AI芯片市场竞争格局生变：英伟达GPU面临云厂商与AMD的多元挑战

本文由半导体产业纵横编译自eetimes

过去十年，英伟达一直主导着用于机器学习/人工智能领域的高性能计算机芯片市场。凭借其专有的CUDA软件生态和快速的硬件迭代，英伟达几乎成为了AI处理器的代名词。

然而，市场格局正在悄然改变。随着行业向更专业化、高性价比的硬件方向发展，英伟达面临的挑战正变得多元。其强劲的销售和高利润率部分得益于台积电先进封装（CoWoS）产能有限导致的供应稀缺。随着台积电计划到2026年将产能扩大，供应限制将逐步缓解，这为其他竞争者提供了机会。

更大的风险在于应用重心的转移。业界正从大规模训练基础模型，转向优先发展大规模、高性价比的推理部署。在高容量推理场景中，运营成本往往超过一次性训练成本，这促使主要的云服务提供商 开始寻求降低对英伟达生态的依赖。

云服务巨头：从客户转向“竞争者”

北美四大超大规模数据中心运营商——谷歌、亚马逊AWS、微软和Meta，正在集体转向定制芯片，以确保竞争优势并控制成本。

• 谷歌：其张量处理单元（TPU）已发展至第七代Ironwood，针对推理进行了优化，拥有大量共享内存，并能将多达9216个芯片互联成SuperPOD，以应对大型混合专家模型的内存挑战。有迹象表明，谷歌可能将TPU作为商业产品对外提供。
• 亚马逊AWS：持续优化其自研芯片的性价比，以吸引寻求英伟达替代方案的企业。其Trainium芯片宣称可将训练成本降低高达50%，而采用3nm工艺的Graviton5芯片则在通用计算任务上提升了性能。AWS的软件栈（如Neuron SDK）也在提升其生态吸引力。
• Meta：其Meta训练和推理加速器专为Facebook、Instagram等平台的高容量推荐任务设计。通过将这类任务卸载到自研芯片，Meta得以将宝贵的英伟达H100资源用于前沿AI研究。
• 微软：其定制芯片项目遭遇延期，下一代AI芯片Maia预计推迟至2026年发布。这使其在短期内仍需大量采购英伟达和AMD的高端GPU来满足需求。

AMD：定位为“开放的替代选择”

在云厂商自研芯片的浪潮中，AMD正巩固其作为市场关键“第二供应商”的地位。AMD的Instinct MI300X芯片配备了高达192GB的HBM3显存，超越了英伟达的H100，使其在大模型推理场景中具备成本优势。

此前制约AMD的软件生态问题正通过OpenAI的Triton编译器 等工具得到缓解。Triton允许开发者编写与硬件无关的高性能代码，简化了从CUDA生态迁移的难度，降低了厂商的转换成本。

未来挑战：竞争延伸至芯片互连

下一个主要的竞争前沿将出现在半导体芯片的连接领域。随着电气互连逼近物理极限，行业开始转向光学连接。Marvell收购Celestial AI，以及Lightmatter等公司推动的3D光子晶圆技术，都预示着到2026年，光互连可能成为高性能AI集群的新标准。这一转变将使博通、Marvell等互连芯片供应商变得至关重要。

结论

英伟达预计将在2026年前继续保持其在高端模型训练市场的领导地位。然而，在更广阔的大规模推理市场，主导权可能将向主要云厂商的定制化芯片倾斜。人工智能计算的未来图景，将不再是单一公司的垄断，而是由专业化、高度互联的异构系统共同绘制。英伟达面临的挑战，是如何在这个快速分化的市场中维持其盈利能力和技术影响力。