TPU
張量處理單元（Tensor Processing Unit）。Google 自研嘅客製化晶片，專為 AI 矩陣數學運算而生，而非通用圖形處理。
GPU
圖形處理單元（Graphics Processing Unit）。NVIDIA 旗艦晶片，起初為電競遊戲開發，現為全球 AI 模型訓練嘅主導硬件。
推理 (Inference)
將訓練好嘅模型投入實際應用運行。與模型訓練相比，推理嘅運算成本較低，但商業落地嘅重要性正呈幾何級數上升。
CUDA
NVIDIA 獨家嘅軟件生態層。呢個先係實質嘅競爭護城河 —— 數以百萬計嘅開發者被代碼生態牢牢綁定，而非單純因為硬件晶片。
Google 究竟發佈咗啲乜？
喺拉斯維加斯舉行嘅 Google Cloud Next 2026 大會上，Google 釋放出兩個震撼市場嘅強烈訊號。首先，官方確認第七代 TPU「Ironwood」正式進入全面商用（General Availability），呢款晶片係首款專為 Google 所謂大規模推理的「智能體時代（Agentic Era）」量身打造。與此同時，Google 亦提前披露其第八代晶片架構：兩款分工專屬的 ASIC 晶片 —— 專攻超大規模訓練的 TPU 8t，以及主打高速推理的 TPU 8i。兩者均鎖定台積電（TSMC）的 2 納米（2nm）先進製程，預計將於 2026 年下半年全面落地。
簡單來講，TPU 就是 Google 用來對抗 NVIDIA 繪圖晶片（GPU）的皇牌武器。GPU 屬於甚麼都能做的「通用軍火箱」，而 TPU 則是從零開始、純粹為 AI 矩陣運算而設計的「特種專門晶片」。Google 自 2016 年起就默默佈局自研矽晶片，而這第八代架換更是其歷史上野心最大的一次「雙軌分流」，首次將 AI 生態週期的「訓練」與「推理」徹底拆解成兩款獨立晶片設計。
據官方公佈的規格，TPU 8t 訓練叢集（Pod）的算力表現，幾乎是同等 Ironwood 叢集的三倍，且每瓦特性能（Performance per watt）直接翻倍。而負責推理的 TPU 8i，則旨在為企業客戶同時驅動數以百萬計的 AI Agent（智能體）在線運作。
「呢點要留神：最後呢部分帶嚟嘅結構性影響極深。」行政總裁 Sundar Pichai 在財報電話會議上明確放風：隨著 AI 實驗室、頂級量化基金及高效能運算（HPC）應用對 TPU 的需求呈井噴式增長，Google 將打破以往「只供雲端租用」的傳統，開始將 TPU 硬件直接交付予特定大客的「本地數據中心（On-premise data centres）」。Google 顯然已不滿足於將自研晶片優勢藏在自家雲端內部，而是要正式化身成硬件供應商。
講到交易層面，關鍵唔係 headline，而係背後嘅資金流：Google 唔再單純係 TPU 嘅用家，佢正轉身變成硬件賣家，而且班科技巨頭早就簽好哂「大碼合約」。
Anthropic 的算力多元化佈局
開發 AI 模型 Claude 的頂級獨角獸 Anthropic，日前確認已與 Google 簽署了一項極具指標性的基礎設施協議，合約鎖定高達 100 萬顆 Ironwood TPU 晶片的算力供應。這筆涉及數百億美元的超級大單，已獲雙方官方正式確認。
要透視這筆交易的本質，市場參與者需要完整解讀 Anthropic 的多元算力策略：
市場之所以需要看清這個「三足鼎立」的宏觀全景，是因為不少海外财經媒體在報導時，往往將其誇大為 Anthropic 要「拋棄」NVIDIA 轉投 Google。這種觀點顯然缺乏對跨國科技龍頭「複合式架構」的精準認知。這筆 Google 大單實質上是一次高瞻遠矚的「擴產」，而非與 AWS 或 NVIDIA 劃清界線。
點解比拼晶片跑分（Benchmarks）搞錯咗重點？
單從逐顆晶片（Per-chip basis）的角度來看，現今世代的對決其實比媒體吹朋的更為膠著。全面投入商用的 Ironwood 能夠輸出約 4.6 Petaflops 的 FP8 算力。而 NVIDIA 的 Blackwell B200 在 FP16 精度下則提供約 4.5 Petaflops。不過，跨精度對比（Cross-precision comparisons）在技術上必須保持審慎，開因兩者的運算維度並不完全對等。
但如果交易員天天跟著這群工程師比拼「跑分」，那就完全忽略了背後更龐大的商業敘事。
