随着人工智能热潮的继续推进，英伟达很可能失去如今的主导地位，因为越来越多的大型数据中心运营商为降低成本，正在采购定制芯片（ASIC），这将让英伟达的通用型芯片 " 跌落云端 "。

研究公司 Counterpoint 在一份报告中指出，博通预计将在 2027 年继续保持其作为顶级 AI 服务器计算 ASIC 设计合作伙伴的领先地位，市场份额进一步扩大至 60%。

与此同时，与博通合作紧密的台积电也将快速扩张。作为定制芯片的主要代工选择，该公司几乎完全吃下全球前十大数据中心及 ASIC 客户的晶圆制造订单，市场份额接近 99%。

Counterpoint 由此预测，在英伟达通用型 GPU 独占鳌头的阶段之后，人工智能芯片热潮的第二阶段将变成 ASIC 与 GPU 的激烈竞争，且博通和台积电有望成为最大赢家。

ASIC 与 GPU

英伟达 GPU 的核心优势是大规模并行计算能力，适合处理矩阵乘法、卷积运算等人工智能任务。但随着数据中心投入和能耗问题的不断加剧，各大数据中心所有公司正在思考更加高效简约，且符合自身需求的解决方案。

如博通为谷歌设计的 TPU，其核心是脉动阵列架构，专注于矩阵乘法等张量运算，其能效比是英伟达 H100 的 2 到 3 倍，而推理成本则低 30% 至 40%。高盛分析师 James Schneider 指出，TPU 技术从 v6 发展到 v7 还将帮助每个 token 的成本下降 70%。

亚马逊的 Trainium 芯片也在推理成本上有优势，相较于 H100 低 30% 至 40%，其单位算力成本是 H100 的 60%，推理吞吐量则比 H100 高 25%，

另一家设计公司 Marvell 则与微软合作了 Maia 芯片。Marvell 曾经也与亚马逊合作了 Trainium 2 的项目，但由于表现不佳失去了 Trainium 3 的设计合约，另一家台湾公司 Alchip 最后参与了 Trainium 3 的开发。

这也让 Marvell 的处境有些尴尬，其此前被视为博通的主要挑战者，但目前却面临设计订单增长受阻的困境。Counterpoint 估计，即使 Marvell 的总出货量持续增长，其设计服务市场份额到 2027 年仍可能下滑至 8%。

相比于 ASIC 设计领域中尚有悬念的竞争，台积电的成功则确定性更强，因为无论是 GPU 还是 ASIC，台积电都是下游垄断性的制造厂商。

不过，高盛的 Schneider 指出，定制芯片虽然在成本上更具优势，但英伟达的 CUDA 软件仍然是其维护企业客户的关键护城河。CUDA 是英伟达推出的通用并行计算平台，覆盖全球 95% 以上的 AI 开发者。

业内预期，未来几年市场更可能是 ASIC 和 GPU 并存的局面，现在仍无法断言哪种策略会被最终淘汰。