最大的客户，正在变成竞争对手
过去两年间, 全球科技巨头在建设AI数据中心时, 几乎很难避开英伟达。然而到了2026年, 谷歌、亚马逊、微软、Meta不再甘愿仅仅充当芯片买家, 而是将越来越多的资金投入到自身的AI芯片。谷歌拥有TPU, 亚马逊获得Trainium, 微软推出Maia, Meta则打算在9月量产新一代自研芯片“Iris”。这并非单纯的“去英伟达化”, 而是最大的客户开始借助自研芯片、AMD和英伟达展开相互比价, 从而重新夺回采购主动权。
真正变天的是推理市场
训练一个大模型, 这如同建设一座大型发电站, 其需要性能强大、适应性高的 GPU ；然而在模型训练完成之后, 每天去回答问题、生成图片以及推荐广告, 主要是依靠“推理”。推理业务的调用次数极为巨大, 企业最为关心的并非单块芯片跑分有多高, 而是每生成一百万个字、每服务一个用户究竟要花费多少钱。专用芯片虽说不如 GPU 那样灵活, 但其能够针对固定任务削减不必要的功能, 在功耗和成本方面颇有优势。所以, AI芯片的竞争态势, 正从聚焦于“谁的芯片具备最强性能”, 朝着“谁能够以更低的成本去生成更多具有实际效用的答案”这方面转变。
微软的Maia 200是个典型例子, 它被直接定位成推理加速器, 微软宣称它的单位成本性能比现有的系统提高了约30%。亚马逊公布的数据也表明, Trainium3服务器跟其上一代相比最高能够实现4倍的单位功耗性能提升。要注意, 这些数字源自企业自身测试, 无法直接进行横向比较, 但是却清楚地表明出巨头打造芯片的真实目标: 并非是为了技术炫耀, 而是为了把每一次AI调用的成本给压下来。谁能够去降低那“每个答案”的价格, 谁才有着在未来数十亿次调用当中赚钱的可能性。
ASIC增速，已经是GPU的近三倍
国际数据公司TrendForce预估, 到2026年的时候, 云计算行业厂商所致力于自研自制的ASIC这方面的相关出货数量将会呈现出增长的态势上去, 其增长比例大概会达到44.6%左右, 然而GPU的出货增长速度大约是16.1%。需要格外有力地着重说明的是, 这里指的是出货的增长速度, 并非是收入方面的增长速度, 更加不能够表示说ASIC当前拥有的市场规模已然超过了GPU。可是, 有一个增速差不多要达到三倍之多的全新市场, 完全是足够对订单的流向以及资本市场针对各大机构各项业务、计划以及资产的价值评估逻辑产生改变的。在过去的一段日子里, AI算力订单主要是集中汇聚在英伟达这家公司身上的, 但直至现在, 原本属于英伟达可获得的这些资金开始转而流向专门定制芯片设计、进行晶圆的代工生产、实施先进的封装技术、采购HBM存储以及高速网络这些领域当中去。
这项改变已然在业绩当中得以体现, 博通在2026财年第二季度的时候, AI半导体所取得的收入达到了108亿美元, 跟同比相较增长了143%, 主要起到推动作用的恰恰是定制AI加速器以及AI网络设备, 它并非必然像英伟达那样拥有统一的品牌, 然而却能够助力谷歌、Meta等客户将芯片设计转变成为可以进行大规模生产的产品, 未来巨头自己研制芯片的数量越多, 类似于博通这般的“芯片总包商”获取的订单或许就会越多, 这同样是此轮产业变化里最为容易被普通投资者给忽略掉的一个层面。
AMD切走的是议价权
Meta在进行自研芯片之举时, 还同AMD签订了长期部署协议, 该协议涉及最高6吉瓦的Instinct GPU, 且首批项目计划于2026年下半年起始。这一情况看似存在矛盾之处, 那便是既然自己要制造芯片, 为何又要大量去采购AMD的产品呢? 答案在于, 没有任何一家巨头会愿意将数千亿美元的基础设施全都押注在单一的供应商身上。其中, 自研芯片承担着固定、高频以及成本敏感型的任务, AMD负责增添第二套GPU选择, 而英伟达则持续肩负前沿训练和复杂计算的职责。
因此, AMD真正拿走的不一定仅仅是几张订单, 而是英伟达以往几乎独占的议价权力。每当客户同时具备英伟达GPU、AMD GPU、谷歌TPU以及内部ASIC时, 采购部门才有本事去谈价格、谈交付时间、谈软件支持。AI算力市场正从“一家通吃”境地, 转变为“多种芯片混合部署”局面。于英伟达来讲, 这意味着市场份额或许会降低；但对于整个产业而言, 却有可能加速AI成本降低以及应用普及。
英伟达没有输，蛋糕还在变大
