Humufish
Humufish
定義
- 核心概念:Google 次世代 TPU v9x 推論客製化 ASIC 的市場代稱,被視為 TPU 8x (Zebrafish) 的繼任者。
- 戰略意義:將聯發科 (MTK) 正式納入 Google AI 資料中心供應鏈,並使 Intel EMIB-T 與台積電 CoWoS 成為先進封裝路線的關鍵博弈點。
- 詞彙淵源:源自夏威夷州魚 humuhumunukunukuapuaʻa (礁區扳機魚),此名稱亦曾被 Google 前人資主管用於創立新創公司。
TPU 世代藍圖與定位
| 世代 | 專案代號 | 運算角色 | 供應鏈線索 | 時程預期 |
|---|---|---|---|---|
| TPU v9x | Humufish | 推論 (Inference) | 聯發科、Intel、台積電 | 2027 Q4 起出貨,2028 年放量 |
| TPU v8x | Zebrafish | 推論 (Inference) | 聯發科 (MTK) | 2026 Q4 至 2027 Q1 量產 |
| TPU v8ax | Sunfish | 訓練 (Training) | Broadcom | 2026 下半年出貨 |
| TPU v7x | Ironwood | 推論 (Inference) | Broadcom | 2026 年維持主力供應 |
| TPU v7ax | Ironwood | 訓練 (Training) | Broadcom | 2026 年維持主力供應 |
- 技術規格:採用 3 奈米等級高效能運算客製 ASIC 製程,專注於推論任務而非模型訓練。
- 架構哲學:延續脈動陣列 (Systolic Array)、晶片內建 SRAM、高頻寬記憶體 (HBM) 與高速 Pod 互連設計,以專屬硬體加速矩陣運算。
- 優化核心:推論晶片首重每瓦生成詞元數 (tokens/sec per watt)、成本效益 (tokens/dollar)、低延遲與整體持有成本 (TCO) 最佳化。
- 效能躍進:市場傳聞較前代 Zebrafish 具備 3 至 5 倍的綜合提升,涵蓋性能、良率、成本與能效等全方位升級。
先進封裝雙路線博弈
- 台積電路線:採用 CoWoS 後段封裝技術,為目前業界最成熟的主流標準。
- Intel 路線:採用 EMIB-T,透過嵌入式矽橋解決大型 AI 晶片的裸晶互連 (die-to-die) 與尺寸限制。
- 供應鏈策略:Google 同時評估雙路線以分散單一供應商風險,避免重蹈產能受限的覆轍。
- 風險變數:Intel EMIB-T 的良率與量產進度將直接左右聯發科的出貨節奏。
- 產能板塊:若台積電 CoWoS 或次世代 CoPoS 產能開出順利,Google 可能重新調整封裝訂單比重。
聯發科戰略轉型
- 估值重塑:從手機 SoC、Wi-Fi、車用晶片領域,正式跨足雲端 AI ASIC 供應鏈,打開資本市場對其本益比的重新想像。
- 成長引擎:Zebrafish 的成功驗證為前置條件,Humufish 的大規模放量則是聯發科 AI 資料中心營收確立第二成長曲線的關鍵。
- 技術壁壘:高度仰賴高速 SerDes、記憶體介面、I/O 控制、Memory Buffer 及先進封裝協同設計等硬核技術,作為跨界護城河。
- 財務發酵:2026 至 2027 年市場主要交易預期與敘事,實質營收與 EPS 的爆發期預估落在 2027 至 2029 年。
競爭格局與生態系
- Broadcom 動向:仍為 TPU 訓練卡 (Sunfish) 與既有世代主力,但面臨 Google 導入聯發科以打破單一供應商壟斷的挑戰。
- Intel 轉型:Humufish 專案為其晶圓代工服務 (IFS) 與先進封裝技術在大型 AI ASIC 領域的指標性驗證戰役。
- 台積電角色:無論封裝路線如何變化,台積電依然把控 Google TPU 的核心晶圓製造咽喉。
- Marvell 潛力:Google 同步推進 MPU 與 TIA (TPU Inference Accelerator) 專案,顯示自研晶片供應鏈將持續多角化。
- 軟體生態:Google 正加速 TPU 對 PyTorch 等開源框架的支援,降低開發門檻以擴充非 Google 內部的市占率。
投資追蹤與風險觀察
- 前置指標:密切追蹤 TPU v8x (Zebrafish) 的量產進度,此為 Humufish 專案能否順利推進的試金石。
- 專案節點:關注 Humufish 的流片 (Tape-out)、風險試產、NRE 認列時程及聯發科法說會釋出的官方展望。
- 封裝良率:緊盯 Intel EMIB-T 的實際量產良率與產能爬坡狀況,評估其是否具備大型 AI ASIC 量產能力。
- 財務結構:檢視聯發科研發費用率 (R&D ratio)、毛利率變化及 AI ASIC 營收占比,確認其雲端轉型成效。
- 資訊落差風險:目前資訊多為市場傳聞與供應鏈推測,最大不確定性在於 Google 官方規格尚未明朗且量產時程偏長。