在生成式AI浪潮持續發酵下，輝達（NVIDIA）將不再是AI舞台上的唯一主角。Google、Meta、亞馬遜、微軟四大雲端巨頭，正加速製造自研ASIC晶片，意圖擺脫對NVIDIA GPU的依賴。這場「去GPU化」革命，不僅讓ASIC設計公司的角色愈顯重要，更揭示一門價值數百億美元的新興產業正在醞釀中。面對來勢洶洶的ASIC陣營，輝達執行長黃仁勳究竟有何良策？AI晶片產業版圖又會有甚麼翻天覆地的改變？

Read More

輝達AI帝國動搖？OpenAI百億投單博通，押注ASIC晶片，能否威脅NVIDIA GPU霸業？

黃仁勳雙重豪賭：千億押注OpenAI、50億金援Intel！解讀NVIDIA巨額投資背後的深遠布局！

稱霸AI晶片！NVIDIA吃掉9成AI利潤，科技巨頭尋找替代方案！未來競爭格局將面臨巨變？

ASIC市場規模達300億美元

　　「ASIC」意指「特殊應用積體電路」（Application Specific Integrated Circuit），有別於通用型晶片如CPU（中央處理器）和GPU（圖形處理器），ASIC是專為應付特定任務而設計的客製化晶片。

　　追溯ASIC的發展脈絡，最早始於1970年代，到了1980至1990年代曾風光一時，但因設計門檻高、成本昂貴，後來被更具彈性的通用型晶片取而代之。隨著近年生成式AI爆紅，全球對AI晶片的需求急增，ASIC開始再受重視。摩根大通評估，2025年全球適用於AI運算的ASIC市場規模，將成長至300億美元（約2,340億港元），更預測未來每年平均增長率將逾30%。

　　雖然GPU在AI運算上具有強大效能，但面對日益多樣化與專業化的AI應用，ASIC能針對特定任務量身訂做的優勢開始顯露出來。例如在AI模型的推論過程中，ASIC可以展現出更高的運算效率與更佳的能耗表現；加上大規模部署後可分攤開發成本，使其總體擁有成本有機會低於NVIDIA GPU。

Google自研ASIC進度領先

　　NVIDIA GPU擅長平行運算，優於AI模型訓練和推論，而其專屬AI開發工具平台《CUDA》，現已成為AI開發上不可或缺的底層軟件，讓AI工程師離不開「GPU + CUDA」的黃金組合。因此，無論是科技巨頭或初創公司，若要開發AI模型，均首選NVIDIA GPU，以致在供貨和議價方面長期居於下風。

　　為減少對NVIDIA GPU依賴和壓低採購成本，Google、Meta、亞馬遜（Amazon）、以及微軟（Microsoft），已先後研發自家ASIC晶片，掀起一場「去GPU化」革命。在ASIC賽道上，Google以先行者的姿態暫時領先。

　　Google早於2015年已秘密研發可供AI使用的ASIC晶片，名稱為「TPU」（Tensor Processing Unit）；2016年，首次在公開場合介紹TPU的存在。來到2025年，Gemini模型75%運算工作已由TPU執行，在四大雲端巨頭中對NVIDIA GPU的依賴最少。2026年下半年，由博通（Broadcom）與聯發科攜手設計的第七代TPU v7將大量投入使用，可望進一步降低對輝達的依賴。

 Google第七代TPU的代號為「Ironwood」，是旗下首款專為AI推論而設計的自研晶片，將於2026年下半年量產。（圖片來源：Google Cloud官方網誌）

Meta、微軟研發進程稍為落後

　　Amazon自研AI晶片「Trainium」現已發展至第二代，根據摩根士丹利的研究，Trainium在執行AI推論時，成本比NVIDIA H100 GPU低上30%至40%。可是，其AI雲端平台75%運算力都來自NVIDIA GPU，對輝達依賴程度依然偏高。第三代Trainium3由世芯電子與邁威爾（Marvell）合作設計，其效能將是前代的兩倍，耗電量亦減少50%，預計於2026年量產。

Amazon旗下超級電腦「Rainier」是由數十萬顆Trainium晶片組成的超大型AI運算平台，可用於支援Anthropic Claude大型語言模型訓練。（圖片來源：Amazon官網）

