博主头像

【下班國際線】輝達營收創新高!黃仁勳最大勁敵是誰?Google等巨頭為何自研晶片?曲博揭AI晶片戰的

外来客 • 2026-08-29 09:37:47

分享
𝕏 f ◉
声明：本文为对公开内容的摘要整理， 未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议； 观点与版权归原作者及原平台所有。 如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

🏢 雲端巨頭自研晶片動機與輝達策略

  • 雲端服務供應商（如 Google、微軟、Amazon、Meta）因資料中心處理器消耗量巨大，若全數採購輝達晶片，成本極高且輝達毛利高達 86%，導致客戶利潤被大幅侵蝕。
  • 為降低成本並避免被單一供應商鎖定，雲端大廠紛紛開發專用晶片（如 Google 擴大與 Marvell 合作、Meta 擁有晶片團隊），這直接壓縮了輝達通用晶片的銷售數量。
  • 輝達的商業策略並非降價或放棄部分晶片市場，而是持續開發更先進製程與晶片，維持技術領先優勢，並強調其通用圖形處理器（GPGPU）在訓練階段演算法修改靈活性上的優勢。
  • 輝達亦推出第一代人工智慧加速器（語言處理器 LPU），以應對未來推論運算需求，試圖在訓練與推論兩端保持競爭力。

📉 AI 產業從訓練轉向推論的趨勢

  • 過去十年 AI 發展以「訓練」為主，需大量燒錢購買資料與算力；未來十年市場將轉向「推論」，即模型訓練完成後供使用者使用並產生營收的階段。
  • 訓練階段演算法需頻繁修改，適合使用靈活性高的通用圖形處理器（GPGPU）；推論階段運算相對固定，使用專用加速器效能更高。
  • 此轉變意味著市場需求將從通用圖形處理器轉向專用加速器，輝達投資 Glock 並推出 LPU 正是為了應對這一趨勢，與客戶自研加速器形成競爭與共存關係。

🏭 台灣供應鏈在 AI 浪潮中的核心地位

  • 無論輝達、AMD 或雲端大廠自研晶片，最終硬體製造與組建資料中心均依賴台灣供應鏈，使台灣成為 AI 硬體環節的主要獲利者。
  • 即使資料中心設於美國，台灣供應商仍可透過系統整合服務參與建設，利用成本優勢獲利；這種模式不受地緣政治限制供應商國籍的影響。
  • 台灣在半導體產業的優勢在於硬體代工與系統整合，儘管長期被視為低價值代工，但在 AI 發展初期，硬體需求使台灣廠商獲得顯著收益。

🇨🇳 中美晶片博弈與中國自主化進程

  • 美國政府封鎖先進晶片銷售旨在維持技術差距，但商界（如黃仁勳）認為限制出口反而培養了中國本土競爭對手，主張透過銷售獲利再投入研發以保持領先。
  • 中國廠商採取雙軌策略：一方面進口輝達晶片，另一方面培養本土晶片能力，以應對潛在斷貨風險；目前中國國產晶片市占率已達 41%，輝達為 55%。
  • 中國國產 DUV 曝光機由上海海盛納主導，預計今年生產 5 台，明年增至 20 台；目標在 2030 年前實現 DUV 自主，但 EUV 因涉及光源、光學系統（如蔡司）及機械控制等高門檻，2030 年完全自主難度極高，可能需至 2035 年。
  • 美國若進一步限制 EUV 設備出口，將迫使中國廠商加速轉向本土設備供應商，反而擴大本土產業規模與技術迭代速度，產生反效果。

🤖 機器人產業路線差異與市場現狀

  • 美國聚焦於高階 AI 大腦與精密製程，機器人應用偏向實用功能（如清潔、烹飪），但細部動作控制技術尚未成熟。
  • 中國機器人產業因高階晶片受限，轉向 Physical AI 與低階應用（如車用、機器人用晶片），並透過跑步、跳舞等話題性應用維持市場熱度與銷售量。
  • 中國機器人廠商（如宇樹科技）掛牌後表現未達預期，反映當前技術在複雜動作執行上的瓶頸；美國市場對娛樂性機器人興趣較低，更關注實用性，但技術突破仍需時間。

💻 輝達護城河與 AI 模型可靠性挑戰

  • 輝達的核心競爭力在於 CUDA 生態系，包括底層韌體、軟體框架及應用程式介面，這使得客戶轉換成本極高，AMD 等競爭對手難以在短期內複製此軟體生態優勢。
  • 中小型 AI 公司缺乏自研晶片能力，依賴輝達軟體生態開發模型；大型企業（如 OpenAI、Anthropic）則因具備軟體實力而傾向自研晶片以降低成本。
  • 當前 AI 模型仍存在「一本正經無說八道」的幻覺問題，若未來兩三年內無法解決，雲端服務供應商可能放慢資本支出腳步，影響股市預期；但若技術突破，AI 市場將爆發式成長。
  • 觀察指標為企業資本支出變化及 AI 工具（如 ChatGPT、Notebook LM）生成內容的準確性，若 AI 能穩定提供正確資訊，其實用性與市場價值將大幅提升。

📐 華為「濤定律」與先進封裝技術

  • 華為提出「濤定律」，針對缺乏 EUV 設備導致電晶體縮小困難（卡在 7nm）的問題，採用先進封裝技術將晶片堆疊，縮短導線距離以提升速度。
  • 該技術從設計階段即區分標準單元至不同晶片，再透過堆疊縮短空間距離，類似從平房轉為高樓以縮短移動距離；華為公布的測試數據顯示已達到預期目標。
  • 待華為麒麟 2026 晶片量產後，透過拆解報告與電子顯微鏡檢測，可驗證其實際效能與技術實現方式，確認該方法在現有製程下提升效能的有效性。

博主头像 👤 同一博主

查看该博主全部 83 篇

🧭 类似博主

0 条评论

发表评论

请先 登录 后参与讨论。