在生成式AI浪潮持续发酵下，英伟达（NVIDIA）将不再是AI舞台上的唯一主角。Google、Meta、亚马逊、微软四大云端巨头，正加速制造自研ASIC芯片，意图摆脱对NVIDIA GPU的依赖。这场“去GPU化”革命，不仅让ASIC设计公司的角色愈显重要，更揭示一门价值数百亿美元的新兴产业正在酝酿中。面对来势汹汹的ASIC阵营，英伟达执行长黄仁勋究竟有何良策？AI芯片产业版图又会有什么翻天覆地的改变？

ASIC市场规模达300亿美元

   “ASIC”意指“特殊应用集成电路”（Application Specific Integrated Circuit），有别于通用型芯片如CPU（中央处理器）和GPU（图形处理器），ASIC是专为应付特定任务而设计的客制化芯片。

   追溯ASIC的发展脉络，最早始于1970年代，到了1980至1990年代曾风光一时，但因设计门槛高、成本昂贵，后来被更具弹性的通用型芯片取而代之。随着近年生成式AI爆红，全球对AI芯片的需求急增，ASIC开始再受重视。摩根大通评估，2025年全球适用于AI运算的ASIC市场规模，将成长至300亿美元（约2,340亿港元），更预测未来每年平均增长率将逾30%。

   虽然GPU在AI运算上具有强大效能，但面对日益多样化与专业化的AI应用，ASIC能针对特定任务量身订做的优势开始显露出来。例如在AI模型的推论过程中，ASIC可以展现出更高的运算效率与更佳的能耗表现；加上大规模部署后可分摊开发成本，使其总体拥有成本有机会低于NVIDIA GPU。

Google自研ASIC进度领先

   NVIDIA GPU擅长平行运算，优于AI模型训练和推论，而其专属AI开发工具平台《CUDA》，现已成为AI开发上不可或缺的底层软件，让AI工程师离不开“GPU+CUDA”的黄金组合。因此，无论是科技巨头或初创公司，若要开发AI模型，均首选NVIDIA GPU，以致在供货和议价方面长期居于下风。

   为减少对NVIDIA GPU依赖和压低采购成本，Google、Meta、亚马逊（Amazon）、以及微软（Microsoft），已先后研发自家ASIC芯片，掀起一场“去GPU化”革命。在ASIC赛道上，Google以先行者的姿态暂时领先。

   Google早于2015年已秘密研发可供AI使用的ASIC芯片，名称为“TPU”（Tensor Processing Unit）；2016年，首次在公开场合介绍TPU的存在。来到2025年，Gemini模型75%运算工作已由TPU执行，在四大云端巨头中对NVIDIA GPU的依赖最少。2026年下半年，由博通（Broadcom）与联发科携手设计的第七代TPU v7将大量投入使用，可望进一步降低对英伟达的依赖。

Google第七代TPU的代号为“Ironwood”，是旗下首款专为AI推论而设计的自研芯片，将于2026年下半年量产。（图片来源：Google Cloud官方网志）

Meta、微软研发进程稍为落后

   Amazon自研AI芯片“Trainium”现已发展至第二代，根据摩根士丹利的研究，Trainium在执行AI推论时，成本比NVIDIA H100 GPU低上30%至40%。可是，其AI云端平台75%运算力都来自NVIDIA GPU，对英伟达依赖程度依然偏高。第三代Trainium3由世芯电子与迈威尔（Marvell）合作设计，其效能将是前代的两倍，耗电量亦减少50%，预计于2026年量产。

Amazon旗下超级计算机“Rainier”是由数十万颗Trainium芯片组成的超大型AI运算平台，可用于支持Anthropic Claude大型语言模型训练。（图片来源：Amazon官网）

   相较之下，Meta与微软较晚加入自研芯片行列，所以进度稍为落后。Meta的ASIC芯片“MTIA”只占自家平台运算力约15%，对NVIDIA GPU存有高度依赖。第二代MTIA v2由博通设计，指令周期较前代提升3倍，能支持更高运算密度，预计2025年下半年量产。