　　相較之下，Meta與微軟較晚加入自研晶片行列，所以進度稍為落後。Meta的ASIC晶片「MTIA」只佔自家平台運算力約15%，對NVIDIA GPU存有高度依賴。第二代MTIA v2由博通設計，運算速度較前代提升3倍，能支援更高運算密度，預計2025年下半年量產。

　　微軟對NVIDIA GPU的依賴程度最高，運算力佔比高達90%，自研晶片「Maia」僅佔10%。微軟技術長凱文·斯科特（Kevin Scott）表示，長遠目標是希望旗下數據中心以自研晶片為運算主力，務求擺脫對輝達的依賴。第二代Maia 200由博通設計，針對微軟新一代數據中心架構進行優化，原計劃在2025年投產，惟傳出將延後至2026年。

微軟技術長斯科特表示，雖然NVIDIA GPU是性價比最高的解決方案，但為確保未來有足夠運算力可供使用，未來微軟數據中心將使用自研晶片為主。（圖片來源：維基百科）

開放NVLink拉攏ASIC設計商

　　日本野村證券預估，2025年Google TPU出貨量將達到150萬至200萬顆，亞馬遜ASIC出貨量則為140萬至150萬顆，兩者合計已相當於NVIDIA GPU每年供應量的一半。及至2026年，Meta與微軟的自研晶片陸續供貨，AI ASIC總出貨量有望超越NVIDIA GPU。

　　面對「去GPU化」危機，黃仁勳的應對方法是推出「NVLink Fusion」策略，藉此向業界開放其獨門NVLink互連技術協定，容許第三方CPU或ASIC能夠輕易連接NVIDIA GPU，讓其他業者可以利用NVLink，創建半客製化的AI基礎架構。高通（Qualcomm）、邁威爾、聯發科、世芯電子、以及富士通（Fujitsu）等主要ASIC設計商，都已成為合作夥伴。

　　此舉被視為拉攏ASIC設計商加入NVIDIA GPU陣營，以防止四大雲端巨頭完全撤出輝達AI運算平台。須知道Google、Meta、亞馬遜、微軟的強項是軟件開發，如要實現自研晶片，非要有ASIC設計商的協助不可；當大部分設計公司積極擁抱NVLink Fusion，其客戶（雲端巨頭）也會留在輝達生態系統之內。

投資OpenAI掌控AI基建發展

　　事實上，輝達以最強運算力的GPU硬件，配搭最成熟的開發軟件《CUDA》，得以凝聚全球最龐大的AI開發者社群；這個由黃仁勳精心打造逾15年的生態系統，絕非ASIC陣營可以在短期內攻克。因此，NVIDIA GPU在AI領域始終有無可替代的角色，在NVLink對外開放後，將會深化GPU與ASIC之間的互補關係，預計未來在AI伺服器部署上將出現雙軌並行的情況。

　　更重要的一著棋是，NVIDIA向OpenAI投資1,000億美元（約7,800億港元），等於繞過微軟，直接跟後者結盟，成為其核心策略夥伴，足以左右其AI基建發展路徑——OpenAI已承諾興建規模達10GW的GPU數據中心。如此一來，即使雲端巨頭加速自研晶片，輝達依然能穩居AI生態鏈的關鍵位置。

黃仁勳強調，AI市場競爭的關鍵不是「哪顆晶片比較便宜」，而是「哪家AI工廠比較賺錢」。NVIDIA正在做的是設計和建造「AI工廠」，內裡包含GPU、CPU、NVLink、以及《CUDA》。（圖片來源：NVIDIA官網）

　　然而，輝達的市場份額卻難免受到影響。市調機構TrendForce評估，在基於GPU的AI伺服器市場，NVIDIA現握有逾90%市佔率；隨著AI ASIC出貨量不斷增加，未來輝達市佔率可能下滑到70％至80%，ASIC佔比則有機會攀升到20％或以上。表面看來，NVIDIA似乎流失了市場份額，其實這只是大家一起把AI市場的餅做大了，再重新分配佔比；實際上，輝達的獲利和主導地位不見得受損，依然可以穩坐在AI龍頭寶座之上。