據 SemiAnalysis 分析，NVIDIA 在 GTC 2026 公佈 Rubin Ultra 僅約三個月後，便因製造與量產執行風險，取消了原計劃的 4-die 版本，轉向規模更小的 2-die 方案。新版晶片規模約為原方案的一半，實際效能也可能接近減半。這一調整並非簡單的產品降級，而是暴露了先進 AI 芯片面臨的新瓶頸：競爭已從“誰能設計出更強的 GPU”升級到晶片、HBM、先進封裝、互聯、供電、散熱和機架系統能否按時、大規模量產的綜合較量。

與此同時，Google TPU、AWS Trainium 和 AMD 正在擴大市場份額。值得關注的是，Claude 已將部分推理負載部署在 Trainium、訓練部署在 TPU，顯示大型 AI 工作負載正在逐漸擺脫對 NVIDIA GPU 的單一路徑依賴。定製 ASIC 的滲透正在侵蝕 CUDA 的護城河，儘管其尚未消失，但覆蓋範圍正在收窄。

Rubin Ultra 的調整真正值得關注的不是一次產品降級，而是 NVIDIA 能否繼續維持過去極強的產品迭代和量產執行能力。隨著 TPU、Trainium 等定製 ASIC 加速滲透，AI 算力市場正從 NVIDIA 高度主導走向更多元化的格局，這對產業鏈上下游的競爭態勢和投資邏輯都將產生深遠影響。