文．洪寶山

要取代輝達的 AI 晶片有多難？主要卡在軟體生態綁定、硬體效能領先、資料中心基礎設施投資與產業鏈深度合作。輝達目前在 AI 晶片市場的市占率高達 70%~95%，幾乎壟斷了 AI 訓練與推理的硬體供應。CUDA 軟體平台是 AI 開發的事實標準，開發者、企業的模型與工具都深度綁定輝達 GPU 與其軟體生態。遷移到其他平台需重寫大量程式碼，造成極高的轉換成本。

輝達 AI 晶片仍領先群雄

輝達的 AI 晶片在效能、能耗、穩定性、軟硬體整合等方面，仍優於其他競爭對手。即使華為、AMD、Intel 等積極追趕，仍難以全面取代。亞馬遜、Google、Meta 等雲端巨頭雖自研 AI 晶片，但在軟體相容性、效能與用戶採用率上仍落後輝達。即使是中國市場，華為等本土方案也面臨效能、軟體堆疊與生態不足等問題。

目前全球大型資料中心與雲端運算平台，建置架構多以輝達 GPU 為核心，轉換平台需大規模改造基礎設施，成本極高。輝達與主要客戶 (如微軟、Google、亞馬遜、Meta) 有長期合作與技術綁定，即使這些客戶自研晶片，也難在短時間內完全脫離輝達。

AMD、Intel、Broadcom 等公司積極推出 AI 加速器與 ASIC 方案，雲端巨頭也在自研晶片，但目前大多僅能在特定應用或推理場景中局部替代。AMD、Intel 等正參與推動開放軟體生態，試圖打破 CUDA 壟斷，但短期內難以撼動輝達地位。

ASIC 開發高階晶片所費不貲

近期投資人對 ASIC 族群偏好提升，主因是 ASIC 在推論端具備更低成本與高效能優勢，尤其適合大規模、特定應用場景 (如 AI 推理、影像識別、自動駕駛等)，隨著 AI 算力需求從訓練轉向推理階段，資料中心與雲端服務商紛紛投入自研 ASIC，以降低對 GPU 的依賴，追求更低 TCO(總擁有成本) 與更高差異化，CSP 為了控制成本、提升效能與強化自主性，積極布局 ASIC，帶動相關供應鏈 IC 設計 (如博通、世芯)、高階 PCB(如金像電)、晶圓代工(台積電)、封裝測試(日月光投控) 等的結構性成長。

ASIC 的投資邏輯之一是成本與效能，目前 ASIC 主要由資本雄厚的雲端巨頭主導，中小型企業難以切入高階市場，ASIC 開發需投入大量資本與人力，設計失敗或需求變化將帶來較大損失，進入五奈米以下先進製程，若自研晶片失敗，損失的金額極為龐大，主要包括設計、開發、流片 (tapeout) 及驗證等費用。

五奈米製程晶片的設計與開發成本約為 4.16 億美元 (約新台幣 130 億元)。單次五奈米流片成本約為 4,000 萬至 5,000 萬美元 (約新台幣 12-16 億元)。三奈米晶片的設計和開發成本約為 6.5 億至 10 億美元 (約新台幣 210 至 320 億元)，三奈米製程的單次流片成本約一億美元 (約新台幣 32 億元)。二奈米晶片的設計與驗證等前期投入約需 7.25 億美元 (約新台幣 230 億元)，其中，僅軟體開發就佔約 3.14 億美元，驗證約 1.54 億美元。二奈米製程的單次流片成本高達一億美元 (約新台幣 32 億元)，還未包括可能的機會成本、產品上市延遲及市場損失。

ASIC 設計公司股價增溫

隨著製程技術推進，失敗代價將持續攀升，僅少數資本雄厚、技術領先的企業能承擔如此高風險，輝達開放 NVLink Fusion，允許第三方 ASIC、CPU 與輝達 GPU 高速互連，讓 ASIC 設計公司 (如聯發科、世芯、Marvell 等) 能夠更容易將自家客製化 AI 晶片納入資料中心，與輝達產品協同運作，這將加速資料中心架構的創新，推動 AI 工廠與新型 AI 服務的快速發展，雖然有利於專案數量大增，但 ASIC 開發失敗率高達九成，僅有少數專案能成功商業化，所以能切入 CSP 的 ASIC 公司更具備投資價值。

來源：《理財周刊》1297 期
更多精彩內容請至 《理財周刊》