须知，英伟达在高性能GPU（HPC和AI加速器领域）就在全球吃掉了接近450亿美元(yuan)的盘子，而ASIC市场2023年满打(da)满算也只(zhi)有200亿美元(yuan)，前者的高垄断性看起来暂时不用(yong)担心以博通，Marvell为(wei)代表(biao)定(ding)制(zhi)化芯(xin)片(pian)对其市场份额的侵蚀。

但你要说黄仁勋不着急(ji)那肯定(ding)是假的。AI大潮的推动下(xia)，比如TPU在Google Cloud上的应用(yong)，或者亚(ya)马逊AWS的Trainium/Inferentia让不少公司(si)在考虑ASIC方案(an)。2023年就有风(feng)传英伟达也想进入ASIC这个领域，为(wei)美国诸多CSP（云服务商）提供定(ding)制(zhi)化服务。

OpenAI也在“背刺(ci)”英伟达？

据路透社近日(ri)报道，OpenAI正在通过开发其首款自家(jia)人工(gong)智能芯(xin)片(pian)，以减(jian)少其对英伟达芯(xin)片(pian)的需求。路透社还声称称OpenAI将在近几个月内确定(ding)其芯(xin)片(pian)的最终设计，并将方案(an)交由台(tai)积(ji)电进行流片(pian)测试。

多年以来，OpenAI一直是英伟达的大主顾之一。他们考虑非(fei)通用(yong)性GPU方案(an)，无(wu)异(yi)于是对英伟达的一种背刺(ci)。

OpenAI 的训练和推理任务高度依赖英伟达的高性能 GPU（如 A100、H100）。OpenAI在2020年的论文中(zhong)曾提到，GPT-3的训练使用(yong)了约1万块V100 GPU。不过，OpenAI并未公开披露(lu)其从英伟达采购的GPU具体数(shu)量，这类信息通常被视为(wei)商业机密或涉及合作(zuo)伙伴协议，因此外(wai)界难以获(huo)得准确数(shu)据。

除了采购GPU，他们之间的合作(zuo)模式还有两点需要指出：OpenAI 深度依赖英伟达的CUDA 并行计算平台(tai)和cuDNN加速库，以最大化GPU在深度学习任务中(zhong)的性能；英伟达OpenAI还有间接合作(zuo)，通过合作(zuo)伙伴（如微软Azure、亚(ya)马逊AWS）为(wei) OpenAI 提供云GPU资源，支持其弹性计算需求。

英伟达首个DGX H200给到OpenAI

OpenAI在思考用(yong)更专用(yong)硬件ASIC的可能，步微软Maia AI芯(xin)片(pian)和谷歌TPU的后尘，主要也是苦(ku)英伟达久矣。

英伟达通用(yong)高端GPU不仅价格昂贵，而且功耗极高，且有很强的定(ding)价权，损伤了OpenAI的“自尊心”和财务毛利率，而且某(mou)种程度上削弱了其振臂一呼搞“星际之门”的话语权和领导权。

OpenAI敢迈出这一步，也是看到了商用(yong)实地落地的可能性——踩着谷歌TPU的辕辐前进。

TPU是谷歌专门为(wei)机器学习（尤其是神(shen)经网络训练和推理）而设计的ASIC，从硬件到软件全栈优(you)化，避(bi)免了GPU的通用(yong)计算冗余。

谷歌单芯(xin)片(pian)TPU v4的FP16性能约275 TFLOPS，而英伟达H100的FP16算力为(wei)400 TFLOPS，看起来差距巨(ju)大，但 TPU v4可以用(yong)“打(da)群架”的方式避(bi)免单打(da)独斗的劣势(shi)，而且，TPU的专用(yong)推理硬件在低延(yan)迟场景中(zhong)表(biao)现(xian)更优(you)。

虽(sui)然英伟达高端GPU也需要HBM，但TPU采用(yong)的HBM高带宽内存与计算单元(yuan)紧密耦合，减(jian)少数(shu)据搬运开销，英伟达GPU需通过显存管理优(you)化才能避(bi)免瓶颈。

另外(wai)还有很重要的一点， 就呼应到了本文开头的话题：成本。

在谷歌云平台(tai)，TPU的按需计费成本可能低于同等算力的GPU实例，尤其对长期训练任务或批量推理更具性价比。TPU作(zuo)为(wei)托管服务，用(yong)户无(wu)需关(guan)注(zhu)底层硬件运维，而自建GPU集群需投入更多运维资源。

