高通、英伟达竞逐AI市场 全球芯片进入多元竞争阶段

AI技术正以前所未有的速度改变世界，科技巨头们纷纷布局AI领域，以差异化战略抢占市场先机。近日，高通与英伟达便相继推出了各自的AI相关产品。其中，高通选择以推理场景作为突破布局数据中心市场，通过技术创新实现成本与性能的平衡；英伟达则不满足于硬件供应，而是通过构建全栈生态和跨领域布局，争抢其在AI基础设施领域的主导地位。

据DC Market Insights数据，全球数据中心市场规模在2020年已达到2246.1623亿美元，并预计在2025年飙升至3857.0629亿美元，至2035年，将突破万亿美元大关。随着AI模型应用的日益规模化，推理需求正成为推动市场结构变化的关键，ASIC等专用芯片或逐步侵蚀GPU的市场份额。

这一趋势恰恰为高通、华为等提供了机会。然而，AI领域的比拼并不止于芯片，还有生态。在业内看来，英伟达凭借其CUDA生态，仍在高端训练市场占据主导地位。不过，本土化需求与政策，势必将加速国产芯片的自主化进程，致使全球AI芯片市场进入多元竞争的阶段。

高通、英伟达加码AI

全球AI数据中心市场正以惊人速度扩张。瞄准这一蓝海，芯片巨头高通与英伟达相继推出重要产品。

近日，高通宣布推出AI200和AI250两款AI加速器芯片，这意味着这家移动芯片巨头正式进军数据中心市场。作为新入局者，高通采取了差异化竞争策略，专注于AI推理市场，并非直接挑战英伟达在训练领域的地位。

具体到产品设计上，高通表示，Qualcomm AI200定位为机架级AI推理解决方案，重点面向大语言模型及多模态模型推理场景，强调在总体拥有成本与性能之间的优化平衡。该芯片单卡支持高达768GB的LPDDR内存，在扩展性与成本控制上具备明显优势。而AI250则引入近存计算（Near-Memory Computing）架构，可实现超过10倍的有效内存带宽提升。

值得关注的是，未来，高通在人工智能芯片领域的更新趋于常态化。对于人工智能芯片在高通的定位和未来计划，高通方面告诉笔者，Qualcomm AI200与AI250预计将分别于2026年和2027年实现商用。这些产品是高通多代数据中心AI推理技术路线图的一部分，并将以年度为迭代周期。

高通的这一动作并非偶然。随着全球智能手机市场增长放缓，高通正在寻求业务结构的多元化，拓展数据中心AI业务成为其关键的转型路径。2024财年财报显示，高通总营收为389.6亿美元，其中手机芯片业务贡献248.63亿美元，占比达64%。

几乎在同一时间，英伟达在GTC 2025大会上宣布，美国四大云端巨头今年已采购360万片Blackwell芯片，并预计到2028年数据中心资本支出将突破1万亿美元。同时，英伟达首次展示了Vera Rubin超级芯片。

公开报道显示，这款芯片结合了两个Rubin GPU和一个Vera CPU，通过NVLink C2C互连技术实现高达1.8TB/s的带宽。

更重要的是，英伟达的战略远不止于硬件本身，其已将其定位从芯片供应商提升为AI基础设施的架构师，提出的“AI工厂”概念。这一概念将数据中心视为生产智能的系统，而不仅仅是计算任务的执行场所。

国产芯片相关人士分析认为，随着AI模型逐渐成熟并大规模应用，使用模型进行推理的算力需求正在爆发式增长。高通推出的AI200和AI250芯片正是专注于这一场景，其设计目标不是训练更强大的模型，而是更低成本、更低功耗地运行现有模型。支持768GB大内存、采用“近内存计算” 架构和液冷散热，这对于大规模部署AI应用的企业极具吸引力

厂商侧重点不同 芯片进入多元化竞争

随着AI推理需求的爆发和6G时代的临近，算力市场的竞争焦点正从单一的硬件性能，转向对算力、网络、应用完整链条的掌控能力。

目前，在全球AI芯片市场不同厂商基于技术积累与市场判断，走出了差异化的发展路径。这其中，不管从技术角度看，还是从生态角度看，短期内英伟达的地位仍难以撼动。

国产芯片相关人士告诉笔者，英伟达的核心竞争力集中在云端训练与高端推理市场。特别是近20年布局的CUDA生态让英伟达构建了从芯片硬件到软件工具、从开发框架到行业应用的全栈体系，这种生态壁垒让其在超大规模模型训练、国家AI设施建设等高端场景中几乎难以找到对手。

尤为关键的是，就在发布Vera Rubin芯片的同期，英伟达宣布斥资10亿美元入股诺基亚，并成为其第二大股东。根据双方协议，诺基亚将在其无线接入网（RAN）产品中引入基于英伟达技术的商用级AI - RAN（人工智能无线接入网）产品。这意味着英伟达的加速计算能力将直接嵌入全球数百万个基站，为5G - A和未来的6G网络提供原生AI支持。

事实上，对于国内市场而言，受英伟达出口管制政策影响，国产厂商迎来了难得的战略机遇期。国产厂商在政策扶持与市场需求的双重驱动下，正加大研发投入，加速技术迭代，力求在AI芯片领域实现自主可控与弯道超车。

目前，在国内市场对自主可控AI芯片的需求持续攀升。根据IDC发布的《中国半年度加速计算市场（2024下半年）跟踪》报告，2024年中国加速芯片市场出货量超过270万张，其中GPU卡占据70%市场份额，国产AI芯片出货量达82万张，占比30%。

从技术路线上来看，国产厂商多采用通用、专用并行策略。其中，华为昇腾芯片兼顾训练与推理，依托鲲鹏生态和国内政企客户资源快速落地；海光基于x86生态，在兼容性与稳定性方面具备优势，能够满足部分对生态依赖较强的用户需求；寒武纪专注推理芯片，在智能驾驶、边缘计算等场景形成优势，通过深度优化算法与硬件架构，实现了高效的推理性能；壁仞科技则聚焦高端通用算力，试图在云端市场实现突破。

值得注意的是，随着AI技术的普及，算力市场正呈现出训练与推理工作负载分离的趋势，且推理需求的爆发使得专用芯片的优势日益凸显，这一趋势为专注于推理优化的公司创造了机会。

高盛最新研报预测，2025 - 2027年间，ASIC芯片在AI芯片中的占比将从38%提升至45%，而GPU芯片占比将从62%降至55%。这一变化背后的逻辑在于，随着AI模型逐渐成熟，模型训练的频率相对降低，而基于现有模型进行推理的应用场景却大幅增加。专用芯片针对特定推理任务进行优化设计，能够在性能、功耗和成本之间实现更好的平衡，从而满足市场对高效推理解决方案的迫切需求。

目前，包括谷歌的TPU系列、亚马逊的Trainium系列、华为的昇腾系列、阿里的PPU系列、百度的昆仑芯系列都在这一领域积极布局。

国产芯片相关人士分析认为，未来，头部企业将凭借技术、生态和资金优势，提供一站式的算力解决方案；在行业应用方面，AI芯片将深入到医疗、金融、交通、工业等各个垂直领域，针对不同行业的特点和需求进行定制化开发；同时，随着技术的不断进步和成本的降低，AI芯片将更加普惠。