🌍The Next Web (TNW)•較早收集於 66m
Google 洽談 Marvell 客製 AI 推論晶片
💡Google 擴大 AI 晶片供應，超越 Broadcom—關注更廉價推論選項（24字）
⚡ 30-Second TL;DR
有什麼變化
洽談記憶體處理單元 (MPU)
為什麼重要
Google 晶片多元化降低對供應商依賴，或穩定雲端 AI 硬體成本與供應。
下一步行動
檢視 Marvell AI 加速器規格，評估 Google 推論合作潛力
誰應關注：Developers & AI Engineers
關鍵要點
- •洽談記憶體處理單元 (MPU)
- •開發推論優化 TPU
- •第三供應商，繼 Broadcom 及 MediaTek
- •Broadcom 合約後啟動洽談
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Google 採取「去博通化」策略，旨在透過引入 Marvell 作為第三家客製化晶片合作夥伴，降低對單一供應商的依賴並增強議價能力。
- •此次合作重點在於推論（Inference）領域，反映出 Google 為了應對大規模生成式 AI 模型部署成本，正積極優化推論階段的能源效率與延遲表現。
- •Marvell 在高速互連技術（如 PAM4 DSP、矽光子）與客製化 ASIC 設計方面的深厚積累，是 Google 選擇其作為 TPU 合作夥伴的關鍵技術考量。
📊 競品分析▸ Show
| 特性 | Google TPU (Marvell/Broadcom) | NVIDIA Blackwell | AWS Inferentia |
|---|---|---|---|
| 定位 | 雲端原生客製化推論 | 通用型 AI 加速器 | 雲端原生推論 |
| 架構 | ASIC (客製化) | GPU (通用架構) | ASIC (客製化) |
| 優勢 | 針對 Google 軟體堆疊優化 | 生態系完整、軟體支援強 | 成本效益高、與 AWS 整合 |
| 定價 | 內部成本/雲端服務費 | 高昂 (硬體銷售) | 雲端服務費 |
🛠️ 技術深入
- •記憶體處理單元 (MPU)：旨在解決 AI 推論中的「記憶體牆」問題，透過在記憶體內部進行運算，大幅減少資料在處理器與記憶體間的傳輸能耗。
- •推論優化 TPU：預計採用更先進的製程節點（如 2nm 或 3nm），並針對 Transformer 架構的矩陣運算進行硬體級加速，以提升每瓦效能 (Performance-per-watt)。
- •互連技術：預計整合 Marvell 的高速 SerDes 技術，以支援 Google 資料中心內部的超大規模叢集互連需求。
🔮 前景展望AI analysis grounded in cited sources
Google 將顯著降低對 Broadcom 的 ASIC 採購依賴。
透過引入 Marvell 作為第二家 ASIC 供應商，Google 獲得了供應鏈彈性，並能透過競標機制壓低晶片單價。
AI 推論成本將在未來 18 個月內出現結構性下降。
專用推論晶片（如 MPU 和優化 TPU）的部署，將使 Google 能夠以更低的能源成本運行大規模語言模型。
⏳ 時間線
2023-05
Google 發表 TPU v5e，強調推論效能與成本效益。
2024-04
Google 發表 Axion，首款基於 ARM 架構的客製化資料中心 CPU。
2025-02
市場傳出 Google 與 Broadcom 續簽下一代 AI 晶片開發合約。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： The Next Web (TNW) ↗