XPU 是什麼？與 GPU 差異在哪？台美概念股與供應鏈角色整理
同樣叫 XPU，Intel 與博通談的卻不完全相同。Intel 用它描述包含 CPU、GPU 等在內的多種運算架構；博通則在 AI 業務中，用 XPU 指稱客製化加速器。看懂這個差別，才不會把新聞中的 XPU 都當成同一種晶片。
當問題是「XPU 與 GPU 有何差異」，而且同時談到雲端業者自研晶片與概念股時，適合比較的是客製化 AI 加速器與 GPU。本文後續比較採用這個範圍。
3 個重點先看
- 先確認名詞：XPU 的含義取決於使用情境，不能直接視為 GPU 的下一代產品。
- 比較的是設計取捨：GPU 提供較廣泛的運算彈性，客製化 AI 加速器則針對目標工作調整設計，效率優勢有成立條件。
- 概念股角色不同：晶片設計公司與製造封裝業者參與的環節不同，不能將相關業務全部算成 XPU 營收。
XPU 是什麼？先區分 2 種用法
XPU 並不是全產業一致定義的單一晶片種類。在跨架構運算的語境中，X 可視為涵蓋不同處理器的代稱；在部分 AI 半導體公司的產品與業務說明中，XPU 則指客製化 AI 加速器。
前者強調「不同工作交給合適的處理器」。例如，CPU 負責程式控制與工作調度，GPU 處理大量可同時進行的運算，FPGA 則能重新配置硬體邏輯。這種將不同架構組合使用的方式，稱為異質運算。
後者強調「依特定需求設計晶片」。雲端業者可依模型運算、記憶體容量及晶片間傳輸需求，與晶片設計夥伴共同開發。這類產品常以 ASIC，也就是應用專用積體電路的形式實現。
XPU、ASIC、TPU 描述的層次不同。ASIC 是較廣的晶片分類，涵蓋許多非 AI 用途；TPU 是 Google 的張量處理器名稱，屬於專用 AI 加速器。不能把所有 ASIC 都稱為 AI XPU，也不能把所有 XPU 都叫 TPU。
想進一步理解具體產品，可延伸閱讀口袋學堂的TPU 原理與雲端自研晶片介紹。
XPU 與 GPU 差異在哪？從彈性、軟體與成本比較
GPU 著重支援多種平行運算工作，客製化 AI 加速器則針對特定工作負載最佳化。GPU 原本用於圖形處理，現在也廣泛應用於 AI 與科學運算；客製化晶片則能針對客戶需求，調整運算單元、記憶體與傳輸設計。
| 比較面向 | GPU | 客製化 AI 加速器 |
|---|---|---|
| 設計方向 | 支援較廣泛的平行運算，AI GPU 也有專用矩陣運算單元。 | 依目標模型、服務與系統需求調整硬體。 |
| 運算彈性 | 通常較容易在不同模型與運算工作間切換。 | 支援範圍取決於架構與軟體，仍可執行多種相容模型。 |
| 軟體支援 | 例如 NVIDIA CUDA，提供程式開發工具、函式庫及框架整合。 | 需配合各自的編譯器與工具鏈，既有程式可能需要移植。 |
| 訓練與推論 | 兩者皆可執行，效率依晶片與工作內容而異。 | 也可能支援兩者，或針對其中一類用途加強設計。 |
| 成本條件 | 可採購現成產品或租用雲端資源，無須自行開發晶片。 | 需負擔前期設計與軟體投入，再由部署規模分攤。 |
可以把 GPU 想成配備完整、能承接多種訂單的工廠；客製化加速器則像針對主要產品調整過的產線。當工作內容與設計相符，後者可能提高效率；若工作需求改變，也要評估原本的設計是否仍然合適。
因此，不能只憑「XPU」名稱就判定效能一定高於 GPU。公平比較必須固定模型、精度、回應速度與部署條件，並把軟體移植、用電、記憶體及網路成本一起計算。
