如果只把這則消息讀成「Google 可能找 Marvell 做晶片」，那其實還停在表面。真正值得注意的，是 Google 把問題明確轉向推理，也就是模型訓練完之後，如何以更低成本、更高效率把服務送到用戶面前。The Information 披露的版本很直接，Google 正與 Marvell 洽談兩款新晶片，一款配合既有 TPU 使用，另一款則是專門為 inference 設計的新 TPU。這種分工意味著，Google 現在要補的未必是訓練能力，而是 AI 產品真正開始大規模商用後，最容易無止境膨脹的那一段日常算力帳單。
這件事之所以值得放大，不是因為 Marvell 要不要取代 Broadcom，而是因為它看起來更像 Google 正在把 TPU 供應鏈拆成多個角色。The Next Web 的交叉整理指出，Broadcom 先前才剛把與 Google 的長約往後延到 2031，MediaTek 也已經在較低成本的變體上扮演角色。換句話說，Marvell 若真的進場，比較像是新增一個針對推理與記憶體協作優化的設計夥伴，而不是誰把誰踢出局。這背後的邏輯很像大型車廠管理零組件，不把整條命脈壓在單一供應商手上，同時也讓不同合作方在特定性能區間彼此競爭。
Google 自己的公開語言，其實也替這個方向先鋪過路。官方部落格近期重新解釋 inference 時，特別把 Ironwood 定位成為 generative AI inference 時代打造的 TPU。這句話很重要，因為它等於承認下一輪 AI 基礎設施競爭，重點不再只是誰能把最大模型訓練出來，而是誰能長期穩定、便宜地把每一次回應送出去。訓練是一次性的高峰，推理卻是跟著使用量每天發生的慢性支出，產品規模越大，這筆帳就越像水電費，而不是一次採購。
Marvell 在這個時間點被點名，也不是偶然。它本來就已經在 custom ASIC、資料中心互連與 hyperscaler 客製化設計上站穩位置，近年又持續把自己往 AI 基礎設施的主舞台推。對 Google 來說，這種合作對象的吸引力不只在「能不能多做一顆晶片」，而在能不能把某一段推理路徑做得更便宜、更容易調度，甚至替 Google Cloud 留下更多產品化空間。對市場來說，這也提醒了一件事，接下來 AI 晶片版圖的競爭，可能不再只是 Nvidia 對誰、誰又挑戰誰，而是超大雲端業者正在把整條供應鏈拆解成更細的成本優化工程。
所以，這則新聞真正的重量，不在傳聞本身，而在它透露了一個愈來愈清楚的方向，AI 晶片競賽開始從「誰有最強訓練硬體」轉向「誰能把推理變成可控的日常基礎設施」。如果 Google 最後真的把 Marvell 納入版圖，外界該看的不只是合作金額，而是 TPU 生態是否因此更像一套多供應商、多用途、以 inference 經濟性為中心的運算體系。那會決定的不只是 Google 自己的毛利結構，也會影響整個客製 AI 晶片市場，未來到底由誰掌握最值錢的那段服務路徑。
- https://www.theinformation.com/articles/google-talks-marvell-build-new-ai-chips-inference
- https://thenextweb.com/news/google-marvell-ai-chips-inference-tpu-broadcom
- https://money.usnews.com/investing/news/articles/2026-04-19/google-in-talks-with-marvell-to-build-new-ai-chips-for-inference-the-information-reports
- https://blog.google/innovation-and-ai/products/ask-a-techspert-what-is-inference/
- https://www.marvell.com/products/custom-asic.html