📋 摘要 (Executive Summary)
人工智慧（AI）的飛速發展，特別是深度學習（Deep Learning）和大型語言模型（LLM）的興起，將硬體加速器推向了計算領域的核心。在這場革命中，NVIDIA 的圖形處理器（GPU）憑藉其通用性、高可程式化和廣泛的軟體生態佔據了主導地位；而 Google 的張量處理器（TPU）作為一種專用型積體電路（ASIC），則以其卓越的能效比和矩陣運算吞吐量，在 Google 生態系及大規模 AI 訓練中異軍突起。
本報告將從計算架構、效能指標、能效表現、程式設計生態、適用場景以及未來混合策略等多個維度，深入解析 TPU 和 GPU 的基本差異與各自優勢，為工程師和設計師提供精準選擇 AI 加速器的參考依據
。結論:
