Google技術長來台開講！稱AI將指數級成長 看懂TPU與資料中心設計邏輯

SEMICON Taiwan 2026國際半導體展今（2）日開展，Google技術長兼AI基礎建設資深副總裁Amin Vahdat擔任大師論壇的首位主題講者，這也是他首度在亞洲對外開講。對於人工智慧（AI）的演進發展，他認為，AI目前發展已從「生成式AI」進入「代理式AI」，但未來會進入到「Agent to Agent」時代，代理式AI彼此自動對話，AI應用會呈指數級成長，全球算力需求已無上限。

過去3年，全球布建AI資料中心，大多以輝達的GPU（繪圖處理器）算力為首。不過，隨著Google設計的TPU（張量處理器）爆紅，科技圈也開始關注起Google對AI基礎建設、TPU的設計想法，因為Googe這款晶片不只自用、還會外售，連帶相關合作夥伴、供應鏈也都一起受惠。

也因此，Google技術長這次在SEMICON的演講就更廣受市場關注。

Google很早之前就開始設計TPU。早在2013年時，Google就發現，語音辨識、圖像搜尋、翻譯等應用快速爆發，如果全球用戶每天多使用幾分鐘的語音搜尋，Google就必須把現有資料中心規模擴大一倍，主要原因在於CPU（中央處理器）、GPU屬於通用型設計，在執行神經網路時，相當耗能。為了避免資料中心花費過多的電力與硬體成本，Google自2013年底就啟動第一代TPU專案計畫，並於2015年起，在內部開始使用TPU。

如今，TPU已經發展到第8代。而且，第8代TPU首度採取雙晶片策略，TPU 8t專攻AI訓練，TPU 8i專攻AI推論。

之所以要將TPU做更細的劃分，自然也與AI的未來發展有關。Amin Vahdat說，未來的AI互動模式，會從人與AI互動，進一步發展為「Agent to Agent」對話，這也將驅動各種AI應用呈現指數級成長。

他表示，即使透過各種優化讓AI模型運算效率提升1000 倍，需求也不會減少，因為AI會解鎖人類過去無法想像的新領域，例如，Google的AlphaFold 3能在幾小時內預測蛋白質結構，這對新藥開發領域帶來相當大的幫助。

隨著AI需求持續上升，Google思考的是未來AI基礎建設如何架構。Amin Vahdat表示，這也代表晶片、軟體、網路、機架、資料中心、電力都不能分開設計，必須要全部一起設計。這也就是為什麼Google需要提前2-3年就先規畫硬體，AI基礎建設團隊也必須要同時與模型設計團隊、台灣供應鏈保持密切合作。

面對未來AI發展的瓶頸，Amin Vahdat說，真正的瓶頸不一定是「算力」，而是「電力」與「資料搬移」。他表示，「運算很便宜，但是，要把資料搬到運算單元非常昂貴」，因此，未來Google晶片架構的重要設計方向之一，就是盡可能地減少資料移動，因此，第八代TPU也將網路連接與運算整合，降低資料傳輸帶來的能源成本。

由於AI運算非常耗電，各界對於也對「電力」也相當重視。Amin Vahdat提到，資料中心不是只追求算力，還必須考量當地的能源可靠度，與整體基礎建設帶來的影響，因此，Google長期目標是仍然是推動7天、24小時無碳能源，並透過風電、太陽能、電池、地熱等方式增加能源供應。

面對外界質疑AI是否有泡沫化的跡象時，Amin Vahdat表示，「我不是經濟學家，所以無法判斷」，但可以確定，全球轉向AI的趨勢非常真實。

他也以「Google搜尋」為例，他指出，「Google搜尋」過去一年完成AI重大升級之後，「它現在變得更好了」，從數據上來看，Google搜尋使用的年增率高達18%，廣被全球各地的人廣泛使用；他也再以25年前網際網路的發展為例，他表示，當時社會上也曾出現「網路泡沫」言論，但不代表網路長期發展趨勢是假的，走過2001年網路泡沫之後，網路現在也近一步改變社會與科技產業，而AI帶來的技術轉型與機會都是真實的，並將在未來改變世界。