AI芯片市场竞争加剧，GPU“宠儿”地位面临挑战

谈到AI芯片，大众首先想到的往往是GPU（图形处理器）。凭借强大的并行计算能力，GPU在训练与执行大型AI模型上长期占据主导地位。然而，随着市场需求变化与技术进步，GPU在AI领域的垄断地位正逐渐受到挑战。

目前，NVIDIA（英伟达）生产的GPU主要被科技巨头垄断使用。例如，微软目前拥有75万至90万片H100 GPU，预计2025年将增加至250万至310万片；Google则拥有100万至150万片，预计明年增至350万至420万片。此外，Meta、亚马逊与创业公司xAI也积极投入，导致中小企业在获取GPU资源上面临严峻挑战。

成本飙升

高昂的价格也是一大阻碍。据估计，H100的售价约为2.5万至3万美元。即便按最低估算，微软为购买GPU的支出已超过180亿美元。巨头们的庞大投资，进一步推升GPU价格，增加资金压力。

产能瓶颈

NVIDIA的供应链限制也成为挑战。目前，GPU的生产依赖台积电的先进制程及其CoWoS封装技术，而CoWoS的产量和高带宽内存（HBM）的供应均是主要瓶颈。在巨头疯狂争夺资源的背景下，市场对替代方案的需求日益增加。

面对GPU的局限性，现场可程序化闸数组（FPGA）与特定用途集成电路（ASIC）逐渐进入大众视野。

FPGA：FPGA是一种半定制化芯片，具有灵活的硬件编译能力与较低的功耗。然而，由于开发门槛高与成本偏高，其应用仍受限制。

ASIC：ASIC专为特定应用设计，性能与能耗表现优于GPU与FPGA，但初期投入大且缺乏通用性。在AI推论与训练领域，ASIC因针对性设计而备受青睐。

随着市场需求升温，多家科技巨头加速自研芯片的步伐，寻求替代方案：

Google TPU：Google的TPU（张量处理单元）是一种专为机器学习设计的ASIC芯片。最新推出的TPU v5p具备卓越性能，为深度学习提供强大支持。

微软Maia 100：微软发布的Maia 100 ASIC芯片专为云计算AI工作负载设计，搭载1050亿个晶体管，旨在降低对NVIDIA的依赖。

博通ASIC：博通通过定制ASIC芯片服务迅速崛起，并成为Google与Meta等巨头的主要合作伙伴。博通预计到2027财年的AI相关营收将达600亿至900亿美元。

根据摩根士丹利的报告，全球AI ASIC市场规模预计将从2024年的120亿美元增至2027年的300亿美元，年均复合增长率达34%。在生成式AI与边缘AI应用的推动下，ASIC市场的需求将持续攀升。