輝達 (NVDA-US) 最新財報再度超出市場所有預期，憑藉在人工智慧運算領域占據主導地位的圖形處理器（GPU），其獲利與銷售表現「爆表」式成長。然而，隨著 AI 應用多樣化，市場競爭正快速擴大，更多科技巨頭開始打造自家專用人工智慧晶片，降低對輝達的依賴。

此類晶片以客製化 ASIC（專用積體電路）為主，包括 Google(GOOGL-US) 的 TPU、亞馬遜 (AMZN-US) AWS 的 Trainium，以及 OpenAI 與博通(AVGO-US) 合作、預計 2026 年投入生產的 AI 晶片。Futurum Group 的 Daniel Newman 甚至預測，未來幾年 ASIC 的成長速度將比 GPU 市場更快。

ASIC 藉由將單一任務的運算結構直接寫入矽片，可在推論與特定 AI 演算法上展現極高效率，儘管靈活度不及 GPU，但在雲端客戶擁有足夠規模前提下，長期成本效益更好。

AI 晶片市場同時也有 FPGA（可程式化邏輯晶片）這類可依需求重新設定的產品，雖然效能與能耗比不如 ASIC，但具備更高彈性，可用於網路、訊號處理及 AI 推論等多種場景。

此外，另有一類專為裝置端打造的 AI 晶片，讓 AI 不必回傳雲端便能在手機、PC、車載系統甚至家電中本地執行。蘋果 (AAPL-US) 在 M 系列與 iPhone A 系列晶片中加入神經引擎；高通 (QCOM-US)、三星、英特爾(INTC-US) 與 AMD (AMD-US) 也在筆電與 Android 裝置中大量搭載 NPU，以降低延遲並提升隱私性。

輝達與 AMD 的 GPU 仍是雲端數據中心的主力運算平台。輝達依靠 CUDA 軟體生態系，將 GPU 打造成 AI 訓練與推論的標準設備。大型雲端提供者如亞馬遜、微軟 (MSFT-US)、Google、甲骨文 (ORCL-US) 及 CoreWeave 都向輝達與 AMD 採購 GPU，再租用給 AI 開發者。Anthropic 與輝達、微軟合作的 300 億美元協議包括 1 GW 的輝達 GPU 算力，而 OpenAI 近期也向輝達採購至少 400 萬顆 GPU。國際政府也在大量採購，包括南韓、沙烏地阿拉伯與英國。

同時，各大科技公司持續擴展自研晶片能力。Google 自 2015 年推出第一代 TPU 起，至 2024 年已邁入第七代，Anthropic 計畫使用最多 100 萬顆 TPU 訓練 Claude 模型。AWS 則自 2018 年起推出 Inferentia，再於 2022 年發布 Trainium，Trainium 的架構師表示其產品在 AWS 上能提供比其他硬體高 30% 至 40% 的性價比。AWS 目前已在印第安納最大 AI 數據中心以 50 萬顆 Trainium2 執行 Anthropic 的訓練，但其他數據中心依然配備大量輝達 GPU 以因應需求。

Meta(META-US)、微軟、特斯拉 (TSLA-US) 及多家新創（Cerebras、Groq）也投入客製化 AI 晶片市場。中國方面，華為、字節跳動與阿里巴巴也在研發自家 ASIC，但受到先進設備與高效能晶片出口管制限制。

在硬體製造端，所有這些晶片，無論是 GPU、ASIC、FPGA 或 NPU，幾乎都依賴台積電代工生產。

台積電在亞利桑那的新廠正逐步量產，蘋果計畫在當地生產部分晶片，輝達執行長黃仁勳亦在 10 月宣布 Blackwell GPU 已在亞利桑那全面量產。

儘管 AI 晶片市場朝多元化快速演進，各大企業都在降低對輝達 GPU 的依賴，但專家普遍認為短期內輝達難以被撼動。輝達以 CUDA 生態系累積多年軟體與開發者領先優勢，完整的工具鏈與支援能力形成強大護城河。

Newman 認為，輝達今日的主導地位不是偶然，而是多年累積的成果，「他們贏得了開發者生態系，這是最難被複製的部分。」