Google 與 AMD 合作開發 TPU v10,目前仍只是源自 SemiAnalysis 客戶報告的「市場傳言」,並非兩家公司公布的產品或合約。 傳聞中的方向可能是將 CPU 能力置於 TPU 附近,甚至與加速器放在同一封裝,以應付強化學習和代理式 AI 較高的通用運算需求。
研究答案

Create a landscape editorial hero image for this Studio Global article: What is known—and still unconfirmed—about Alphabet’s reported collaboration with AMD on a 10th-generation Tensor Processing Unit, including. Article summary: The AMD–Google TPU v10 story is currently a plausible but unverified supply-chain rumor, not an announced program. The originating claim was a SemiAnalysis client note saying only that “market chatter suggests” Google is. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Google 與 AMD 傳出合作開發第十代 Tensor Processing Unit(TPU),目前更適合被理解為合理但尚未獲證實的供應鏈傳聞。
消息源頭是一份 SemiAnalysis 客戶報告,措辭只是「市場傳言指出」Google 正與 AMD 推進 v10 世代的 TPU 專案。Google 與 AMD 都沒有公開確認合作關係、產品規格、客戶承諾或量產時程。
這個區分相當重要:傳聞或許反映雲端巨頭正在探索的 AI 晶片方向,卻不能當作 AMD 已經取得合約,或 TPU v10 確定會出貨的證據。
目前報導所描述的概念,是一種異質運算加速器:讓通用 CPU 能力靠近 TPU,甚至與 TPU 放在同一個封裝內。背後的理由與工作負載變化有關。
強化學習和代理式 AI(agentic AI)不只需要大量矩陣運算,還涉及控制邏輯、流程協調、分支判斷、環境互動、工具呼叫及中間結果評估。相較於傳統大型語言模型訓練,這類工作可能需要更多 CPU 資源圍繞 AI 加速器運作。
不過,實際設計仍完全未知。AMD 可能提供 CPU 智慧財產權(IP)、協助晶粒整合、先進封裝、互連技術,或只參與其中某個環節。現有來源沒有說明 AMD 是否會設計完整 TPU、提供特定 CPU IP,或僅負責封裝開發。
AMD 並非沒有相關先例。AMD Instinct MI300A 將 24 個 Zen 4 x86 CPU 核心、228 個 CDNA 3 GPU 運算單元,以及 128GB 統一 HBM3 記憶體整合在具備一致性互連的封裝中。
這項產品顯示,AMD 已具備把通用運算、AI/加速器運算與高頻寬記憶體放在同一系統中的經驗。當 CPU 與加速器需要頻繁交換資料時,這種整合方式有機會減少元件分離所帶來的資料搬移成本。
但 MI300A 只能算是能力參考,不是 Google 傳聞專案的確認。它並不代表 TPU v10 會採用 AMD 相同的 CPU 核心、記憶體架構、封裝技術或軟體堆疊。
過去談 AI 加速器,焦點通常集中在矩陣運算吞吐量與記憶體頻寬;代理式系統則增加了大量模型以外的工作,例如規劃下一步、管理工具、檢查中間結果,以及應對持續變動的環境。強化學習同樣會把加速器密集型運算與通用處理結合起來。
當伺服器中的 CPU 資源相對加速器不足時,可能的解法包括提高 CPU 與加速器的配置比例,或把部分 CPU 能力直接整合進加速器封裝。相關報導正是以這個方向解讀 TPU v10 傳聞;但外界流傳的配置比例和最終架構,都不應視為 Google 已公布的規格。
AMD 傳聞也符合 Google 擴大客製晶片合作網絡的更大趨勢。Broadcom 長期被報導為 Google TPU 的主要實作夥伴,工作範圍包括實體設計、高速介面、供電,以及封裝與製造協調。
另一方面,媒體曾報導 MediaTek 加入 Google 第七代 TPU 的合作,Google 仍保留與 Broadcom 的關係。在相關報導中,Google 主導核心架構,MediaTek 負責 I/O 與周邊相關工作,產品預計於 2026 年在台積電投產。
