芯片巨頭，集體改命

本文來自格隆匯專欄：半導體行業觀察，作者：邵逸琦

2025年，AI浪潮持續席捲全球，算力成爲了新時代的石油，而圍繞算力的爭奪，也正改寫着整個半導體版圖。

其中，英偉達憑藉GPU在AI訓練領域幾乎一騎絕塵，佔據超過九成市場份額，其市值突破4.5萬億美元，成爲了半導體行業新的領導者。

但英偉達的地位並非牢不可破，AMD、博通、英特爾等廠商虎視眈眈，都想要從英偉達這里虎口奪勢，AI芯片行業迎來了全新的一超多強格局。英偉達高築軟件與生態的護城河，幾乎壟斷了AI訓練的上游體系；而其他芯片巨頭與雲廠商，則在悄然尋找新的突破口。

AISC和Arm，似乎成爲了它們的目標。

英特爾

這兩年，英特爾的日子過得並不算好。

多年來，這位「藍色巨人」一直難以跟上臺積電等競爭對手的芯片製造能力，其在AI市場上更是缺乏競爭力的產品線。作為對比，英偉達的AI芯片大賣特賣，AMD也有自己的AI芯片組合，而英特爾的下一個「重磅炸彈」Jaguar Shores還要等到2027年首次亮相，其在AI上的落后早已暴露無遺。

身處困境的英特爾，選擇走一條差異化的道路。

據報道，英特爾最近成立了中央工程集團（CEG），將公司內所有工程人才整合到一個部門，由前Cadence Systems高管斯里尼·艾揚格領導。這位在2024年7月從Cadence加入的高管，在推動定製芯片商業模式方面有着深厚的經驗，他在Cadence專注於IP業務、設計工具、設計生態系統合作伙伴關係以及定製芯片的垂直市場。他的經驗和市場人脈被認為能夠加速英特爾利用"ASIC熱潮"的能力。

英特爾首席執行官陳立武在第三季度財報電話會議上明確表示，CEG集團將帶頭拓展新的ASIC和設計服務業務，為廣泛的外部客户提供專用芯片。「這不僅將擴展我們核心x86 IP的覆蓋範圍，還將利用我們的設計優勢，提供從通用到固定功能計算的一系列解決方案。」這番話揭示了英特爾的戰略雄心——從純粹的芯片製造商轉型為提供「設計+製造+封裝」的一站式服務商。

英特爾在ASIC領域的最大競爭優勢在於其完整的產業鏈。作為老牌IDM企業，英特爾擁有芯片專業知識、x86 IP以及提供製造服務的內部代工廠，尋求定製AI芯片的客户可以獲得滿足所有需求的「一站式」服務。這是市場上任何其他ASIC設計公司都無法提供的優勢，即使是博通和Marvell也難以企及，更重要的是，憑藉CEG集團，英特爾實現了集中式的橫向工程，這意味着將設計服務與製造+封裝連接起來的開銷大幅降低。

報道指出，英特爾的ASIC業務可能會將該公司的代工廠變成一個成功的服務提供商，使其成為大型科技公司的一個引人注目的選擇。在人工智能供應鏈的中間有很多機會，比如從量產製造利潤中獲得的收入，甚至是ASIC設計費。如果執行到位，定製芯片業務可能會成為英特爾的下一個主力軍，因為它將賦予英特爾系統代工廠的地位，負責供應鏈的每個環節。

然而，英特爾面臨的挑戰同樣巨大。英偉達最近宣佈斥資50億美元收購英特爾約4%的股份，兩家公司將共同開發「多代定製數據中心和PC產品」。這一合作為英特爾帶來了機遇，但也帶來了複雜的競合關係。數據中心芯片將是英特爾根據英偉達的規格定製的x86芯片，英偉達將「將這些CPU集成到其AI基礎設施平臺中，並推向市場」。在消費級市場，英特爾計劃打造集成英特爾CPU和Nvidia RTX GPU芯片組的x86 SoC，這意味着英特爾可能會在未來產品中使用英偉達設計的圖形芯片，而不是自家的Arc GPU。