将自研芯片理解为“英伟达崩塌”, 极易得出错误结论, 英伟达在截至2026年4月26日的季度里, 数据中心收入达752亿美元, 同比增长92%, 2026财年总收入达2159亿美元, 同比增长65%, 这表明即便定制芯片高速增长, 全球对GPU的需求仍远未达顶峰, 自研芯片切走的是新增市场里的部分份额, 而非立刻夺走英伟达现有的收入。
英伟达最为关键的护城河并非仅仅是一块GPU, 而是由CUDA软件、网络设备、服务器机架以及开发工具构成的一整套系统。企业更换芯片时, 不只是替换硬件, 还得重新编写程序、培训工程师并且承担系统不稳定的风险。谷歌甚至专门推动TorchTPU, 使得TPU能够更好地兼容主流的PyTorch框架, 这从侧面表明, 软件生态依旧是其他芯片在挑战英伟达时最难逾越的门槛。在短期内, ASIC更像是GPU的一种补充, 而非完全的替代品。
真正稳赚订单的，可能不是芯片品牌
不管最终选用的是英伟达GPU , 还是谷歌TPU , 亦或是亚马逊Trainium , 都没办法脱离先进制程 、封装以及高带宽内存。TrendForce预估 , 2026年HBM使用量依旧有可能增长幅度超过70% , 缘由不单单在于英伟达新平台进行升级 , 谷歌TPU以及亚马逊Trainium也是在迅速采用HBM3e。也就是说 , 芯片品牌彼此之间能够相互争抢市场 , 但它们全都需要更为快速的存储 、更为复杂的封装以及更为高速的网络。这些环节, 是“卖铲子”的环节, 反而有可能成为受益者, 是多种技术路线同时扩张的共同受益者。
对于中国投资者来讲, 观察的重点不应该仅仅停留在某一家国产的AI芯片公司上。AI服务器的扩张, 还会带动光模块以及交换机，还有服务器电源、液冷设备、PCB以及数据中心供电的需求, 其中有不少环节并不需要去押注哪一种芯片最终能够获胜。但是产业需求的增长并不等同于所有的公司都能够提高利润, 那些产品缺少技术壁垒, 只能依靠低价竞争的企业, 收入有可能增长, 然而利润却不一定会增长。真正值得去进行跟踪关注的, 是展现了订单能够清晰看到的程度, 以及毛利所获取的比率, 还有为研究开发所付出相关投入的量以及客户集中的具体程度, 而并非是在公告当中体现出“AI算力”究竟出现了多少回。
普通人最终得到什么
大厂自己研发芯片, 最实际的结果是, AI服务的价格有机会持续下降。生成文字、视频以及智能客服的成本下降后, 以往只有大型公司才用得起的AI工具, 才能够进入中小企业、商店、工厂以及个人的工作流程。这有可能致使一家公司借助更少的人来完成客服、营销以及数据处理工作, 也有可能让一些重复性岗位承受更大的效率压力。芯片战争表面上是在硅谷和数据中心展开的, 可最终影响的却是普通人面临的软件价格、工作方式以及就业结构。
热闹属于产业，利润只属于少数
同样有风险存在于自研芯片当中, 模型架构变换速度极快, 一款针对特定任务所设计的ASIC, 一旦软件路线出现改变, 也许会比通用GPU更快地过时, 芯片的设计, 流片以及量产需要耗费巨额资金, 唯有业务规模足够庞大的公司才能够将成本摊薄开来, 更为关键的是, 44.6%的出货增速是建立在较低基数之上的, 不能够简单地理解为英伟达的收入会被切走44.6%, 投资者最需要加以防范的, 便是把产业趋势直接等同于股价上涨。
这场竞争的真实结局, 大概率不是英伟达被某一个企业所取代, 反而是 AI 芯片市场从单极时代而步入多极时代。英伟达持续占据高端训练以及完整生态, AMD 去争夺 GPU 第二供应商, 谷歌、亚马逊、微软和 Meta 凭借自研芯片来降低内部成本, 博通、晶圆代工、HBM 和网络设备厂商则去分享新增订单。蛋糕并未变小, 甚至还在迅速膨胀, 只是以往集中于一家公司手中的刀叉, 现今被更多玩家给拿走了。
信息源：
NVIDIA: 关于 2026 财年财务报告的表述, 以及 2027 财年第一季度的财务报告内容。 Met 、 AMD: 有一则关于最高达到 6GW Instinct GPU 的长期合作的公告展示。 Reuters: Meta 有着一番计划, 是打算于 2026 年 9 月的时候进行自研 AI 芯片 “Iris” 的量产动作。 TrendForce: 针对 2026 年的 ASIC 、 GPU 出货情况以及 HBM 需求所做出的预测情况。 Broadcom: 呈现 2026 财年第二季度的业绩状况, 还有定制 AI 芯片合作方面的相关事宜。谷歌云、亚马逊云科技、微软: 带有张量处理单元、第三代训练芯片与第二代玛雅200官方的相关资料。
