晶片戰爭白熱化！輝達 GPU 霸權遭 Google 和亞馬遜圍剿

輝達 GPU 去年出貨量達 600 萬顆，單一 Blackwell 伺服器售價高達 300 萬美元且每週出貨 1000 台，稱霸 AI 晶片市場。但這場晶片戰爭正在轉向，Google TPU、AWS Tranium、博通 ASIC 等客製化晶片崛起，分析師預估博通在客製化 ASIC 晶片市場的市占率可達 70-80%。

GPU 從遊戲卡躍升 AI 核心的黃金十年

輝達 GPU 從遊戲卡躍升為 AI 核心晶片，可追溯至 2012 年的 AlexNet。研究團隊首次將輝達 GPU 的平行運算能力用於神經網路訓練，在影像辨識競賽中大幅領先，開啟深度學習時代。GPU 晶片的核心優勢來自數千個並行處理核心，能高效執行矩陣乘法等張量運算，正適合 AI 訓練與推理。

在大型伺服器機架中，72 顆 GPU 晶片可透過 NVLink 技術彙整為如同單一巨型 GPU 的運算單元。輝達不僅向 OpenAI、各國政府與企業供應 GPU 晶片，也直接打造整套伺服器系統。競爭對手 AMD 則依靠 Instinct GPU 晶片與開源軟體生態系加速進展，近期更獲 OpenAI 與 Oracle 支持，AMD GPU 晶片主要使用開源軟體，而 Nvidia GPU 晶片則緊密圍繞 CUDA 進行最佳化。

客製化 ASIC 晶片成為雲端巨頭破局關鍵

從 Google、亞馬遜、Meta、微軟到 OpenAI，各大雲端巨頭紛紛投入客製化 ASIC（應用專用積體電路）晶片研發。這些專為單一用途設計的晶片，在未來幾年預計將成為成長速度最快的 AI 晶片類別。隨著大型語言模型步入成熟期，推理需求正快速超越訓練，推理的成本、能耗與穩定度成為雲端平台的痛點，而這正是 ASIC 晶片的主戰場。

與萬用的 GPU 晶片不同，ASIC 如同一把「專用超精密工具」，針對單一類型 AI 工作負載進行硬編碼最佳化，因此速度更快、功耗更低。缺點是靈活性較差，且開發門檻極高，一顆客製晶片的設計成本動輒數億美元，因此只有雲端巨頭能負擔。用於 AI 的客製化 ASIC 晶片成本極其昂貴，至少需要數億美元，但對於大型雲端服務供應商來說，客製化 ASIC 晶片能效更高，而且減少了對輝達的依賴。

Google 是 ASIC 晶片第一個大玩家，率先打造了用於人工智慧加速的客製化專用積體電路，並在 2015 年創造了 Tensor Processing Unit（張量處理器，TPU）這個專有名詞。TPU 晶片促成 Google 於 2017 年發明了 Transformer 架構，成為 ChatGPT、Claude 等 AI 的共同基礎。如今 Google 已發展到第 7 代 TPU Ironwood 晶片，並協助 Anthropic 使用上百萬顆 TPU 訓練 Claude 系列模型。

AWS 在收購 Annapurna Labs 後，全力投入研發自家 AI 晶片。Tranium 與 Inferentia 晶片已成為 AWS 訓練與推理平台的重要支柱。2024 年，Anthropic 在 AWS 北印第安納資料中心以 50 萬顆 Tranium 2 晶片訓練模型，其中甚至完全沒有輝達 GPU 晶片，可見 ASIC 的地位正在抬頭。

晶片多元化趨勢與成本效益權衡

博通與 Marvell 等晶片代工設計公司，是超級大型雲端企業的核心戰略夥伴。Google TPU 晶片、Meta 自研加速器，以及 OpenAI 即將問世的 ASIC 晶片，都由博通深度參與。博通幫助建構 Google 的 TPU 和 Meta 的 AI 推理訓練晶片，分析師預估博通在客製化 ASIC 晶片市場的市占率可達 70% 至 80%。

邊緣 AI 晶片也向個人裝置延伸。NPU（神經網路處理器）為專門在裝置上運行邊緣人工智慧而設計的晶片，現已整合在高通 Snapdragon、AMD、英特爾與蘋果 M 系列 SoC 中，用於手機、筆電、智慧家庭、汽車甚至機器人。設備端 AI 將帶來更高的隱私保障、更低延遲與更強的控制性。

三大晶片類別對比

GPU 晶片：通用性強適合多種工作負載，但功耗高且成本昂貴，單一機架達 300 萬美元

ASIC 晶片：專用性強速度快功耗低，開發成本數億美元但長期性價比高 30-40%

FPGA/NPU 晶片：可重新配置介於兩者之間，適合邊緣設備與測試階段

台積電掌握晶片供應鏈咽喉

無論是輝達 Blackwell 晶片、Google TPU 晶片或 AWS Tranium 晶片，大多數 AI 晶片最終都由台積電代工。這讓 AI 算力供應與全球地緣政治緊密綁定。美國正試圖透過台積電亞利桑那廠與英特爾 18A 製程，將部分晶片製造能力拉回本土。然而，中國企業如華為、阿里巴巴也正積極打造自家 ASIC 晶片，在出口管制下尋求本土替代方案。