當晶片真正落地部署成超級叢集（Pod Scale）時，兩者的商業分化才真正顯現。一個由 9,216 顆晶片組成的 Ironwood Superpod 能夠爆發出 42.5 Exaflops 的恐怖算力；而即將面世的第八代 TPU 8t 叢集（9,600 顆晶片），在 FP4 精度下更是直指 121 Exaflops。更關鍵的是，Google 宣稱其技術能在單一邏輯叢集內實現高達 100 萬顆晶片的「近線性擴展（Near-linear scaling）」。對於動輒調動數十萬顆晶片同時運作的 Hyperscalers（超大規模雲端商）而言，**「叢集層面的經濟學（Pod-level economics）」**遠比單顆晶片的跑分高低重要得多。
性能基準跑分
核心晶片對決：算力與每瓦特效率
精度說明：直接對比需保持審慎。Ironwood 算力基於 FP8 精度測算，NVIDIA B200 基於 FP16，而 TPU 8t 叢集數據則基於 FP4。將 FP4 數據減半可作粗略的 FP8 等效參考。每瓦特性能（Perf/Watt）以 NVIDIA H100 作為基準 100 進行指數化，數據反映 Google 官方宣稱之規格，並非第三方獨立驗證。實際跑分隨工作負載及環境變化而異。
NVIDIA 牢不可破的王座？
根據權威數據機構 IDC 的最新統計，NVIDIA 目前仍強勢鯨吞全球 AI 數據中心晶片市場高達 81% 的市佔率。這種市場集中度在金融史上堪稱奇蹟，而且短期內的訂單「能見度」依維持得極具韌性。
近期華爾街大行對 NVIDIA 的盈利增長預期依然樂觀，這主要受到全球 AI 基礎設施擴產潮未見降溫，以及 Blackwell 平台在各大雲端巨頭中被瘋狂採用所支撐。NVIDIA 自身給出的前瞻指引（Guidance）更是驚人 —— 2026 至 2027 年底前，Blackwell 以及下一代 Vera Rubin 架構的累計在手訂單已直逼 1 萬億美元大關。
不過，挑戰者正從四面八方湧入。AMD（超微半導體）憑藉其機架級伺服器系統正攻城掠地。IDC 調研顯示，AMD 目前已成功搶下 AI 加加速器市場約 10% 的份額，相比兩年前低個位數的窘境大幅躍升。與此同時，亞馬遜和 Google 的自研客製化矽晶片業務（Custom Silicon）正以幾何級數擴張。單是亞馬遜旗下的晶片業務（涵蓋 Trainium、Graviton 及 Nitro），其年化營收（Revenue run rate）就已悄然突破 200 億美元大關，同比錄得三位數暴漲，2026 年第一季度的環比增長更接近 40%。
「睇到呢度，NVIDIA 嘅多頭邏輯依然好清晰：」市場實質需求依舊極度強勁，且 NVIDIA 的生態圈在短期內依然深度嵌死在 AI 算力棧的最底層。
但作為長線配置者，真正值得考量的核心變數，不是眼前的季度財報有多亮眼，而是**在下一輪算力升級週期中，NVIDIA 是否還能保有如此暴利的定價權（Pricing power）**。Google、亞馬遜及微軟在自家矽晶片上每多累積一份底氣，NVIDIA 談判桌上的籌碼就會減少一分。背後的博弈動機非常單純：這群萬億級科技巨頭有著一萬個理由去終結「單一供應商鎖定」，而且佢哋兜裡有著全世界最雄厚的資本開支（CapEx）去落實這件事。
市場結構透視
全球 AI 數據中心加速器市佔率預估 (2026)
以 AI 加速器營收為統計標準。客製化晶片（Custom Silicon）在三年前幾乎為零，如今已成氣候。市場對 AMD 的市佔預估因統計口徑而異，近期華爾街分析師給出的預期落在 4% 至 10% 之間。
數據來源：IDC 預估報告、Silicon Analysis、公開披露及各大上市公司財報。圖表數據為近似值，隨市場定義及統計方法不同或有實質性修訂。
策略師眼中的美股與板塊部署
對於 NVIDIA 而言，短期的盈利神話與長期的競爭格局正在發生「結構性背離」。爆發式的財報表現固然能為短期的市盈率（P/E 多倍體制）保駕護航，但大客戶紛紛走向自研晶片的歷史巨輪，一旦啟動就很難逆轉。
對於 Alphabet (Google 母公司) 來講，Ironwood 的正式商用以及第八代晶片的預期，代表著一個遠超廣告業務的第二增長曲線。2026 年第一季度，Google Cloud 同比狂飆 63%，在全球三大 Hyperscalers 中增速傲視同群。倘若企業級推理（Enterprise Inference）的工作負載繼續瘋狂向 Google 基礎設施遷移，這條由 Anthropic 和 Meta 作為錨定大客的「TPU 算力即服務（TPU-as-a-service）」渠道，將實質性地拉長 Google 的估值溢價空間。
「講到交易層面，更聰明嘅資金流，其實正悄悄湧入那些沒那麼顯眼的供應鏈影子贏家。」