這帶來了一系列懸而未決的問題。英特爾幾十年來一直在開發自己的圖形產品，最近推出的Arc品牌專用顯卡和集成GPU對Nvidia的一些低端產品構成了直接挑戰。英特爾告訴媒體，該公司「將繼續提供GPU產品」，但這可能意味着英特爾將專注於低端、低功耗的GPU，而將高端產品留給英偉達。在軟件方面，英特爾一直在推廣其自有的oneAPI圖形計算堆棧，以替代Nvidia的CUDA和AMD的ROCm，但未來這個平臺的命運也充滿不確定性。

更關鍵的問題是製造，英偉達採用英特爾的18A製程或英特爾路線圖上的其他製程來生產部分芯片的概率其實並不高。英特爾一直在努力尋找大客户，但黃仁勛在回答相關問題時對臺積電大加讚賞，表示「臺積電的能力，從工藝技術、執行節奏、產能和基礎設施的規模，到業務運營的敏捷性……所有這些魔力匯聚在一起，成就了一家世界級的代工廠，能夠支持客户如此多樣化的需求。臺積電的魔力真是無以言表。」這暗示英偉達短期內不太可能大規模轉向英特爾代工。

對於英特爾而言，轉向ASIC設計服務是在困境中尋找新的增長曲線的必然選擇。在人工智能炒作中錯失良機的英特爾，希望通過提供完整的設計和製造服務，在AI芯片市場中找到自己的位置。但這絕非易事，尤其是在人工智能市場競爭激烈以及像博通這樣的ASIC設計公司不斷發展的情況下。英特爾能否抓住這一機遇，將決定這家曾經的芯片霸主能否在AI時代重新崛起。

高通

相較於有些無奈的英特爾，高通的選擇頗有些激進。

這家迄今為止一直專注於無線連接和移動設備半導體的公司，正在大舉進軍大型數據中心市場，直接挑戰英偉達和AMD在AI推理領域的地位。近日，高通宣佈將發佈新的人工智能加速器芯片AI200和AI250，消息傳出后，高通股票飆升11%，市場對這一轉型給予了高度認可。

據報道，高通將於2026年上市銷售的AI200和計劃於2027年上市的AI250均可裝入裝滿液冷服務器機架的系統中，這標誌着高通進入數據中心領域，成為技術領域增長最快市場的新競爭者。據麥肯錫估計，到2030年，數據中心的資本支出將接近6.7萬億美元，其中大部分將用於基於人工智能芯片的系統。

報道指出，高通數據中心芯片基於高通智能手機芯片中的人工智能部件，稱為Hexagon神經處理單元（NPU）。近年來，該公司一直在逐步改進其Hexagon NPU，因此這些處理器的最新版本已經配備了標量、矢量和張量加速器（採用12+8+1配置），支持INT2、INT4、INT8、INT16、FP8、FP16等數據格式，以及用於減少內存流量的微塊推理、64位內存尋址、虛擬化和用於額外安全性的Gen AI模型加密。對於高通來説，將Hexagon擴展到數據中心工作負載是一個自然的選擇。

高通數據中心和邊緣計算總經理杜爾加·馬拉迪在與記者的電話會議上表示：「我們首先想在其他領域證明自己，一旦我們在那里建立了實力，我們就很容易在數據中心層面更上一層樓。」這句話透露了高通的戰略邏輯——從移動端的AI能力積累，向數據中心市場延伸。

據瞭解，高通的AI200機架級解決方案配備768GB LPDDR內存，對於推理加速器而言，這已是相當可觀的內存容量，高於英偉達和AMD的產品。該系統將使用PCIe互連實現縱向擴展，並使用以太網實現橫向擴展。該系統將採用直接液冷，每機架功率高達160kW，這對於推理解決方案而言也是前所未有的功耗。此外，該系統還將支持企業部署的機密計算。該解決方案將於2026年上市。