   微软对NVIDIA GPU的依赖程度最高，运算力占比高达90%，自研芯片“Maia”仅占10%。微软技术长凯文·斯科特（Kevin Scott）表示，长远目标是希望旗下数据中心以自研芯片为运算主力，务求摆脱对英伟达的依赖。第二代Maia 200由博通设计，针对微软新一代数据中心架构进行优化，原计划在2025年投产，惟传出将延后至2026年。

微软技术长斯科特表示，虽然NVIDIA GPU是性价比最高的解决方案，但为确保未来有足够运算力可供使用，未来微软数据中心将使用自研芯片为主。（图片来源：维基百科）

开放NVLink拉拢ASIC设计商

   日本野村证券预估，2025年Google TPU出货量将达到150万至200万颗，亚马逊ASIC出货量则为140万至150万颗，两者合计已相当于NVIDIA GPU每年供应量的一半。及至2026年，Meta与微软的自研芯片陆续供货，AI ASIC总出货量有望超越NVIDIA GPU。

   面对“去GPU化”危机，黄仁勋的应对方法是推出“NVLink Fusion”策略，藉此向业界开放其独门NVLink互连技术协议，容许第三方CPU或ASIC能够轻易连接NVIDIA GPU，让其他业者可以利用NVLink，创建半客制化的AI基础架构。高通（Qualcomm）、迈威尔、联发科、世芯电子、以及富士通（Fujitsu）等主要ASIC设计商，都已成为合作伙伴。

   此举被视为拉拢ASIC设计商加入NVIDIA GPU阵营，以防止四大云端巨头完全撤出英伟达AI运算平台。须知道Google、Meta、亚马逊、微软的强项是软件开发，如要实现自研芯片，非要有ASIC设计商的协助不可；当大部分设计公司积极拥抱NVLink Fusion，其客户（云端巨头）也会留在英伟达生态系统之内。

投资OpenAI掌控AI基建发展

   事实上，英伟达以最强运算力的GPU硬件，配搭最成熟的开发软件《CUDA》，得以凝聚全球最庞大的AI开发者社群；这个由黄仁勋精心打造逾15年的生态系统，绝非ASIC阵营可以在短期内攻克。因此，NVIDIA GPU在AI领域始终有无可替代的角色，在NVLink对外开放后，将会深化GPU与ASIC之间的互补关系，预计未来在AI服务器部署上将出现双轨并行的情况。

   更重要的一着棋是，NVIDIA向OpenAI投资1,000亿美元（约7,800亿港元），等于绕过微软，直接跟后者结盟，成为其核心策略伙伴，足以左右其AI基建发展路径——OpenAI已承诺兴建规模达10GW的GPU数据中心。如此一来，即使云端巨头加速自研芯片，英伟达依然能稳居AI生态链的关键位置。

黄仁勋强调，AI市场竞争的关键不是“哪颗芯片比较便宜”，而是“哪家AI工厂比较赚钱”。NVIDIA正在做的是设计和建造“AI工厂”，内里包含GPU、CPU、NVLink、以及《CUDA》。（图片来源：NVIDIA官网）

   然而，英伟达的市场份额却难免受到影响。市调机构TrendForce评估，在基于GPU的AI服务器市场，NVIDIA现握有逾90%市占率；随着AI ASIC出货量不断增加，未来英伟达市占率可能下滑到70％至80%，ASIC占比则有机会攀升到20％或以上。表面看来，NVIDIA似乎流失了市场份额，其实这只是大家一起把AI市场的饼做大了，再重新分配占比；实际上，英伟达的获利和主导地位不见得受损，依然可以稳坐在AI龙头宝座之上。

   《经济通》所刊的署名及／或不署名文章，相关内容属作者个人意见，并不代表《经济通》立场，《经济通》所扮演的角色是提供一个自由言论平台。