在人工智能浪潮持续向前奔涌之际，英伟达能否保有其当前的绝对主导地位，正面临一场前所未有的考验。越来越多的大型数据中心运营商，为了更有效地控制运营成本，正转向采购量身打造的专用芯片，这一趋势或将把英伟达的通用型处理器从云端优势地位上拉下马来。

市场研究机构Counterpoint在一份报告中指出，博通预计将在2027年继续巩固其作为顶尖AI服务器专用芯片设计合作伙伴的领导者角色，其市场份额有望进一步拓展至60%。

与此同时，与博通深度绑定的台积电也将迎来业务的快速扩张。作为定制芯片的首选代工商，该公司几乎拿下了全球前十大数据中心及专用芯片客户的晶圆制造订单，市场占有率直逼惊人的99%。

Counterpoint据此预测，在英伟达凭借通用型GPU独占鳌头的阶段之后，人工智能芯片热潮的第二幕，将演变为专用芯片与GPU之间的激烈角逐，而博通和台积电有望成为这场竞争中的最大赢家。

专用芯片与GPU之争

英伟达GPU的核心优势在于其强大的大规模并行计算能力，这使其非常适合处理矩阵乘法、卷积运算等典型的人工智能任务。然而，随着数据中心投入和能耗问题的日益严峻，各大数据中心运营商都在积极寻求一种能效更高、架构更精简，且能精准契合自身业务需求的解决方案。

以博通为谷歌量身打造的TPU为例，其核心是脉动阵列架构，该架构专精于矩阵乘法等张量运算，其能效表现可达英伟达H100芯片的2到3倍，而推理成本却能降低30%至40%。高盛分析师James Schneider指出，TPU技术从v6演进到v7版本，还将帮助每个token的处理成本再度下降70%。

亚马逊的Trainium芯片同样在推理成本上展现出竞争优势，相比H100可降低30%至40%，其单位算力成本仅为H100的60%，推理吞吐量则比H100高出25%。

另一家设计公司Marvell则与微软合作开发了Maia芯片。Marvell也曾参与亚马逊Trainium 2项目的合作，但由于表现未达预期，最终失去了Trainium 3的设计合约，一家名为Alchip的台湾公司接替了Trainium 3的开发工作。

这使得Marvell的处境略显尴尬。该公司此前被视为博通的主要挑战者，但目前却面临着设计订单增长受阻的困境。Counterpoint估计，即便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%。

相比专用芯片设计领域中尚存变数的竞争格局，台积电的成功则更具确定性。因为无论是GPU还是专用芯片，台积电都是下游环节中拥有垄断性地位的制造商。

不过，高盛的Schneider也指出，定制芯片虽然在成本上更具优势，但英伟达的CUDA软件生态依然是其维系企业客户的坚固护城河。CUDA是英伟达推出的通用并行计算平台，覆盖了全球超过95%的AI开发者。

业内普遍预期，未来几年市场更可能呈现专用芯片与GPU并存的局面，现阶段还难以断言哪种技术路线将被最终淘汰。