2027年推出的AI250將會保留這一架構，但增加了近內存計算架構，有效內存帶寬提升了10倍以上。此外，該系統將支持分解推理功能，使計算和內存資源能夠在不同卡之間動態共享。高通將其定位為一款更高效、高帶寬的解決方案，針對大型Transformer模型進行了優化，同時保留了與AI200相同的散熱、散熱、安全性和可擴展性特性。

高通明確表示，其芯片專注於推理或運行人工智能模型，而不是訓練。這是一個明智的差異化策略，避開了英偉達最強勢的訓練市場。OpenAI等實驗室通過處理TB級數據來創造新的人工智能能力，這需要強大的訓練芯片，而高通選擇專注於已訓練模型的運行和部署，這是一個同樣龐大但競爭相對較小的市場。

高通表示，其機架式系統最終將降低雲服務提供商等客户的運營成本，並且一個機架的功耗為160千瓦，與某些Nvidia GPU機架的高功耗相當，但在推理場景中能提供更好的性能功耗比。高通還在功耗、擁有成本以及內存處理的新方法方面強調其優於其他加速器的優勢。

馬拉迪強調，高通還將單獨出售其AI芯片和其他部件，尤其是針對那些喜歡自行設計機架的超大規模數據中心客户。他表示，其他AI芯片公司，例如英偉達或AMD，甚至可能成為高通部分數據中心部件的客户。「我們試圖確保我們的客户能夠選擇全部購買，或者説‘我要混合搭配’。」這種靈活的商業模式為高通打開了更多市場空間。

而高通的市場驗證已然開始。2024年5月，高通宣佈與沙特阿拉伯的Humain公司合作，為該地區的數據中心提供AI推理芯片。Humain將成為高通的客户，並承諾部署最多可使用200兆瓦電力的系統。

除了構建硬件平臺，高通還在構建一個針對大規模推理優化的超大規模級端到端軟件平臺。該平臺將支持主要的機器學習和生成式人工智能工具集，包括PyTorch、ONNX、vLLM、LangChain和CrewAI，同時實現無縫模型部署。該軟件堆棧將支持分解式服務、機密計算以及預訓練模型的一鍵式加載，以簡化部署。

馬拉迪表示：「我們豐富的軟件棧和開放的生態系統支持，使開發者和企業能夠比以往更輕松地在我們優化的AI推理解決方案上集成、管理和擴展已訓練好的AI模型。Qualcomm AI200和AI250無縫兼容領先的AI框架，並支持一鍵式模型部署，旨在實現無縫應用和快速創新。」

高通轉向數據中心AI推理市場的原因是多方面的。首先，該行業一直由英偉達主導，其GPU迄今佔據了超過90%的市場份額，但像OpenAI這樣的公司一直在尋找替代方案。谷歌、亞馬遜和微軟也在為其雲服務開發自己的AI加速器，這為新進入者創造了機會。其次，推理市場的規模正在快速增長，隨着越來越多的AI模型部署到生產環境中，推理需求將遠超訓練需求。第三，高通在移動端積累的Hexagon NPU技術為其進軍數據中心提供了技術基礎，這是一種從邊緣到雲端的自然延伸。

高通發佈全新的AI芯片，本質上是傳統的市場邊界正在模糊，移動芯片廠商可以進軍數據中心，而數據中心芯片廠商也在向邊緣設備延伸，形成了你中有我，我中有你的新的市場競爭格局。

聯發科

無獨有偶，同樣是移動芯片廠商的聯發科也在進軍AI。這家傳統的手機芯片廠商正在成為雲端ASIC設計服務的重要玩家，與博通這樣的ASIC市場領導者展開直面競爭，並且已經拿下了谷歌、Meta等科技巨頭的訂單。