為什麼雲端業者發展客製化 AI 晶片？
雲端業者長期執行大量 AI 工作，有機會透過軟硬體共同設計，改善每次運算的成本與能源效率。博通與 Meta 在 2026 年 4 月 14 日公布擴大合作，內容涵蓋 MTIA 加速器的晶片設計、封裝與網路，正是把整套運算系統一起規劃的例子。
其中的經濟邏輯是：若部署規模足夠大，而且目標工作能長期利用客製化設計，累積節省的成本才可能抵銷前期投入。反過來看，若使用量不足、模型需求變化太快，或軟體移植耗費過高，自研晶片就不一定比較划算。
這也說明客製化加速器不必然全面取代 GPU。Google 的 TPU 可用於模型訓練與推論，GPU 也支援這兩類工作；企業如何分配，取決於模型支援、開發效率與實際執行成本，不能直接套用「訓練用 GPU，推論用 XPU」的分工。
XPU 概念股有哪些？台美供應鏈角色整理
以本文採用的客製化 AI 加速器定義，可從客製化晶片設計與服務、晶圓製造及先進封裝辨識相關公司。下表依官方公開業務整理，並非特定客戶的完整供應商名單，也不代表各公司具有相同的 XPU 營收占比。
| 公司名稱與代號 | 供應鏈角色 | 可確認的業務關聯 |
|---|---|---|
| 博通（AVGO） | 客製化 AI 加速器與網路 | 提供 XPU 平台，與 Meta 合作開發 MTIA 相關技術，同時提供 AI 網路連接方案。 |
| Marvell（MRVL） | 客製化運算與互連 | 提供雲端資料中心 ASIC 設計，以及運算、記憶體介面與高速傳輸相關技術。 |
| 聯發科（2454） | 資料中心 ASIC | 官方方案涵蓋客製化 XPU、記憶體介面、先進封裝及互連整合。 |
| 世芯－KY（3661） | AI 與高效能運算 ASIC 服務 | 提供晶片設計、先進封裝與量產服務，支援複雜 AI 晶片開發。 |
| 創意（3443） | ASIC 與多晶粒整合服務 | 提供 AI、高效能運算及網路客戶 ASIC 服務，涵蓋 HBM 介面與先進封裝設計。 |
| 台積電（2330） | 晶圓製造與先進封裝 | CoWoS 可整合運算晶片與高頻寬記憶體，屬 AI 運算共用基礎，並非 XPU 專屬業務。 |
這些公司的營運連結不同。設計服務業者需區分開發階段與量產階段；製造封裝業者則服務多種運算晶片。分析時應核對專案進度、客戶集中程度，以及公司是否揭露相關收入，不能僅因具備技術，就認定已取得某家雲端業者的訂單。
若要延伸了解設計服務與矽智財的分工，可閱讀口袋學堂的 AI ASIC 與 IP 產業整理。本文著重公開業務關聯，不評論股價、不提供買賣建議，供投資人自行研判。
XPU 常見問題
Q1：一般企業使用 XPU，需要自己設計晶片嗎？
不一定。以 TPU 為例，企業可透過 Google Cloud 使用運算資源，不需要自行負擔晶片開發。但仍須確認模型、框架與部署工具相容，雲端租用也不代表程式完全不用調整。
Q2：公司公布 AI 營收，可以直接當作 XPU 營收嗎？
不能直接畫上等號。AI 業務可能包含加速器、網路及其他相關產品，應依公司公布的分類確認範圍。若沒有單獨揭露 XPU 收入，就不能自行推算成已公告數字。
Q3：想透過口袋證券了解台美股交易，如何開始？
可從口袋證券官網申請開戶，並確認台股與美股所需的交易權限、交割方式及費用。完成帳戶準備後，仍應依個別公司的公開資訊與自身風險承受度評估。
