高通、英偉達競逐AI市場 全球芯片進入多元競爭階段

AI技術正以前所未有的速度改變世界，科技巨頭們紛紛佈局AI領域，以差異化戰略搶佔市場先機。近日，高通與英偉達便相繼推出了各自的AI相關產品。其中，高通選擇以推理場景作為突破布局數據中心市場，通過技術創新實現成本與性能的平衡；英偉達則不滿足於硬件供應，而是通過構建全棧生態和跨領域佈局，爭搶其在AI基礎設施領域的主導地位。

據DC Market Insights數據，全球數據中心市場規模在2020年已達到2246.1623億美元，並預計在2025年飆升至3857.0629億美元，至2035年，將突破萬億美元大關。隨着AI模型應用的日益規模化，推理需求正成為推動市場結構變化的關鍵，ASIC等專用芯片或逐步侵蝕GPU的市場份額。

這一趨勢恰恰為高通、華為等提供了機會。然而，AI領域的比拼並不止於芯片，還有生態。在業內看來，英偉達憑藉其CUDA生態，仍在高端訓練市場佔據主導地位。不過，本土化需求與政策，勢必將加速國產芯片的自主化進程，致使全球AI芯片市場進入多元競爭的階段。

高通、英偉達加碼AI

全球AI數據中心市場正以驚人速度擴張。瞄準這一藍海，芯片巨頭高通與英偉達相繼推出重要產品。

近日，高通宣佈推出AI200和AI250兩款AI加速器芯片，這意味着這家移動芯片巨頭正式進軍數據中心市場。作為新入局者，高通採取了差異化競爭策略，專注於AI推理市場，並非直接挑戰英偉達在訓練領域的地位。

具體到產品設計上，高通表示，Qualcomm AI200定位為機架級AI推理解決方案，重點面向大語言模型及多模態模型推理場景，強調在總體擁有成本與性能之間的優化平衡。該芯片單卡支持高達768GB的LPDDR內存，在擴展性與成本控制上具備明顯優勢。而AI250則引入近存計算（Near-Memory Computing）架構，可實現超過10倍的有效內存帶寬提升。

值得關注的是，未來，高通在人工智能芯片領域的更新趨於常態化。對於人工智能芯片在高通的定位和未來計劃，高通方面告訴筆者，Qualcomm AI200與AI250預計將分別於2026年和2027年實現商用。這些產品是高通多代數據中心AI推理技術路線圖的一部分，並將以年度為迭代周期。

高通的這一動作並非偶然。隨着全球智能手機市場增長放緩，高通正在尋求業務結構的多元化，拓展數據中心AI業務成為其關鍵的轉型路徑。2024財年財報顯示，高通總營收為389.6億美元，其中手機芯片業務貢獻248.63億美元，佔比達64%。

幾乎在同一時間，英偉達在GTC 2025大會上宣佈，美國四大雲端巨頭今年已採購360萬片Blackwell芯片，並預計到2028年數據中心資本支出將突破1萬億美元。同時，英偉達首次展示了Vera Rubin超級芯片。

公開報道顯示，這款芯片結合了兩個Rubin GPU和一個Vera CPU，通過NVLink C2C互連技術實現高達1.8TB/s的帶寬。

更重要的是，英偉達的戰略遠不止於硬件本身，其已將其定位從芯片供應商提升爲AI基礎設施的架構師，提出的「AI工廠」概念。這一概念將數據中心視為生產智能的系統，而不僅僅是計算任務的執行場所。

國產芯片相關人士分析認為，隨着AI模型逐漸成熟並大規模應用，使用模型進行推理的算力需求正在爆發式增長。高通推出的AI200和AI250芯片正是專注於這一場景，其設計目標不是訓練更強大的模型，而是更低成本、更低功耗地運行現有模型。支持768GB大內存、採用「近內存計算」 架構和液冷散熱，這對於大規模部署AI應用的企業極具吸引力

廠商側重點不同 芯片進入多元化競爭

隨着AI推理需求的爆發和6G時代的臨近，算力市場的競爭焦點正從單一的硬件性能，轉向對算力、網絡、應用完整鏈條的掌控能力。

目前，在全球AI芯片市場不同廠商基於技術積累與市場判斷，走出了差異化的發展路徑。這其中，不管從技術角度看，還是從生態角度看，短期內英偉達的地位仍難以撼動。

國產芯片相關人士告訴筆者，英偉達的核心競爭力集中在雲端訓練與高端推理市場。特別是近20年佈局的CUDA生態讓英偉達構建了從芯片硬件到軟件工具、從開發框架到行業應用的全棧體系，這種生態壁壘讓其在超大規模模型訓練、國家AI設施建設等高端場景中幾乎難以找到對手。

尤為關鍵的是，就在發佈Vera Rubin芯片的同期，英偉達宣佈斥資10億美元入股諾基亞，併成為其第二大股東。根據雙方協議，諾基亞將在其無線接入網（RAN）產品中引入基於英偉達技術的商用級AI - RAN（人工智能無線接入網）產品。這意味着英偉達的加速計算能力將直接嵌入全球數百萬個基站，為5G - A和未來的6G網絡提供原生AI支持。

事實上，對於國內市場而言，受英偉達出口管制政策影響，國產廠商迎來了難得的戰略機遇期。國產廠商在政策扶持與市場需求的雙重驅動下，正加大研發投入，加速技術迭代，力求在AI芯片領域實現自主可控與彎道超車。

目前，在國內市場對自主可控AI芯片的需求持續攀升。根據IDC發佈的《中國半年度加速計算市場（2024下半年）跟蹤》報告，2024年中國加速芯片市場出貨量超過270萬張，其中GPU卡佔據70%市場份額，國產AI芯片出貨量達82萬張，佔比30%。

從技術路線上來看，國產廠商多采用通用、專用並行策略。其中，華為昇騰芯片兼顧訓練與推理，依託鯤鵬生態和國內政企客户資源快速落地；海光基於x86生態，在兼容性與穩定性方面具備優勢，能夠滿足部分對生態依賴較強的用户需求；寒武紀專注推理芯片，在智能駕駛、邊緣計算等場景形成優勢，通過深度優化算法與硬件架構，實現了高效的推理性能；壁仞科技則聚焦高端通用算力，試圖在雲端市場實現突破。

值得注意的是，隨着AI技術的普及，算力市場正呈現出訓練與推理工作負載分離的趨勢，且推理需求的爆發使得專用芯片的優勢日益凸顯，這一趨勢為專注於推理優化的公司創造了機會。

高盛最新研報預測，2025 - 2027年間，ASIC芯片在AI芯片中的佔比將從38%提升至45%，而GPU芯片佔比將從62%降至55%。這一變化背后的邏輯在於，隨着AI模型逐漸成熟，模型訓練的頻率相對降低，而基於現有模型進行推理的應用場景卻大幅增加。專用芯片針對特定推理任務進行優化設計，能夠在性能、功耗和成本之間實現更好的平衡，從而滿足市場對高效推理解決方案的迫切需求。

目前，包括谷歌的TPU系列、亞馬遜的Trainium系列、華為的昇騰系列、阿里的PPU系列、百度的崑崙芯系列都在這一領域積極佈局。

國產芯片相關人士分析認為，未來，頭部企業將憑藉技術、生態和資金優勢，提供一站式的算力解決方案；在行業應用方面，AI芯片將深入到醫療、金融、交通、工業等各個垂直領域，針對不同行業的特點和需求進行定製化開發；同時，隨着技術的不斷進步和成本的降低，AI芯片將更加普惠。