早在去年，聯發科就宣佈與英偉達的達成合作，而在今年的英偉達GTC大會上，聯發科介紹了其Premium ASIC設計服務，顯示聯發科與英偉達的合作擴展至IP領域，更彈性的商業模式，能提供各式客製化芯片/HBM4E等，並具有豐富的Cell Library，以及先進製程、先進封裝經驗，提供定製化芯片完整解決方案。

聯發科的核心競爭力在於其SerDes技術。聯發科指出，其SerDes技術為ASIC核心優勢，涵蓋芯片互連、高速I/O、先進封裝與內存整合。其中，112Gb/s DSP（數位信號處理器）基於PAM-4接收器，於4奈米FinFET製程打造，實現超過52dB損耗補償，意謂更低信號衰減、更強捍之抗干擾特性。該技術不僅適用於以太網路、光纖長距傳輸，現在聯發科更推出專為數據中心使用的224G Serdes，並已經完成硅驗證。

近日，聯發科也正式宣佈與英偉達合作設計GB10 Grace Blackwell超級芯片，該芯片將為新推出的NVIDIA DGX Spark提供動力。DGX Spark是一款個人AI超級計算機，旨在幫助開發者在桌面上構建原型、進行微調和推斷大型AI模型。

據瞭解，GB10 Grace Blackwell超級芯片由最新一代Blackwell GPU與Grace 20核Arm CPU組合而成，運用了聯發科在設計節能、高性能CPU、內存子系統和高速接口方面的專業知識。該配置提供128GB統一內存，並提供高達1 PFLOP的AI性能，以加速模型調優和實時推理。這使得開發人員能夠在本地處理高達2000億個參數的大型AI模型。此外，該系統內置ConnectX-7網絡技術，可將兩個DGX Spark系統連接在一起，從而對高達4050億個參數的模型進行推理。DGX Spark的節能性能足以使用標準電源插座，其緊湊的設計使其能夠輕松放置在桌面上。

而除了與英偉達的合作，聯發科也在效仿博通和Marvell爭取在雲服務提供商的市場。根據調研機構指出，部分CSP已在評價英偉達及聯發科之IP組合的定製化設計芯片。儘管谷歌TPU（張量處理器）進度稍微遞延，第七代TPU預計會在明年第三季投入量產，但採用3nm打造仍有望為聯發科增加超過20億美元的貢獻。供應鏈也透露，谷歌進階到第八代的TPU，將會開始採用臺積電2nm製程，持續在先進製程領域維持領先地位。

聯發科的另一個重大突破來自Meta。聯發科和博通繼續爭奪Meta的新專用集成電路（ASIC）項目，業內人士強調，兩家公司的表現相當。然而，最近的報道表明，聯發科即將獲得Meta即將推出的一款2nm工藝ASIC的大額訂單，該芯片代號為「Arke」，專注於后訓練和推理功能，可能在2027年上半年實現量產。

據IC設計公司透露，聯發科在此次產品競賽中勝出，將是其獲得的第二筆重要的雲服務提供商（CSP）客户訂單。熟悉ASIC領域的業內人士指出，Arke原本並不在Meta的初始計劃中。在Iris芯片計劃於2025年底量產后，Meta曾計劃推出另一款採用N2P工藝的ASIC，名為Olympus。然而，考慮到實際需求和成本效益，Meta在產品發佈計劃中途推出了一款專用於推理的芯片Arke。因此，Olympus將重新定位為一款專為訓練而設計的ASIC，以與Nvidia未來的GPU競爭，其發佈時間將推迟到2028年。

Meta之前的產品，主要由ASIC市場領導者博通開發。不過，聯發科與Meta之間已有合作關係。例如，Meta早期自主研發的智能眼鏡芯片就是與聯發科合作開發的，這在ASIC領域奠定了堅實的基礎。因此，聯發科可能獲得Meta對新款Arke產品的青睞，並不完全出乎意料。