無論這場晶片大戰最終是 NVIDIA 續寫神話，還是 Google ASIC 成功突圍，兩者的晶片都必須交由台積電（TSMC）生產（TPU 8t/8i 已鎖定台積電 2nm 先進製程）。同時，博通（Broadcom）作為 Google 訓練晶片的共同設計者，聯發科（MediaTek）作為推理晶片的合作方，都將在 ASIC 浪潮中直接收割利潤。此外，高密度液冷散熱供應商（Liquid cooling companies）、電力基礎設施商，以及受惠於雲端巨頭資本開支暴增的數據中心房地產信託（Data Centre REITs），都是極具防守性的結構性主線。要知道，2026 年全球四大雲端龍頭的累計 CapEx 預估將衝破 7,000 億美元大關，相比 2025 年的 3,880 億美元幾近翻倍。這種級數的資金鐵流，才是市場最強烈的宏觀訊號。
納斯達克 100 (NAS100)
透視 NVIDIA 與四大 Hyperscaler 財報表現的最直觀風向標。任何板塊層面的財報驚喜或暴雷，都會引發該指數的劇烈震盪。
離岸人民幣 (USD/CNH)
用來捕捉中美晶片科技戰、關稅及貿易政策敏感度的核心工具。全球地緣政治的持續不確定性，令該貨幣對的風險溢價維持高企。
美國 10 年期債息 (US10Y)
美債息 4.5% 水平向來是全球科技股估值的分水嶺。在高息維持的鷹派環境下，債息若因通脹預期走高，將直接擠壓高估值科技板塊。
注意：以上內容僅供一般市場評論，並不構成任何交易訊號或個人投資建議。CFD（差價合約）槓桿交易涉及高風險，損失可能超過初始入金。過往表現並不預示未來結果。
真正的風險隱藏在哪裡？
AI 基建開支的暴增，並不等同於買入任何美股都能穩賺不賠。要在這場「晶片內戰」中全身而退，以下四大結構性風險必須時刻警惕：
估值透支風險
NVIDIA 乃至整個 AI 硬件板塊目前的股價，早已深度定價（Priced in）了未來數年的爆發式增長。一旦前瞻指引（Guidance）出現任何微小瑕疵、毛利率因競爭壓縮、或大廠基建需求出現哪怕是短暫的停頓，都可能引發整個科技板塊的估值劇烈修正。
被低估的 CUDA Moat
NVIDIA 真正撕不開的護城河從來不是硬件，而是百萬工程師日夜賴以生存的軟件生態。Google 雖然推出了 TorchTPU 倡議試圖降低開發者的「轉移成本（Switching costs）」，但軟件生態的慣性極其頑固，這條護城河的黏性是市場最容易低估的因素。
商業化交付風險
寫在發佈會 PPT 上的跑分數據永遠完美。但對 Google 而言，將自研 ASIC 大規模量產、按時交付、並為外部企業客戶提供商業級（Commercial-grade）的 SLA 服務承諾，其營運難度與以往供給自家內部使用完全是兩個概念。
市佔侵蝕 vs 營收絕對值
隨著 AMD 和各大雲端 ASIC 崛起，NVIDIA 在整體市場的「百分比份額」下滑幾成定局，但由於成個 AI 算力蛋糕（Total Addressable Market）膨脹得太快，NVIDIA 的「絕對營收」依然可能錄得增長。交易員在做空或做多時，必須分清市佔率被蠶食與實質盈利萎縮的差別。兩者並非同一回事。
投資者最終應如何落筆？
這場 AI 晶片世紀大戰，絕非簡單的「非黑即白」或者「你死我活」。這是一個規模太過龐大、甚至上升到國家戰略高度的超級市場，註定不可能由任何單一龍頭永久性地無限期壟斷。
NVIDIA 憑藉純粹的技術遠見和長達十年的軟件長征，贏得了應有的王座，其近期的財務回報也將繼續印證這一點。
但在 2026 年的今天，站在擂台對面的挑戰者，不再是拿著融資商業計劃書的初創公司，而是手握萬億資源、掌控全球雲端基礎設施、且有著絕對動力去「終結單一壟斷」的超級巨無霸。佢哋砸向台積電 2nm 先進製程的每一張資本開支支票，都是實實在在的歷史轉折信號。
在 Warsh 式聯儲局高息壓頂的時代，我們不妨換個思考框架：未來 AI 算力需求的總量是否增長，可能不再是核心變數。**誰能把這份算力轉化為實質的利潤率（Margins），而市場又願意給予其多少倍的估值溢價（Valuation multiple）**，這才是每位成熟投資者需要根據自身風險偏好，仔細權衡的終極考驗。
情景模擬免責聲明：本報告中提及之所有前瞻性情景及「未來 30 天/3 個月」的市場路徑，僅作為壓力測試與催化劑邏輯推演之教學模型，並不代表本機構的官方核心預測或投資保證。市場所涉之原油價格目標、聯儲局貨幣政策轉向或任何宏觀金融工具水平皆為假設性模擬。真實市場瞬息萬變，請務必保持審慎。過去表現並不代表未來回報。
