過去二十年，晶片行業不乏技術革命，但能改寫整個科技結構的浪潮並不常見。AI大模型的崛起，使計算力成為新的能源，而GPU及各種AI加速晶片則變成這場競賽中不可或缺的「新石油」。這是一場技術與資本雙重博弈的戰爭。Nvidia以壓倒性速度建立了自己的帝國，但AMD、Intel以及一批國產AI芯片正以不同路徑尋求突破。這些晶片企業不只是爭奪市場，而是在定義未來十年的科技權力版圖。
若要理解當前AI加速晶片市場，必須先承認一個基本事實：Nvidia仍然是唯一主導者。在雲端訓練和推理領域，從2020年到2024年，Nvidia GPU的市佔率多年維持在七成以上，尤其在大型語言模型的訓練市場更接近壟斷。這種壟斷並非單靠硬件性能，而是由CUDA軟件生態奠定的。CUDA將硬件、開發工具、資料庫、推理框架深度捆綁，使開發者在Nvidia平台上能以最低成本部署AI模型，形成了極強的路徑依賴。
即使如此，市場的力量不會永遠單向。Nvidia近年價格高企、供應緊張，加上企業擔憂「算力被一家公司壟斷」，使AMD成為最受期待的挑戰者。AMD的MI300系列晶片尤其引人注目，它以更高的記憶體頻寬、更低的功耗、和更具性價比的定價策略迅速獲得主要雲服務商的青睞。微軟、Meta、Oracle都已將MI300納入其AI訓練與推理基礎設施。對不少企業而言，AMD的存在不僅提供更低成本的計算選擇，也使Nvidia在議價時不得不有所讓步。
Nvidia的壟斷與AMD的追擊：晶片帝國的正面戰場
然而，AMD的挑戰不能被過度浪漫化。雖然MI300架構在某些場景下表現亮眼，但其軟件生態ROCm與CUDA仍有明顯差距，開發者推動代碼遷移仍需投入額外成本。AMD的真正機會並不在於全面取代Nvidia，而是在大型雲服務商與企業客戶追求多元化供應鏈的趨勢下，成為能被廣泛接受的「第二選擇」。對AMD來說，市場只要接受20%的份額，它就足以在AI晶片時代建立重要地位。
Intel的破局與國產AI晶片的突圍：從邊緣到核心的兩條路徑
與Nvidia和AMD的直接對決不同，Intel在AI晶片市場的挑戰更像是一場自我救贖。這家曾經的PC處理器帝國，在GPU與AI加速器的浪潮中走得相對慢，Xe GPU與Gaudi系列的推出雖然獲得部分市場肯定，但仍難以撼動Nvidia的核心地位。Gaudi 3雖然在成本與部分推理效能上具備競爭力，但整體軟件生態仍然薄弱。Intel的最大挑戰，是如何讓市場重新相信它在高速運算領域依然有能力「回到中心」。
值得注意的是，Intel的破局可能來自於其製造資源。隨著全球晶片供應鏈地緣化，Intel在先進封裝、代工能力與x86生態上的優勢，都使其具備從「AI計算力的供應商」轉型為「全球AI設施的基建參與者」的可能。換言之，它的戰場可能不是GPU本身，而是整個AI基礎設施。
相較之下，國產AI晶片的突圍則沿着完全不同的道路前進。由於在高端GPU市場仍受制於技術積累與供應鏈限制，中國的AI晶片企業多以兩種方式切入：一是「定製化場景突破」，例如針對推理、視頻分析、邊緣計算提供專用晶片；二是「軟硬協同」策略，使用自家框架與SDK減少對CUDA的依賴。
這些晶片雖然未必與Nvidia在最頂級訓練性能上一較高下，但在成本、能效比、場景針對性上具備強優勢，尤其在本地化替代需求持續擴大的背景下，國產AI晶片已成功在交通、金融、安防與工業領域建立穩定市場。從企業採購角度來看，實用性往往比極限性能更重要，因此國產晶片的市場絕非「補缺」，而是「重構」。
中國AI晶片的長期機會在於：當地雲服務商與大型企業越來越願意構建以國產算力為基礎的AI設施，一旦生態成熟、工具鏈完善，就有機會在中端推理與專用場景上形成自主完整的技術堆棧。而這種「從底層到場景」的閉環，正是AI計算未來競爭的另一條維度。
義合控股投資者關係部