這代表新增供應商不一定等於取代既有夥伴。Google 可以按照世代、訓練與推論用途、晶粒、I/O 功能、封裝要求或產能安排來分配工作。因此,即使未來 AMD 參與其中,也更符合多夥伴策略,而不是 Broadcom 或 MediaTek 已被排除的證據。
相較於 AMD 傳聞,Google 擴大與 Marvell 的合作是已披露的商業資料點。這項安排涵蓋與 TPU 生態系統連接的客製半導體計畫,包括 AI 推論加速器、儲存控制器、網路介面控制器、記憶體介面控制器及近記憶體運算等領域。
Marvell 向 Google 發出認股權證,允許 Google 以每股 206.58 美元購入最多 58,970,907 股 Marvell 股票;若全部行使,價值約 122 億美元。
這個數字需要仔細解讀。認股權證的歸屬與未來採購目標掛鉤,股份會按照 Marvell 從 Google 取得的營收分批歸屬。報導所稱、截至 Marvell 2033 財政年度的最高約 1,200 億美元採購框架,是取決於目標能否達成的上限,不是無條件訂單,也不是立即確認的營收承諾。
因此,Marvell 合作支持的是「Google 正在建立更深、更分散的客製晶片供應鏈」這個較大結論,但不能用來證實 AMD 參與 TPU v10。
如果這個專案確實存在,並最終進入有規模的量產,AMD 將取得切入超大規模雲端業者客製晶片的新路徑。這不只代表銷售 Instinct 加速器與 EPYC 處理器,也可能讓 AMD 把 CPU IP、晶粒整合和封裝能力納入客戶專用的完整系統。
但財務效益目前完全屬於推測。現有報導沒有披露 AMD 的具體工作範圍、商業條件、IP 所有權、晶圓代工夥伴、先進封裝產能、預期數量或時間表。因此,沒有充分依據把這項傳聞視為 AMD 已入帳的營收,或據此推算特定估值影響。
對 Google 而言,擴大合作夥伴數量可能帶來更多設計資源、製造彈性與議價能力,也能依照訓練、推論和代理式 AI 工作負載,選擇更適合的專業供應商。
對 Broadcom 和 MediaTek 而言,若再加入 AMD,邊際上可能增加競爭壓力;但現在就推論 Broadcom 將失去業務、MediaTek 角色縮減,或 Google TPU 市占率改變,都還言之過早。Google 的供應鏈模式本來就可能讓多家夥伴同時負責產品路線的不同部分。
即使按照目前流傳的 TPU 路線圖,先進製程 TPU v8 也被報導為要到 2027 年底才進入生產階段。 若世代編號及路線圖大致準確,TPU v10 仍會在此之後推出。
而一款 CPU 與加速器異質整合的 TPU,所需工作也不只是宣布架構。Google 與合作夥伴必須定義 CPU—加速器介面,驗證記憶體一致性與封裝,完成實體設計,讓編譯器和軟體堆疊支援新硬體,取得晶圓與先進封裝產能,完成晶片測試,最後部署至資料中心。
這些環節都使 TPU v10 在短期內推出的可能性偏低。較穩妥的判斷是:即使合作已經開始,產品也應是 v8 之後的多年期規劃,而不是已有確認的量產日期。
目前最強的已確認訊號,是 Google 持續擴大客製晶片供應商網絡,包括已披露的 Marvell 合作。至於 Google—AMD TPU v10,證據層級較弱,仍只來自具名來源轉述的市場傳言,兩家公司尚未公开證實。
這項傳聞之所以值得關注,是因為它把 AMD 的 CPU 與封裝經驗,連結到需要更多通用運算能力的強化學習和代理式 AI 工作負載。但在 Google 或 AMD 公開專案之前,架構、商業價值、量產時程及競爭影響,都仍是未解問題。
Studio Global AI
這個頁面包含附來源佐證的答案,你可以在 Studio Global 內繼續追問。
Google 與 AMD 合作開發 TPU v10,目前仍只是源自 SemiAnalysis 客戶報告的「市場傳言」,並非兩家公司公布的產品或合約。
Google 與 AMD 合作開發 TPU v10,目前仍只是源自 SemiAnalysis 客戶報告的「市場傳言」,並非兩家公司公布的產品或合約。 傳聞中的方向可能是將 CPU 能力置於 TPU 附近,甚至與加速器放在同一封裝,以應付強化學習和代理式 AI 較高的通用運算需求。
AMD 的 MI300A 證明其具備整合 x86 CPU、加速器與統一 HBM3 記憶體的能力,但不代表 Google 的 TPU v10 會採用相同設計。