英伟达霸主之位不稳？ASIC成致命威胁，三大短板尽显

几天前，英伟达再度创造历史。

7月3日，英伟达市值短暂达到3.92万亿美元，超越苹果此前保持的3.915万亿美元纪录，成为有史以来市值最高的上市公司。AI算力的迅猛发展，将这家GPU厂商推向了前所未有的高度。

特别是自2024年底，性能与能效双提升的Blackwell平台开始出货后的销售表现，打消了外界疑虑。英伟达创始人兼CEO黄仁勋在最新财报电话会议上表示，仅2025年第一季度，该新平台就贡献了英伟达数据中心近七成的收入。

然而，就在英伟达市值登顶、风光无限时，其生态内部的裂痕也逐渐显现。最典型的例子就是英伟达的重要客户——OpenAI。几乎在英伟达市值达到高峰的同时，The Information援引OpenAI内部人士消息称，OpenAI正在使用谷歌自主研发的TPU芯片，为ChatGPT及其其他产品提供算力支持。

TPU服务器，图 / 谷歌

尽管后续OpenAI回应时淡化了“转向”说法，强调只是测试且“暂无大规模采用计划”。但对于一家曾定义AI新时代的公司来说，哪怕只是“测试”，也足以引起市场的高度关注。

与此同时，谷歌稍早前发布的第七代TPU —— Ironwood再次成为焦点。这是一颗专为推理场景打造的专用AI芯片，不仅每瓦性能可与Blackwell媲美，在成本和部署灵活性方面也颇具吸引力。

更重要的是，真正给英伟达带来结构性挑战的，是那些更注重“效率”而非“通用”的ASIC芯片阵营。谷歌、亚马逊、Meta等云巨头持续加大自研加速器的投入，以避开英伟达GPU的高成本；而Cerebras、Graphcore等初创企业，则从芯片架构和系统设计层面重新定义“AI专用计算”，试图开辟一条与GPU不同的技术路径。

对于英伟达而言，世界第一的宝座并不稳固。

俗话说，最了解一个人的往往是他的对手。

5月19日，英伟达发布全新互联架构NVLink Fusion，该架构被定义为“AI工程合作平台”。通过授权NVLink芯片间互联（C2C）和整合交换模块，第三方厂商能将自研加速器或CPU接入英伟达主导的算力系统。

与过去NVLink的封闭式设计相比，Fusion的“半开放”姿态看似包容，实则仍要求合作方依附于英伟达的生态体系。任何定制芯片都必须连接到英伟达的产品，且仅选择性开放了900GB/s的NVLink - C2C接口。所以NVLink Fusion虽表面上展现了英伟达的开放态度，实则是一次防御性举措：

为了抵御UALink联盟。

图 / UALink联盟

2024年10月，由AMD、Intel、谷歌、Meta、微软、AWS等联合发起的UALink联盟悄然成立，随后苹果、阿里云、新思科技等加入，迅速发展成一个涵盖芯片设计、云服务、IP供应链的庞大阵营。

今年4月，UALink发布1.0版本互联标准，支持高达1024个加速器节点、800Gbps带宽互联以及开放的memory - semantics协议。这不仅是一项通信技术，更是一次旨在“去英伟达化”的系统性布局。在AI芯片互联架构方面，英伟达深知：

真正需要警惕的，不是某一家厂商，而是一整条试图摆脱GPU依赖、重建硬件秩序的ASIC阵营。

与通用的GPU架构不同，ASIC是为特定任务定制的芯片。在AI时代，这意味着它们可针对推理、训练、推流等核心计算路径进行极致优化。这种理念已在微软、Meta和亚马逊等巨头内部深入实施，它们都在探索从英伟达GPU平台向自研AI ASIC芯片迁移。

谷歌就是典型例子，TPU系列已发展到第七代Ironwood，专为推理任务设计，每瓦性能超越了英伟达Blackwell。OpenAI研究员在X平台上认为Ironwood与GB200性能相当，甚至略胜一筹。更重要的是，TPU系列已支撑起Gemini大模型从训练到推理的大规模应用。

