在这个由数据和算力驱动的时代，英伟达以其高性能的 GPU 芯片，几乎垄断了 AI 芯片市场。而随着竞争的加剧，芯片供应的紧缺，包括 Meta、谷歌、亚马逊在内的科技巨头开始探索自研芯片。

当地时间 4 月 10 日，Meta 公布了自主研发芯片 MTIA 的最新版本。MTIA 是 Meta 专门为 AI 训练和推理工作设计的定制芯片系列。而前一日，谷歌也宣布推出基于 Arm 架构的数据中心芯片 Axion。

科技巨头投身芯片研发，这背后既有想摆脱供应依赖的考量，也有成本方面的压力。拿英伟达的明星芯片产品 H100 来说，目前的价格已经飙升至 2.5 万 ~3 万美元。按照 Meta 希望年底获得 35 万块 H100 的计划，这笔费用最低也要 87.5 亿美元。

他们的入局是否会动摇英伟达在芯片市场的霸主地位？

生成式 AI 市场引发了各大科技公司的竞相追逐，芯片则是这一领域蓬勃发展背后的核心引擎   视觉中国图

科技公司竞相追逐算力

当地时间 4 月 10 日，Meta 宣布推出自主研发的最新版本芯片 MTIA v2，专为 Meta 旗下社交软件的排名和推荐系统而设计。早期测试结果显示，与去年 5 月公布的 Meta 第一代 AI 推理加速器 MTIA v1 相比，最新版本的性能有显著提升，是初代版本的三倍。

而在此前一天，谷歌也宣布推出基于 Arm 架构的数据中心芯片 Axion。据谷歌介绍，Axion 芯片的性能比通用 ARM 芯片高 30%，比英特尔生产的当前一代 x86 芯片高 50%，能效高 60%。谷歌计划将 Axion 用于谷歌旗下的多种服务，例如 YouTube 广告投放、大数据分析等。

事实上，除了 Meta 和谷歌外，微软、特斯拉和亚马逊也相继发布了能够处理 AI 任务的定制芯片。

此外，业界一直有许多关于 OpenAI 自研 AI 芯片的猜测。今年 1 月，彭博社曾援引知情人士的话称，OpenAI 首席执行官萨姆 · 奥尔特曼正在谋划用数十亿美元建立一所具备一定规模的半导体晶圆厂。

市场研究机构 CFRA 分析师认为，大型科技公司正在面临芯片成本上的压力，需要靠自研芯片来加以缓解。另据《财富》杂志报道，对于拥有资金的大型科技公司来说，自研芯片也有助于减少对英伟达和英特尔等外部芯片生产商的依赖，同时还允许公司根据自己的 AI 模型定制个性化的硬件。

随着顶流 AI 工具 ChatGPT 的发布，生成式 AI 市场引发了各大科技公司的竞相追逐，算力则是这一领域蓬勃发展背后的核心引擎。

在这一背景下，英伟达旗下 A100、H100、A800 和 H800 等高性能 GPU 芯片成了各大 AI 公司争抢的对象，尤其是 H100。去年 7 月，外媒曾曝出英伟达用于 AI 计算的 H100 GPU 供不应求。当时英伟达 GPU 的出货时间长达 11 个月，大多数英伟达客户需要等待将近一年的时间才能拿到订购的 GPU。不过，现在的供应瓶颈有所缓解。

而且，这样的 " 香饽饽 "，价格自然是不低的。据报道，H100 的价格目前已经飙升至 2.5 万 ~3 万美元。

据称，为了构建支持 OpenAI 项目的超级计算机，微软斥资数亿美元，在 Azure 云计算平台上将几万个 Nvidia A100 芯片连接在一起。据估算，即使只维持 ChatGPT 的基本运作，每年也需要约 160 亿美元的成本。

今年 3 月，Meta 也曾公布其布局 AI 基础设施的细节和路线图，称计划在今年底前获得约 35 万块来自英伟达的 H100 GPU，届时公司拥有的算力总和将接近于 60 万块 H100 所能提供的算力。即使按照最低售价 2.5 万美元来计算，这 35 万块 H100 的成本也高达约 87.5 亿美元。

英伟达地位会否动摇？

据《纽约时报》，英伟达在去年售出了 250 万颗芯片，几乎垄断了这个市场。根据研究公司 Omdia 的数据，英伟达销量占到整个市场的七成以上。受到强劲芯片需求的推动，英伟达去年股价累涨 239.3%。

有分析认为，随着科技巨头进军芯片领域，英伟达的主导地位可能会面临威胁。" 木头姐 "Cathie Wood 在最近与《巴伦周刊》的采访中指出，谷歌、亚马逊、微软、特斯拉等竞争对手纷纷下场研发芯片，这将拖累英伟达未来收入的增速。

咨询公司 Forrester 高级分析师 Alvin Nguyen 认为，尽管谷歌、Meta 和亚马逊等公司设计的芯片不会像英伟达的顶级产品那样强大，但这可能会让这些公司受益。尤其是，出货等待时间会更短。

" 从 Meta 的角度来看，这为他们提供了与英伟达讨价还价的筹码。" 科技咨询公司 Omdia 的分析师 Edward Wilford 如此说道。

此外，Nguyen 还认为，自研芯片可以更好地适应科技公司的特定 AI 平台，从而通过消除不必要的功能来提高效率并节省成本。这意味着，尽管英伟达 GPU 在 AI 数据中心方面表现出色，但其作为一种通用硬件，在某些工作负载和模型中，效果可能不如定制芯片。

不过，科技公司的 AI 芯片开发是一个长期过程。Nguyen 预计，这些芯片的开发大约需要一年半的时间，之后可能需要几个月的时间才能大规模实施。在可预见的未来，整个 AI 领域将继续严重依赖英伟达来满足其计算硬件需求。

而且，自研芯片并不意味着科技巨头就可以完全摆脱对英伟达的依赖。

实际上，科技巨头造芯片并不是一件新鲜事情，谷歌从 2016 年起推出自研 AI 张量处理单元（TPU），亚马逊云科技在 2020 年宣布推出用于训练 AI 模型的自研芯片 Trainium，但直至生成式 AI 爆发的当下，只有英伟达成为了最大的 " 卖铲人 "。

亚马逊芯片业务负责人在接受外媒采访时曾指出，英伟达拥有出色的芯片，更重要的是，他们拥有令人难以置信的生态系统。基于此，让市场接受一种新的芯片是非常有挑战性的。

研究公司 Gartner 的数据显示，到 2027 年，芯片市场预计将增长一倍以上，达到约 1400 亿美元。盯上这块蛋糕的不仅有 AI 模型的提供者，AMD 和英特尔等知名芯片制造商也在加速推出性能更好的 AI 芯片，挑战英伟达的霸主地位。

英伟达自然也不会坐以待毙。2023 年，英伟达推出了云服务，企业可以在该服务中使用其芯片。此外，该公司正在基于芯片业务与云提供商例如 CoreWeave 合作，以期与亚马逊、谷歌和微软展开竞争。

每日经济新闻