每隔幾周，就有一家公司宣佈要挑戰輝達在AI晶片領域的霸主地位。但在這看似一致的宣戰口號背後，各家公司的真實意圖和戰略目標卻大相徑庭。理解這些差異，對於判斷AI算力市場的未來格局至關重要。

訓練與推理：主戰場截然不同

輝達最堅固的堡壘在於訓練市場——即從零開始構建AI模型所需的計算密集型過程。據Silicon Analysts綜合TrendForce、摩根士丹利及台積電產能資料的估算，2025年輝達在訓練市場的份額超過90%。而在推理市場（模型訓練完成後回答問題或生成影像的任務），其份額則介於60%至75%之間。這15到30個百分點的差距，正是大多數挑戰者激烈爭奪的領域。

AI晶片初創公司Groq專門為推理設計了其語言處理單元（LPU），優先保證快速、可預測的響應速度，而非訓練所需的靈活性。該公司自2016年成立以來便聚焦推理，定位為開發者提供唯一的定製化推理晶片。它爭奪的是模型部署後的工作負載，而非輝達的訓練合同。

谷歌的路徑也類似。其最新的張量處理單元（TPU）Ironwood被描述為首款專為推理設計的TPU。儘管谷歌仍在製造可處理訓練的TPU，但其戰略重心已明顯轉向輝達控制力較弱的推理領域。值得注意的是，谷歌並不單獨出售Ironwood晶片，使用者只能通過谷歌雲租賃算力，這使其被鎖定在谷歌的雲定價和基礎設施之內。

內部自用與公開市場：涇渭分明的商業模式

區分輝達挑戰者的一個最根本問題是：它們是在向他人銷售晶片，還是僅供內部使用？

OpenAI的目標是擺脫對輝達定價和產能排期的依賴，而非進入晶片銷售業務。2025年10月，OpenAI宣佈與博通合作，共同開發定製AI晶片，其規劃功耗高達10吉瓦，相當於10座大型核反應堆的發電量。這些晶片將部署在OpenAI自有設施及合作伙伴的資料中心，絕不對外銷售。

亞馬遜則最接近打造一個真正的公開市場替代者。其雲部門AWS已通過EC2雲服務向外部客戶提供自研的Trainium晶片。截至2025年3月，已有140萬顆Trainium晶片部署在三代產品中，其中AI公司Anthropic的Claude模型就執行在超過100萬顆Trainium2晶片上。亞馬遜還承諾向OpenAI提供2吉瓦的Trainium算力，使其晶片進入了行業最頂尖的兩家AI實驗室。

AMD則佔據了一個獨特生態位——它是唯一一家既向第三方銷售訓練和推理GPU，自身又不是雲平台的大型公司。其Instinct MI300系列已贏得包括微軟Azure、Meta、戴爾、HPE和聯想在內的客戶。CEO蘇姿豐表示，MI350系列將實現Instinct歷史上最大的代際效能飛躍。

CUDA：矽之外的護城河

即便挑戰者的硬體在紙面引數上匹敵甚至超越輝達，一道獨立的屏障依然存在。輝達自2006年推出的CUDA軟體生態系統，已積累了近二十年的庫、工具和開發者經驗。根據輝達2025年1月的年報，全球有超過590萬開發者使用CUDA及相關工具。

2024年12月SemiAnalysis的一項基準測試研究顯示，儘管AMD的MI300X市場宣傳效能更高，但在關鍵訓練基準測試中，其實際表現比輝達的H100和H200慢了14%。該機構總結稱，由於AMD軟體質量保證文化弱於預期且開箱即用體驗不佳，CUDA的護城河尚未被跨越。擊敗輝達的晶片是必要條件，但遠非充分條件。圍繞晶片的生態系統決定了客戶能否在不重建整個工作流程的情況下使用它。這正是亞馬遜大力投資支援PyTorch在其Neuron開發工具包上執行，以及AMD推出ROCm 7和免費開發者雲的原因。

大型雲廠商自研晶片並非要徹底拋棄輝達。它們的目標更多是降低特定工作負載的成本、減少對單一供應商的依賴，而非尋求對輝達在訓練、推理及公開市場上的全方位替代。這場競爭的光譜顯示，挑戰者們實際上在分割戰場，而非圍攻同一個堡壘。