是什麼

自研 AI 晶片是大型雲廠商為自身工作負載定製的 AI 加速器，多采用專用積體電路(ASIC)路線 —— 針對特定的訓練 / 推理演算法做硬體最佳化，而非輝達 GPU 那樣的通用平行計算。代表產品包括谷歌的 TPU(Tensor Processing Unit)、亞馬遜的 Trainium / Inferentia、微軟的 Maia，以及 Meta 的 MTIA 等。設計上常由博通(Broadcom)、Marvell 等公司協助，雲廠出規格、ASIC 廠做實現。

主要玩家

  • 谷歌 TPU：起步最早、迭代最多代，既自用（訓練 Gemini）也通過雲對外租用。
  • 亞馬遜 Trainium / Inferentia：面向 AWS 客戶的訓練與推理晶片，Anthropic 等是重要使用者。
  • 微軟 Maia：為 Azure 與自身 AI 服務定製。
  • 博通 / Marvell：為雲廠提供定製 ASIC 設計與高速互連，是這條「去輝達化」戰線的關鍵供給方。

為什麼重要

自研晶片是輝達通用 GPU 護城河面對的主要競爭變數。雲廠自研的動機是降低對單一供應商的依賴、壓低單位算力成本、並針對自家模型做軟硬協同。但 ASIC 的靈活性弱於 GPU、且受制於輝達 CUDA 軟體生態的遷移成本，二者長期更多是並存而非簡單替代。自研進展會影響市場對輝達份額與定價權的預期 —— 本詞條只陳述事實，不構成任何買賣建議。

在 AI 產業鏈中，自研 AI 晶片與輝達 GPU 同處晶片層，是該層內部的競爭維度。