迎戰AI算力爆發！ Google技術長：追求產能瞬間拉滿　須與台灣供應鏈合作變革

隨著人工智慧進入 Agentic AI 時代，電腦與電腦之間的對話讓全球算力需求呈幾何級數暴增。Google 技術長兼 AI 基礎建設資深副總裁 Amin Vahdat 今（9/2）表示，傳統費時數年的產能拉升曲線已不符合時宜，晶片一經認證，產能必須在最短時間內瞬間拉升至最大值。為此，Google 需與台灣半導體及封測供應鏈進行根本性的合作變革，唯有兩邊深化合作，才能確保軟硬體與供應鏈準備就緒。

SEMICON國際半導體展於今日正式開展，論壇活動亦進入第3日。早上登場的是「大師論壇暨全球生態系高峰會」，Amin Vahdat 以「The Physics of Thought & Architecture of Intelligence」（思考的物理學與智慧的架構）為題進行開幕演講。

Amin Vahdat 引用18世紀工業革命的「傑文斯悖論（Jevons Paradox）」指出，AI 算力效率的巨幅提升不會減少需求，反而會指數級驅動更多不可能的應用。面對每年爆增10倍的 AI 模型運算量，Google 正全面轉向以「每瓦交付價值」為核心的全新架構，並喊話台灣半導體供應鏈，加速下世代 AI 晶片產能開出。

Amin Vahdat 從歷史視角切入，指出18世紀瓦特改良蒸汽機將抽取煤礦水效率提升5倍，但這並沒有減少煤炭消耗，反倒引爆了整場工業革命。「當你降低一種基礎資源的成本時，其消耗量必定呈指數級劇增！」

他強調，AI 運算效率提升1,000倍不代表人力被取代，而是解鎖了過去人類無法想像的新領域，例如 AlphaFold 3 在數小時內預測蛋白質結構、自動化軟體工程，以及 Google 在台灣與醫療生態系合作的普惠醫療 AI。隨著互動模式從「人對電腦」演進為「Agent 對 Agent」的自動化對話，全球算力需求已無上限。

為了滿足比通用 CPU 高出百倍的效率需求，Google 自研 TPU（張量處理器）已有十餘年歷史。Amin Vahdat 歸納出 TPU 系統之所以獨步全球的6大核心創新：

1. 龐大矩陣乘法單元：搭載256x256脈動陣列（Systolic Array），極大化矩陣運算吞吐量。
2. 極小化資料搬移：優化晶片內部與資料中心傳輸，將單一位元能耗（picojoules/bit）降至極限。
3. 編譯器控制記憶體：拋棄傳統被動快取，改由編譯器主動掌控資料最佳擺放位置。
4. 光學電路交換（OCS）：利用256個 3D MEMS 微鏡直接重組機架拓撲，無須光電轉換，實現極低功耗與秒級故障重導航。
5. 客製化資料格式：從傳統32-bit 浮點數深度精簡至專用4-bit（INT4/FP4）精確度。
6. 軟硬體深度協同設計：從晶片、編譯器到分散式軟體進行全棧式優化。

面對 AI 晶片迭代速度大幅縮短，Google 在一年內即迅速發布 TPU v6e 與 Trillium 兩款晶片。Amin Vahdat 表示，傳統費時數年的產能拉升曲線已不符合時宜，產業必須追求「方波效應（Square Wave）」，也就是說，晶片一經認證，產能必須在最短時間內瞬時拉升至生命週期最大值。

「要做到這一點，我們必須與台灣半導體及封裝測試供應鏈進行根本性的合作變革！」Amin Vahdat 強調，台灣在先進封裝、測試與機台客製化上扮演關鍵角色，只有兩端深化合作，才能確保軟硬體與供應鏈準備就緒。

在網路傳輸層面，Google 透過光學交換器與全球海底電纜網，已成功實現高達100萬顆 TPU 在單一任務中進行跨資料中心同步運算。甚至在探索前瞻技術上，Google 正在進行「Suncatcher」計畫，評估在太陽同步軌道部署衛星 TPU 的可行性。

Amin Vahdat 特別點出，能源是當前 AI 發展的最大限制。「以前工程團隊追求『效能/總成本（TCO）』，現在我們的第一優化指標是『每瓦交付價值』！」透過軟硬體優化，Google 在2024年5月至2025年5月間，將 Gemini 每次查詢的能耗大幅降低了33倍，僅需0.24瓦時。

最後，Amin Vahdat 表示，科技業者的責任是確保這場巨大的 AI 智慧轉型能以最高效、永續且負責任的方式發生，為人類社會帶來真正的福趾與升級。