图 / 谷歌

与此同时，除老对手AMD外，Meta、AWS等新晋芯片厂商也在努力“追赶”英伟达GPU。据报道，基于与博通的合作，Meta首款AI ASIC芯片MTIA T - V1规格可能超过英伟达的下一代Rubin芯片；AWS则在与Marvell合作的基础上，启动不同版本的Trainium v3开发，预计2026年陆续量产。

野村证券最新报告指出，2025年谷歌TPU出货量预计为150万至200万，AWS Trainium和Inferentia预计为140万至150万。等到Meta与微软大规模部署时，有望在2026年出货量上首次超越英伟达GPU（500万至600万）。

初创公司方面，研发出全球最大芯片的AI芯片“独角兽”Cerebras，以Wafer ‑ Scale Engine（WSE）引领训练芯片架构革新，并在多个政府和科研超算项目中应用；软银收购的Graphcore虽历经波折，但仍坚持在神经网络处理架构（IPU）上寻求突破；Tenstorrent、Rebellions等新秀则在AI推理、边缘计算等细分领域积累客户和出货量。

全球最大芯片，图 / Cerebras

英伟达自然察觉到了这股趋势，所以用NVLink Fusion做出回应。但现实是，越来越多的玩家不再满足于当配角。ASIC的崛起，不仅是技术路线的迭代，更是一场由巨头主导、联盟推动、生态支持的系统性挑战。英伟达虽强大，但面对这样的对手，仍需警惕。

市值达到3.92万亿美元时，英伟达站在了全球资本市场的巅峰。但在这耀眼的光环下，诸多问题逐渐显现。从产业依赖、产品结构到生态策略，英伟达都有可能被自己的成功逻辑反噬。

一是对超大规模客户的过度依赖。英伟达约88%的营收来自数据中心业务，且大部分集中在微软、AWS、阿里、Meta、谷歌以及野心渐增的OpenAI等少数云计算巨头手中。而这些客户不仅自研AI芯片，还组建了UALink联盟，正逐步削弱英伟达GPU的统治地位。

谷歌有TPU，亚马逊有Trainium，Meta和微软分别推出了MTIA与Maia系列加速器。OpenAI在测试谷歌TPU的同时，也不断传出自研AI芯片的消息。这些客户并非不需要英伟达，而是不想“只”依赖英伟达。

二是性价比问题。Blackwell平台带来了强大的算力提升，尤其是GB200架构在训练和推理性能上表现出色。但这一代产品的复杂性、功耗和成本也大幅增加。据汇丰银行消息，一套GB200 NVL72服务器售价约300万美元，让许多客户望而却步。

GB200 NVL72，图 / 英伟达

这种极致设计策略虽锁定了高端市场，但也产生了两个问题：一是将中小客户拒之门外，二是促使客户寻找更便宜、更节能的替代品。当AI推理成为主流任务时，性价比往往比绝对性能更重要，而这正是ASIC等专用芯片的优势所在。

对于云厂商等大客户，早期愿意为性能买单。但随着部署规模扩大、模型标准化、预算收紧，即便大型厂商也希望有更多自主权和谈判空间。当英伟达成为“不得不选”时，产业链就会开始寻找“能否不选”的选项，而谷歌TPU的成功更是一种激励。

三是英伟达的生态壁垒。英伟达CUDA是目前业界最强大的AI编程生态，但其高度封闭性使其逐渐成为一个“只属于英伟达”的世界。在UALink联盟、OneAPI、MLIR等开放生态兴起的背景下，越来越多开发者和系统设计者追求跨平台兼容、异构协同，而不愿将命运绑定在一家公司的工具链上。

CUDA曾是英伟达的护城河，但如今在一定程度上限制了开发者的自由流动，成为“生态高墙”。当更多厂商希望在不同架构间灵活切换时，CUDA的壁垒可能会成为他们离开的原因。

回顾来看，英伟达仍是当今最强的AI芯片厂商，处于技术、产品和市值的巅峰。但巅峰并非终点，而是更多挑战的开端。更关键的是，英伟达面临的不是技术换代的风险，而是客户主导的去中心化趋势。正如前文所说：英伟达的世界第一之位，并不稳固。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com