自研 AI 芯片(ASIC)

是什么

自研 AI 芯片是大型云厂商为自身工作负载定制的 AI 加速器，多采用专用集成电路(ASIC)路线 —— 针对特定的训练 / 推理算法做硬件优化，而非英伟达 GPU 那样的通用并行计算。代表产品包括谷歌的 TPU(Tensor Processing Unit)、亚马逊的 Trainium / Inferentia、微软的 Maia，以及 Meta 的 MTIA 等。设计上常由博通(Broadcom)、Marvell 等公司协助，云厂出规格、ASIC 厂做实现。

主要玩家

• 谷歌 TPU：起步最早、迭代最多代，既自用（训练 Gemini）也通过云对外租用，当前主力为第七代「Ironwood」。
• 亚马逊 Trainium / Inferentia：面向 AWS 客户的训练与推理芯片，Anthropic 等是重要用户。
• 微软 Maia：为 Azure 与自身 AI 服务定制。
• 博通 / Marvell：为云厂提供定制 ASIC 设计与高速互连，是这条「去英伟达化」战线的关键供给方。

为什么重要

自研芯片是英伟达通用 GPU 护城河面对的主要竞争变量。云厂自研的动机是降低对单一供应商的依赖、压低单位算力成本、并针对自家模型做软硬协同。但 ASIC 的灵活性弱于 GPU、且受制于英伟达 CUDA 软件生态的迁移成本，二者长期更多是并存而非简单替代。自研进展会影响市场对英伟达份额与定价权的预期 —— 本词条只陈述事实，不构成任何买卖建议。

2026 年的最新进展

2026 年 8 月 31 日，谷歌云在官方博客披露，其第七代 TPU「Ironwood」（TPU v7x）在 Mistral 3 模型的推理优化中，吞吐量最高提升 48%、延迟表现较基线改善 1.5 倍，且精度无损——说明 ASIC 一侧的软硬协同仍在持续兑现。同一天，联发科宣布采用英伟达的 NVLink Fusion 平台，为超大规模云厂商、云服务商与前沿模型公司提供开发定制 XPU、并接入 NVLink 机柜级 AI 工厂的预验证路径，英伟达同时认购了联发科发行的 35 亿美元可转换债券。更早的 2026 年 3 月 31 日，Marvell 也以同样方式加入 NVLink Fusion，提供定制 XPU 与兼容的扩展网络，英伟达向其投资 20 亿美元。这构成了 2026 年的一个新格局：英伟达不再只是被定制 ASIC 从外部侵蚀份额，而是反过来把定制芯片接进自家机柜标准之内。

在 AI 产业链中，自研 AI 芯片与英伟达 GPU 同处芯片层，是该层内部的竞争维度。