dan 2026, syarikat teknologi itu dilaporkan sedang membina strategi berlapis untuk mengurangkan kebergantungan terhadap Nvidia — bukan hanya melalui cip TPU miliknya, tetapi juga dengan mengukuhkan pusat data, rantaian bekalan dan perisian yang menyokong cip tersebut.

Pendekatan ini penting kerana kelebihan Nvidia bukan terletak pada GPU semata-mata. Ekosistem perisian CUDA, yang digunakan secara meluas oleh pembangun AI, turut menjadi benteng besar yang menyukarkan pelanggan beralih kepada perkakasan pesaing.

1. Menyediakan sokongan kewangan AS$3.2 bilion untuk Lake Mariner

Google memberikan sokongan kewangan berjumlah AS$3.2 bilion untuk projek kampus pusat data AI Lake Mariner di barat New York, yang dibangunkan bersama TeraWulf dan platform awan Fluidstack . Menurut pemfailan kepada Suruhanjaya Sekuriti dan Bursa Amerika Syarikat (SEC), Google menaikkan jumlah sokongan itu kepada AS$3.2 bilion dan meningkatkan pegangan pro forma dalam TeraWulf kepada kira-kira 14% .

Kemudahan tersebut akan menggunakan ribuan TPU Google untuk menyokong latihan model Claude milik Anthropic, sekali gus menyediakan laluan komersial terus untuk cip Google bersaing dengan perkhidmatan awan berasaskan Nvidia .

TeraWulf, yang sebelum ini terkenal sebagai syarikat perlombongan Bitcoin, menandatangani perjanjian pengehosan selama 10 tahun dengan Fluidstack. Perjanjian itu mewakili kira-kira AS$3.7 bilion hasil berkontrak dan berpotensi meningkat kepada AS$8.7 bilion jika pilihan lanjutan dilaksanakan .

Langkah Google ini menyerupai pendekatan Nvidia: menggunakan jaminan kewangan untuk menarik pelanggan utama, mengunci kapasiti pengkomputeran dan membina permintaan terhadap perkakasan sendiri.

2. Sasaran penghantaran TPU: angka besar yang masih diperdebatkan

Tinjauan saluran Mizuho pada Jun 2026 mengunjurkan penghantaran TPU Google sekitar 4.3 juta unit pada 2026, sebelum meningkat kepada lebih 35 juta unit pada 2028 — kira-kira lapan kali ganda dalam tempoh dua tahun .

Namun, angka 35 juta itu bukan konsensus pasaran. Morgan Stanley mengunjurkan kira-kira 5 juta unit pada 2027 dan 7 juta unit pada 2028, manakala Wolfe Research menjangkakan penghantaran tahunan sekitar 7 juta unit menjelang penghujung 2028 . TrendForce pula memberikan unjuran yang lebih sederhana, iaitu 5 juta unit pada 2027 dan 7 juta unit pada 2028 .

Unjuran Mizuho dipersoalkan oleh pemerhati industri kerana angka 35 juta itu dikatakan kira-kira 2.3 kali lebih besar daripada anggaran keseluruhan industri. Sebahagian pihak menyifatkannya sebagai angka yang “serius terpisah daripada realiti rantaian bekalan” .

Perbezaan besar antara anggaran ini menunjukkan bahawa persoalan utama bukan sekadar permintaan terhadap TPU, tetapi sama ada Google mampu meningkatkan kapasiti pengeluaran, pembungkusan canggih dan penghantaran pada skala tersebut.

3. Pasaran cip AI tersuai mula mengatasi pertumbuhan GPU

Data industri TrendForce menunjukkan penghantaran ASIC AI tersuai — cip yang direka khusus untuk tugasan tertentu — dijangka berkembang 44.6% tahun ke tahun pada 2026. Angka itu hampir tiga kali ganda kadar pertumbuhan 16.1% yang diunjurkan bagi GPU komersial .

Ini merupakan perubahan struktur penting dalam era AI. Selama ini, GPU Nvidia menjadi pilihan utama untuk latihan dan operasi model AI. Namun, apabila syarikat teknologi besar mahu mengoptimumkan kos dan prestasi bagi beban kerja tertentu, cip tersuai seperti TPU semakin mendapat perhatian.

Pasaran pemecut AI tersuai secara keseluruhan diunjurkan meningkat kira-kira 45% pada 2026 dan berpotensi mencecah AS$118 bilion menjelang 2033 . Peralihan ini memberi kelebihan kepada Google kerana TPU ialah antara program cip AI tersuai paling matang dalam kalangan syarikat awan besar.

