【投资专栏-跟枫走036】经济问题影响科技开支压力 TPU能否取代Nvdia的GPU？

【投资专栏-跟枫走036】近年美国经济虽保持增长，但从企业破产、关税对就业与通胀的影响三个角度观察，却可看见更深层的结构性压力。首先，美国企业破产申请自 2023 年明显回升，2024 年达 687 宗，而 2025 年截至 10 月已累计 655 宗，几乎追上疫情后最高水平。破产上升通常反映资金成本高企、融资环境收紧，以及企业在科技投资与供应链调整上承受压力，特别是中小企更容易被高利率与关税成本夹击。

关税方面，暂时看见缓和。其实当关税提升 1%，失业率会在第一年显著上升，约达 0.1 个百分点。原因是进口成本上升直接压缩制造与出口导向企业的利润，导致裁员增加。然而，自第二年起，企业逐步调整供应链与生产模式，失业率便逐步回落，第三至第四年失业率更可能略为下降。这反映关税对劳动市场的伤害主要集中在短期，而长期则取决于市场能否成功重新配置资源。

关税政策另一层负面影响：通胀。当关税上升 1%，通胀在初期因需求放缓而短暂下降，但一年后便开始明显攀升，第二至第三年达到高峰，约上升 0.1 至 0.15 个百分点。这是典型的“成本推动型通胀”，企业把更高的进口及材料成本转嫁消费者，令物价在政策实施后逐步上升。

美国当前的经济面临三重压力：企业破产攀升显示资金环境偏紧；关税短期提升失业率并在中期推高通胀；若再加上 AI 投资周期进入分化阶段，2025 至 2026 年美国经济可能出现放缓甚至衰退边缘的风险。对投资者而言，需要更多关注高负债行业、科技资本开支过大的企业，以及更具防御性的能源与公用事业等板块。

就有关科技资本开支是否过大，其中一个因素。市场开始讨论便宜一点TPU可否取代昂贵的GPU。

Google 的 TPU 与 NVIDIA 的 GPU 在人工智能运算领域中同属加速芯片，但两者的设计理念、应用范围与未来角色大不相同。GPU 原本为图像处理而生，后来因其强大的并行运算能力，被广泛用于深度学习、推理、渲染、工程模拟与边缘运算，成为通用型的 AI 加速核心。NVIDIA 更透过 CUDA 生态建立壁垒，使 GPU 成为全球 AI 研究与企业应用的标准平台。反观 Google TPU，从第一代起便专门为神经网络矩阵计算设计，以 systolic array 加速大规模矩阵运算，强调吞吐与训练效率，尤其适合 Google 自家超大型模型，如 Gemini、PaLM 等。

两者最大的差异在于用途与策略：GPU 强调通用性与广泛支援，各大企业、科研机构、云端平台都依赖 GPU 进行训练与推理；TPU 则定位为 Google 内部与云端客户使用的专用 AI 训练引擎，其效能在大模型训练中十分突出，但生态相对封闭，主要使用 TensorFlow。GPU 在推理、市场普及度、软件支援度、客户覆蓋面上拥有明显优势。

未来前景方面，GPU 在全球 AI 基础设施中的主导地位短期内难以撼动，特别是在企业私有部署、边缘设备、医疗、金融与云端推理等场景中，GPU 几乎没有竞争者。而 TPU 在 Google Cloud 中的角色会愈来愈重要，尤其配合光互连（CPO、Silicon Photonics）扩展超大规模训练集群，但仍属 Google 生态限定，难以全面扩展到全球市场。

至于 TPU 是否会取代 GPU，答案是否定的。TPU 能在特定训练场景中提升效率，但因为生态封闭、适用范围有限、缺乏通用性，因此只会在 Google 及少数云端训练环境中扮演关键角色，而 GPU 仍是全球 AI 运算不可或缺的核心。两者未来将呈现“分工共存”：GPU 主导通用 AI 市场，TPU 强化云端大模型训练效率，而非互相取代。

(编按：本文观点不代表加拿大星岛立场，投资市场有赚有蚀，文章仅供读者参考。)

作者：Ricky Lau ，人称“庄主”。资产管理投资策略师、家族办公室顾问、股评人、财经书籍《最佳位置》及《AI选美》作者。