業內人士表示，在與谷歌關係穩定后，聯發科需要擴大合作範圍，以在雲端ASIC市場建立更大的影響力。近期，市場觀察到CSP巨頭的ASIC設計策略和規劃發生了變化。儘管雲端AI的使用量依然巨大且供應緊張，但CSP已調整其策略以提升成本效益。以前，技術合規性和集成能力是優先考慮的，而往往忽略了成本。如今，隨着對雲端AI市場實際動態和芯片設計細節的洞察越來越清晰，CSP也致力於開發更實用、更經濟的產品。在這樣的大環境下，聯發科的成本優勢正在逐漸顯現。

聯發科轉向ASIC的原因與其獨特的市場定位有關。作為一家中國臺灣芯片設計公司，聯發科在手機芯片市場面臨激烈競爭，利潤率受到擠壓。ASIC設計服務為聯發科提供了更高的利潤率和更穩定的客户關係。同時，聯發科在先進製程、高速接口、內存整合等方面的技術積累，使其能夠為雲服務提供商提供差異化的解決方案。更重要的是，聯發科通過與英偉達的合作，獲得了進入高端AI市場的入場券，這是其獨立發展難以實現的。

AMD

與其他廠商相比，AMD在ASIC領域的動作相對低調，但其正在開發的基於Arm架構的產品顯示出這家公司對未來市場的戰略思考。據一篇頗具深度的行業雜誌泄露的信息，AMD正在開發一款代號為「Sound Wave」的基於Arm的APU，並將於明年晚些時候發佈。

這篇題為《AMD正在開發基於Arm的APU，代號為Sound Wave》的短文被泄露，甚至還附上了部分海關申報單，顯示了包裹的尺寸。一段時間以來，一直有傳言稱AMD正在開發一款基於Arm的設備，但這篇最新泄露的文章透露了其大致規格，包括相當小的32mm x 27mm BGA封裝，包含六個CPU核心（兩個P核心+四個E核心）和一個RDNA架構GPU，這讓它看起來更加現實。目前，用於評估電氣特性的電路板正在發貨。

從小巧的封裝來看，該設備似乎瞄準移動應用，並將充分利用Arm架構的省電特性。與英特爾共享x86架構CPU市場的AMD在PC/服務器市場競爭激烈，但近年來，AMD一直與臺積電合作，按照其路線圖將基於Zen架構的高性能CPU推向市場，並穩步搶佔英特爾的市場份額。

首席執行官蘇姿豐長期以來一直奉行通過x86架構鞏固高端市場地位以確保更高利潤率的產品戰略，但現在似乎是時候將在移動領域市場份額不斷擴大的Arm架構融入到自己的CPU中了。為數據中心市場供應高性能CPU/GPU的AMD似乎意識到了邊緣設備上AI工作負載的未來增長領域。

AMD此前也曾開發過採用Arm架構的CPU，但那次開發最終只是Opteron品牌下名為「A1100」的一次性服務器CPU產品。AMD於2003年憑藉K8架構的Opteron品牌進軍服務器市場。之后，他們進一步升級流水線結構，並試圖以主打高主頻的Bulldozer核心架構鞏固其地位。然而，產品層面的實際性能並未提升，這一嘗試最終以失敗告終。結果，AMD在市場上長期缺乏足夠的產品來與英特爾競爭。

AMD重返服務器市場的時間被推迟到2017年，直到推出Zen架構產品。A1100 Arm架構服務器CPU是AMD在艱難時期經過反覆試驗后，開發出來的一款節能服務器處理器。當時，Arm架構尚未在服務器市場被接受，市場吸引力不大，但AMD推出了K12項目作為后繼架構。

