嗨，我是 Mech Muse 👋，今天要跟大家聊聊 Google 一則看起來很「工程師味」的新聞。
Google 最近任命資深工程大將 Amin Vahdat 擔任全新的「AI 基礎設施總負責人」。乍看只是人事異動，但背後代表的是：Google 打算把未來幾百億美元的 AI 投資——包含資料中心、網路、TPU 晶片——全部聚焦起來，由一個重量級人物統一指揮。讀完這篇，你會知道三件事情：
1）Amin Vahdat 是誰，為什麼這位置非他莫屬
2）這個角色怎麼從 Google 的發展中一步一步長出來
3）這項任命在整個 AI 基礎設施競爭裡代表什麼訊號
一、Google 找誰來管 AI 基礎設施？先來認識 Amin Vahdat 🔧
Google 指派 Amin Vahdat 擔任「AI infrastructure chief technologist」，也就是 AI 基礎設施的總工程長。這個職位的核心，就是把 Google 未來在資料中心、網路架構、自研 TPU 晶片等重大投資全部整合在一起。Google 今年的資本支出預計會突破 900 億美元，而且大部分都砸在 AI 基礎建設上。
Google Cloud 執行長 Thomas Kurian 在備忘錄裡也直接點明：這項調整，就是要把 AI 基礎設施定為公司的核心戰略領域。換句話說，Google 不只是要做「厲害的 AI 模型」，更要把底層算力做到世界級。
那 Amin 到底是誰？他絕對不是臨時被拉上來的。Google 官方資料顯示，他是 Engineering Fellow、資深副總裁，長期負責 ML 系統、Cloud AI 團隊、Compute、資料中心網路架構、以及 TPU/GPU 等運算平台。
簡單講：
Google 用來訓練 Gemini、推論搜尋與 YouTube、支撐 Google Cloud 的算力骨幹，大多跟他的團隊有關。
Google 把原本已經由他掌管的「底層基礎設施」擴大成正式的高層職位，也是在向外界宣示：這一塊是 Google 的決勝點。
二、他的職涯時間線：從學界大神到 Google「AI 腳骨」🧠➡️🏗️
如果把 Amin 的背景用時間軸拉開來看，你會發現 Google 這次的任命其實早有鋪陳：
- 1990 年代：UC Berkeley 完成本科與博士，研究分散式系統與網路架構，奠定他後來在大規模系統設計的基礎。
- 2000 年前後：Duke University 推出 ModelNet，提供研究者用來模擬網路拓樸的平台。這在當時算是非常前衛的雲端研究基礎。
- 2004–2013：UC San Diego 擔任講座教授，主攻資料中心網路架構、SDN（軟體定義網路）。許多雲端巨頭後來採用的概念，他那時就已經在研究。
- 2010 加入 Google 先是負責資料中心交換機與全球廣域網路設計。2015 年《WIRED》揭露 Google 自研交換器時，也提到他是背後的關鍵人物之一。
後來十多年，他的角色從「網路」一路擴大到「整個 Google 的系統與運算平台」。他管的包括運算平台、儲存系統、Cloud Networking、負載平衡、ML 相關硬體與軟體堆疊。
他也拿過 ACM SIGCOMM 終身成就獎、入選 美國國家工程院院士，Business Insider 更把他列為 AI Power List 的重要人物之一。
到了 2025 年底，Google 正式創造「AI 基礎設施總技術長」這個新角色，就像是正式替他過去十年的影武者工作補上一個「職銜版的勳章」。
三、Google 為什麼一定要有這個角色？來看背後的盤算 ⚔️🖥️
Google 為什麼要特別成立這個職位，而不是讓各產品團隊自己加 GPU、自己搞資料中心？
原因有三個：
1）算力成本太可怕，必須集中火力管理
訓練 Gemini、推論 AI 模型，最主要的成本就是算力與電力。
Google 今年資本支出逼近 900 億美元，多數都花在 AI 基礎建設上。
這麼大的投資如果不由同一個人統籌，很容易造成資源重複投入、算力利用率不佳、成本爆炸。
2）Google 走的是「全堆疊垂直整合」
Google 不像很多公司只做 AI 模型，它從：
TPU 晶片 → 機房 → 叢集排程 → 雲端平台 → Gemini API → Search/YouTube/Gmail
全部都是自己做。
這種「從晶片做到應用」的模式，需要一個懂網路架構、懂資料中心、懂 ML 訓練需求的技術領袖，來制定方向，例如：
- 下一代 TPU 要怎麼設計？
- 網路拓樸怎麼改才能讓模型訓練更快？
- 機房、冷卻、電力怎麼重新規劃？
Amin 剛好就是最能同時看懂這些東西的人。
3）競爭壓力太大：Microsoft、Amazon 都在搶 AI 基礎設施
Microsoft 有 Azure × OpenAI；
Amazon 推 Trainium／Inferentia 晶片，試圖降低對 NVIDIA 的依賴。
在這種競局下，Google 必須向企業客戶證明：
「我們有足夠、可靠且成本有競爭力的 AI 算力。」
成立這個職位，就是在發出一個很明確的市場訊號。
四、小結🚀
總結一下：Google 這次的任命不是行政調動，而是把 AI 基礎設施拉到公司的戰略最高層級，由最懂資料中心與網路架構的大將領軍。
AI 的競爭已經不是「誰的模型比較聰明」，而是：
誰能提供最便宜、最快速、最穩定、規模最大的算力。
接下來可以觀察三件事：
- 未來 Google 財報的資本支出是否更大比例投入 AI 基礎設施
- TPU 與資料中心架構是否更常被 Google 拿出來當「產品賣點」
- Google Cloud 是否開始大力強調「完整 AI 基礎設施堆疊」
這些變化不會立刻出現，但長線來看，誰能把機房與算力打好，誰才有資格在 AI 市場玩下去。
這次 Amin Vahdat 的任命，就像 Google 在 AI 長跑裡正式宣布：「我們的配速員上線了。」
如果你喜歡析，歡迎追蹤我 Mech Muse 👋。
之後還會帶你一起輕鬆理解 AI、雲端、半導體與太空科技的最新發展！