Broadcom, rakan reka bentuk ASIC Google sejak sekian lama, diunjurkan menguasai kira-kira 60% pasaran pemecut AI tersuai menjelang 2027 . Ini bermakna pertumbuhan TPU turut berpotensi menjadi pemacu penting kepada perniagaan Broadcom.

4. Google mempelbagaikan rantaian bekalan melalui Intel dan Marvell

Google dilaporkan mahu mengurangkan pergantungan kepada satu kilang dan satu rakan reka bentuk. Menurut laporan The Information yang dipetik oleh Reuters dan TrendForce, Google telah mendapatkan khidmat Intel untuk menghasilkan lebih 3 juta TPU pada 2028 .

Jika disahkan, langkah ini akan mempelbagaikan sumber pengeluaran Google yang sebelum ini banyak bergantung kepada TSMC sebagai pengilang serta Broadcom sebagai rakan reka bentuk ASIC.

Google juga dilaporkan mengadakan perbincangan dengan Marvell Technology mengenai cip AI yang direka bersama, khususnya dalam pasaran cip untuk inferens — proses menjalankan model AI bagi menghasilkan jawapan atau ramalan .

Marvell berpotensi menjadi rakan reka bentuk tambahan di samping Broadcom dan MediaTek, lalu membentuk rantaian bekalan yang melibatkan beberapa rakan strategik . Lebih banyak rakan bermakna Google mempunyai lebih banyak pilihan kapasiti, tetapi pada masa sama perlu mengurus reka bentuk, pematuhan spesifikasi dan pengeluaran dengan lebih kompleks.

5. TorchTPU menyasarkan benteng perisian CUDA

Perkakasan yang pantas sahaja mungkin tidak mencukupi untuk menumbangkan Nvidia. Cabaran paling sukar ialah ekosistem CUDA, iaitu platform dan model pengaturcaraan Nvidia yang sudah sebati dengan aliran kerja pembangun AI.

Pada acara Cloud Next 2026 pada 24 April, Google mengumumkan TorchTPU, lapisan perisian yang membolehkan beban kerja PyTorch berjalan secara natif pada TPU tanpa bergantung pada jambatan PyTorch/XLA lama .

Google bekerjasama dengan Meta, penjaga utama PyTorch, dalam projek tersebut . Matlamatnya adalah untuk mengurangkan kos dan kesukaran pertukaran bagi pembangun yang mahu beralih daripada GPU Nvidia kepada TPU Google.

Secara mudah, jika model PyTorch boleh dijalankan pada TPU dengan perubahan kod yang minimum, pembangun tidak lagi terlalu terikat kepada CUDA. Dengan PyTorch digunakan secara meluas dalam penyelidikan pembelajaran mendalam — dianggarkan menguasai sekitar 85% penyelidikan dalam bidang itu — usaha menjadikan TPU pilihan utama untuk PyTorch boleh mengubah persaingan cip AI .

Namun, pengumuman perisian tidak semestinya bermakna ekosistem Nvidia akan berubah serta-merta. Google masih perlu membuktikan kestabilan, prestasi, dokumentasi dan sokongan pembangun pada skala besar.

Bagaimana semua langkah ini membentuk strategi Google?

Strategi Google boleh dilihat sebagai usaha mengawal keseluruhan rantaian nilai AI:

• Kewangan: menyokong pembinaan pusat data dan menarik pelanggan utama.
• Perkakasan: meningkatkan pengeluaran TPU sebagai alternatif kepada GPU Nvidia.
• Pasaran: memanfaatkan pertumbuhan cip AI tersuai, terutama untuk inferens.
• Rantaian bekalan: menambah Intel, Marvell dan MediaTek di samping Broadcom serta TSMC.
• Perisian: menggunakan TorchTPU dan PyTorch untuk menghakis kelebihan CUDA.

Jika berjaya, Google bukan sekadar menjual cip. Ia boleh menawarkan pakej lengkap yang merangkumi TPU, kapasiti pusat data, perkhidmatan awan dan persekitaran pembangunan AI.

Dakwaan perjanjian AS$35 bilion masih belum disahkan

Dakwaan khusus mengenai “perjanjian AS$35 bilion melibatkan Google, Broadcom dan Anthropic yang dibiayai Apollo serta Blackstone” tidak ditemui dalam hasil carian sumber yang tersedia.

Bukti yang ada menyokong sokongan kewangan Google sebanyak AS$3.2 bilion untuk projek TeraWulf serta peranan Broadcom sebagai rakan reka bentuk ASIC TPU Google. Namun, angka dan struktur perjanjian AS$35 bilion itu tidak disahkan oleh sumber yang diperoleh.

Buat masa ini, dakwaan tersebut wajar dianggap belum disahkan sehingga terdapat sumber primer yang boleh dipercayai.