TPU vs GPGPU 從算力大戰到「太空資料中心」

AI 投資新局：從算力大戰到「太空資料中心」的終極博弈

我們正處於 AI 發展的「工業化時代」。這場競賽的本質，早已從單純的演算法優化，轉向了一場關於能源消耗、晶片毛利以及物理極限的生存遊戲。科技投資人加文·貝克（Gavin Baker）近期揭示了 AI 產業背後冷酷且真實的經濟邏輯：這不僅是智慧的較量，更是成本結構與物理邊界的博弈。

一、 智慧的「第二曲線」：從預訓練轉向推理

長期以來，業界擔憂「擴展定律」（Scaling Laws）是否已達瓶頸，特別是當 NVIDIA 的旗艦晶片 Blackwell 面臨量產延遲時。然而，Google 的 Gemini 3 證明了擴展定律依然有效。

更關鍵的轉折在於**「推理模型」的崛起。過去 AI 的進步依賴於餵養更多數據（預訓練），現在則轉向了「測試時計算」**。這意味著 AI 即使不依賴最新硬體，也能透過增加思考時間、自我驗證與強化學習來提升輸出品質。這種轉變彌補了硬體供應鏈的空窗期，讓智慧的演進在晶片短缺時仍能持續爆發。

二、 Google 的「焦土戰略」：吸乾市場的經濟氧氣

在硬體底層，Google 的 TPU 與 NVIDIA 的 GPU 正在進行一場決定生死成本的戰爭。

低成本生產者的優勢： 由於 NVIDIA 新架構設計極為複雜（需要液冷與特殊的電力架構），導致部署進度落後。這給了 Google 一個難得的窗口期，憑藉運作穩定的 TPU，Google 成為目前全球「代幣（Token）」生產成本最低的公司。

經濟氧氣策略： 貝克指出，Google 正利用其低成本優勢進行「破壞式定價」。作為一家擁有搜尋引擎暴利的巨頭，Google 可以在 AI 業務上容忍負毛利。其戰略意圖非常明確：透過壓低 Token 價格，吸走生態系中的資本，讓依賴高價 NVIDIA 算力的競爭對手（如 OpenAI）因為無法獲利而面臨融資枯竭。

供應鏈的內部博弈： 為了進一步壓低成本，Google 甚至在內部發起競爭，引入聯發科來制衡原本的合作夥伴博通（Broadcom），試圖將自研晶片的獲利空間從供應商手中奪回，轉化為更強大的價格競爭力。

三、 SaaS 公司的「利潤率陷阱」

傳統軟體服務（SaaS）公司正站在歷史的十字路口。過去，他們習慣了 80-90% 的極高毛利率，但 AI 時代的「代理服務（Agent）」需要承擔龐大的算力支出，毛利率可能腰斬至 40%。

貝克發出嚴厲警告：這些公司正重蹈昔日實體零售商的覆轍。如果為了保護短期的利潤報表而拒絕轉向低毛利的 AI 原生模式，他們將被那些願意接受低獲利、專注於市場佔有率的 AI 公司徹底抹除。對於除微軟以外的傳統軟體巨頭來說，這是一場關於「利潤結構重組」的生死決戰。

四、 終極疆域：為什麼 AI 的未來在太空？

當地球上的核能電廠建設緩慢、電網老化成為算力瓶頸時，加文·貝克提出了基於「第一性原理」的終極解法：太空資料中心。

能源革命： 太空中的太陽能強度比地表高出 30%，且沒有晝夜之分，這消除了地球上最昂貴的電池儲能與備援電力成本。

物理散熱： 資料中心最大的敵人是熱能。在接近絕對零度的真空中，散熱器能以極低成本處理掉硬體運行產生的廢熱。

真空通訊： 光在真空中的傳輸速度比光纖快。透過衛星間的雷射鏈路，太空算力網絡能提供比地面更低延遲、更高效的運算體驗。

這解釋了馬斯克（Elon Musk）旗下的戰略匯流：xAI 提供智慧、SpaceX 提供低成本的星艦運載、Starlink 提供通訊網絡。當這三者結合，AI 將突破地球資源的限制。

結語：尋找隱藏的真相

這場 AI 競賽已經不只是技術問題，而是關於誰能以最低成本生產「智慧」，以及誰能最快適應物理與經濟邊界的改變。對於投資者而言，這是一場尋找隱藏真相的遊戲：在算力爆發、軟體轉型與太空開發的交匯點，唯有看清成本結構的人，才能在迷霧中精準佈局。