K12項目旨在推出一個平臺，其解碼器兼容x86和Arm指令集，並且引腳兼容x86和Arm。當時，AMD將其稱為"雙架構計算"，甚至發佈了技術概述。但最終，K12項目在發佈之前就被取消了，原因是管理層決定優先開發Zen架構，以重新奪回x86市場的主導地位。現任AI處理器初創公司Tenstorrent首席執行官的Jim Keller當時負責AMD架構開發的工程工作，在一次回顧那段時光的採訪中，他表示：「那是一個嚴重的管理失誤。」

英偉達近期宣佈入股英特爾，並在x86市場展開合作，這固然是對兩家的公司的利好，但與此同時，紮根x86市場的AMD也有了新的危機感。

事實上AMD所處的環境自10年前以來發生了翻天覆地的變化，一方面，技術創新的主流已經從CPU轉向GPU，另一方面，隨着chiplet架構的發展，引腳兼容的概念已經過時，最重要的是，AMD現在擁有同時開發兩種不同架構的財力。

對於AMD而言，押注Arm似乎是面臨自身GPU短期難以直接與英偉達競爭情況下，相對最合理的選擇之一了。

巨頭轉向

為何巨頭紛紛「變心」？

事實上，隨着如今AI發展進入深水區，GPU賴以為傲的通用性反而成了成為束縛，隨着AI模型的參數量和部署規模呈指數級上升，給了ASIC與Arm登上舞臺的契機。

從底層邏輯看，巨頭之所以紛紛押注Arm與ASIC，是因為AI時代的算力需求已經從「通用計算」轉向「專用計算」。

GPU之所以在早期稱霸，是因為它為AI訓練提供了足夠的並行計算能力，能靈活應對不同模型的訓練需求；但在AI模型進入部署和推理階段后，能耗、延迟、成本成為新的關鍵約束，通用GPU龐大的架構反而帶來了冗余。ASIC恰恰通過「定製化計算路徑」實現了極致的能效比，在不犧牲性能的前提下，將每一顆晶體管都用於最關鍵的運算任務。

與此同時，Arm架構成為這一趨勢的自然延伸。其低功耗、高可擴展的特性，使其在AI推理、邊緣計算、智能終端中獲得青睞。無論是亞馬遜和微軟，還是谷歌和Meta，都在用事實證明：x86的霸權正在被削弱，而Arm的靈活授權模式與開放生態正成為AI基礎設施的新底座。

對傳統巨頭而言，轉向Arm和ASIC的戰略並非單純的「追風口」，而是一場突破瓶頸，力圖爭取更大市場的結構性轉型：

英特爾希望以ASIC定製服務為突破口，彌補AI芯片代工與設計的落差，藉助自身IDM模式打造設計+製造+封裝的系統型競爭力；

高通藉助移動端的Hexagon NPU積累，從邊緣AI向雲端推理延伸，意圖通過低功耗ASIC系統重塑數據中心能效結構；

聯發科依託高速SerDes與內存整合優勢，切入CSP的AI ASIC供應鏈，用高性能+高性價比贏得谷歌與Meta訂單；

AMD則以Arm架構探索新型APU，試圖在PC與低功耗AI場景建立差異化優勢，避免被英偉達與x86生態完全鎖死。

最后，更深層次的原因在於：AI芯片產業的價值重心正在「去中心化」。過去，芯片公司賣的是產品，而現在賣的是能力——算力、IP、設計服務、生態接口。定製化的ASIC與可授權的Arm架構，恰好構成了這種去中心化的底層載體，讓不同公司能夠在特定場景中重新定義競爭規則。

因此，當GPU的黃金時代進入瓶頸期，AI算力的競爭正悄然分流：一條通向「更通用、更昂貴」的高端GPU計算；另一條，則走向「更專用、更高效」的ASIC+Arm體系。

展望未來，AI基礎設施將愈來愈往專用芯片而非通用芯片靠攏，屆時誰能爭取更多的雲巨頭訂單，誰就有望在下一個半導體行業的十年里獨佔鰲頭。