摩根大通资产管理市场与投资策略主席迈克尔·切巴莱斯特在最新报告中给出一个刺眼的数字:在OpenAI、Anthropic这类前沿AI实验室已经敲定、未来将采购的算力基础设施中,英伟达GPU的占比只有39%。而在2023至2025年,英伟达在AI芯片整体收入中的份额一度达到83%。
剩下的份额去了哪里,报告写得很清楚:博通的定制ASIC占24%,谷歌TPU占16%,AMD GPU占15%,亚马逊Trainium占6%。这四家有一个共同点——它们要么是英伟达的客户,要么是被英伟达压着打的对手。现在客户把订单转给了自研团队,对手用性价比切进了训练和推理。
打开网易新闻 查看精彩图片
这条趋势不是一天形成的。训练端,模型架构趋于稳定,专用芯片的效率优势被放大;推理端,成本敏感度更高,谁的单位Token更便宜就用谁。当模型能力差距缩小,算力采购就从“买最强”变成“买最合适”。
对英伟达来说,真正的护城河不再是单卡性能,而是CUDA生态和整机柜交付能力。前者锁住开发者,后者锁住交付周期。份额下滑不可怕,可怕的是客户在自研芯片上跑通了第二套软件栈。那才是“默认选项”消失的开始。
对采购方而言,混合架构意味着更复杂的工程:不同芯片的软件栈、互联协议和调度方式都要单独适配,运维成本上升。对国内厂商来说,这是一个窗口——当全球客户开始接受“不止一种芯片”,国产GPU进入采购清单的政治阻力会小一些,但前提是软件生态接得上。
热门跟贴