從Google技術長Amin Vahdat會後訪談 看台灣在全堆疊AI基礎建設的不可取代性

Google 在迎來台灣 營運20週年之際，除了宣布進一步將士林AI 基礎建設研發中心辦公空間大幅擴建60%，Google技術長暨AI基礎建設資深副總裁Amin Vahdat更在 SEMICON Taiwan 2026的深度訪談中，明確點出台灣在全球算力生態系中的核心定位，說明從巨量資料中心架構、先進半導體製程，到次世代TPU客製化設計，台灣已經從單純的硬體代工製造基地，徹底轉型為推動全球「全堆疊」 （Full-stack） 運算架構革命的協同設計 （Co-design） 關鍵樞紐。

掌握全堆疊優勢，打破軟硬體開發週期的「時間差」

面對AI模型往往數個月便迭代一次，但底層硬體開發卻動輒需要數年時間的情況，Amin Vahdat坦言這是產業鏈共同面臨的巨大挑戰。Google對此的破局之道，在於對全堆疊架構的絕對掌握力，以及具備高度收斂的目標受眾：旗下14個擁有超過20億使用者的全球性服務、主導前瞻研究的Google DeepMind，以及支援企業端運算的Google Cloud。

正因為清楚知道未來2到3年的運算工作負載 （Workload）型態，Google得以由上而下貫穿設計流程。當籌備一座新的資料中心時，內部團隊早已確認次世代TPU的物理規格、機櫃架構，甚至是基礎網路與電力需求。

這種無縫的軟硬體協同設計，不僅消除各節點間的傳輸與效能瓶頸，更確保伺服器上線後能實現兩倍以上的「實際工作負載」每瓦效能 （Performance per watt） 躍升，而非僅停留在硬體規格表的理論峰值。

與台積電等在地生態系「肩併肩」投入底層開發

隨著模型參數規模每年以近10倍的速度暴增，單靠單一節點的晶片架構升級，早已無法填補龐大的算力缺口。Amin Vahdat提到，除了士林研發中心一樓與地下室建置的實體測試環境發揮關鍵綜效外，台灣研發團隊與在地半導體夥伴的合作模式，更能超越傳統的發包與良率檢測。

以台積電的3nm製程合作為例，Amin Vahdat指出雙方團隊幾乎是每天24小時不間斷地緊密投入最底層的除錯與調校。從晶片電路設計、先進3D封裝到系統平台的整體成型，台灣工程師親身參與AI基礎設施的建構過程，確保運算藍圖能完美轉化為具備極高可靠度的大規模叢集。

AI代理時代驅動客製化晶片深度分眾化

針對近期產業高度關注的客製化硬體發展走向，Amin Vahdat提出明確的前景預測。以Google最新推出的第八代TPU為例，內部已經將其精細拆分為專注推論的TPU 8i，以及專攻模型訓練的TPU 8t兩種架構，藉由分工配置實現更高運算效率。

隨著生成式AI逐漸向AI代理 （AI Agents） 演進，未來的運算系統將涉及更多複雜跨節點資料調度，以及超低延遲的即時決策需求。Amin Vahdat認為，只要特定運算負載的整體潛在市場 （TAM） 規模具備足夠份量，能為企業帶來顯著的總體擁有成本 （TCO） 最佳化效益，硬體架構分眾化與極致客製化將是不可逆的發展方向。

意味在未來幾年內，針對不同層級AI任務量身打造的專用晶片將大量問世，持續推升邊緣與雲端伺服器架構的多樣性。

算力狂飆下的極限挑戰：能源效率成為終極課題

在AI算力無止境擴張的同時，全球電網的能源供應與機房冷卻技術已經逼近物理極限。面對外界對於能源供給是否將成為AI發展瓶頸的憂慮，Amin Vahdat強調，追求極致的能源效率不僅是技術達標，更是智慧時代的終極課題。

除了利用全堆疊設計持續壓低非必要的電力損耗外，Google也以實際行動落實永續承諾，包含在台灣推動數百萬瓦 （Megawatts） 級別的綠電共同投資計畫，穩步邁向實現24小時全天候無碳能源 （24／7 Carbon-Free Energy） 的願景。結合台灣供應鏈在液冷散熱技術與高效率供電架構的領先優勢，將是協助全球算力跨越能源障礙的重要動能。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》