这一切，加速了OpenAI与英伟达软脱钩的念想，双方有了某(mou)种程度上的离心力。

尽管如此，采用(yong)ASIC方案(an)的局限性依然十(shi)分明显，TPU绑定(ding)了特定(ding)框架（TensorFlow/JAX），而GPU支持更广泛的开源工(gong)具和私有化部(bu)署，而且，ASIC一旦流片(pian)无(wu)法修改，而GPU可通过架构升级和软件优(you)化适应新需求。

英伟达GPU的“专用(yong)特性”

黄仁勋在业界以危机感嗅觉著称，他的名言“要时刻为(wei)企业一个月内破产做好准备”享誉全球，他不断督促自己洞察一切可能的挑战和危机。

ASIC的冲击，他也洞若观火。

在最近这两代（Grace Hopper和Blackwell）的AI加速器中(zhong)，他其实已经用(yong)了“通用(yong)+专用(yong)”的混(hun)合架构。他明白，AI训练/推理、科学计算等场景对算力需求爆炸式增长，通用(yong)架构难以满足能效和性能要求。专用(yong)硬件可显著降低大模型训练成本（如Blackwell的FP4/FP6支持稀疏计算）。

国内某(mou)知名GPU图形渲染供应商市场主管告诉心智观察所，通用(yong)芯(xin)片(pian)性能提升趋缓，通过领域专用(yong)架构（DSA）实现(xian)差异(yi)化会成为(wei)必然选择。

Grace Hopper和Blackwell正在不断增加专用(yong)硬件单元(yuan)，比如针对深度学习矩阵运算优(you)化（FP16/FP8精度、稀疏计算）的Tensor Core专用(yong)于光线追踪的硬件加速的RT Core，针对大规模AI集群做了通信优(you)化（如Grace Hopper的芯(xin)片(pian)间互连），Blackwell架构还直接面(mian)向大语言模型（LLM）做了硬件加速Transformer引擎。

这一切的一切都说明英伟达看到了谷歌TPU、亚(ya)马逊Trainium等专用(yong)AI芯(xin)片(pian)的威(wei)胁，迫使英伟达通过专用(yong)化巩固技术壁垒。

仍然需要指出的是，英伟达的高端GPU确实在向领域专用(yong)架构（DSA）演进，但其本质仍是以通用(yong)性为(wei)基(ji)础(chu)、通过专用(yong)模块提升关(guan)键场景效率的混(hun)合模式，与ASIC的完全固化设计有本质区别。

制(zhi)造(zao)端，英伟达的另一个隐秘的“护城河”

业界喜欢谈英伟达的护城河，CUDA开发者平台(tai)是其中(zhong)之一，老生常谈之外(wai)，还有他们和台(tai)积(ji)电的联盟属性不可不察。

OpenAI曾经和Meta展开GPU的军备竞赛(sai)，总裁Altman不惜(xi)屈尊去游说台(tai)积(ji)电的张忠谋，让台(tai)积(ji)电大肆斥千亿美元(yuan)在美国本土扩建晶(jing)圆厂配合英伟达扩建，在半导体圈曾一度被传为(wei)笑谈。这也说明，芯(xin)片(pian)光设计出来没用(yong)，需要造(zao)出来才能用(yong)——代工(gong)厂的地位不可低估，甚至他们经常扮(ban)演产业链的核心角色。

英伟达的高端GPU，如Hopper架构的H100、Blackwell架构的B200长期依赖台(tai)积(ji)电的先进制(zhi)程工(gong)艺(yi)（如7nm、5nm、4nm及更先进节点），以实现(xian)更高性能、更低功耗。台(tai)积(ji)电为(wei)英伟达提供工(gong)艺(yi)定(ding)制(zhi)服务，例如在4N工(gong)艺(yi)中(zhong)优(you)化了高频性能和功耗。

台(tai)积(ji)电投桃报李，将英伟达列为(wei)关(guan)键客户，在先进制(zhi)程（如4nm）和封装产能上优(you)先分配，应对AI芯(xin)片(pian)的爆发式需求。受地缘(yuan)政治影响，双方合作(zuo)扩展至台(tai)积(ji)电美国亚(ya)利桑那工(gong)厂（Fab 21），计划未来部(bu)分生产转移至美国本土。

英伟达不但在新架构设计阶(jie)段即与台(tai)积(ji)电合作(zuo)，验证工(gong)艺(yi)可行性，而且双方合作(zuo)定(ding)义Chiplet互联标(biao)准（如NVLink-C2C），推动异(yi)构计算生态。英伟达与台(tai)积(ji)电的合作(zuo)通过制(zhi)程迭代、封装创新和供应链协同，共同定(ding)义了AI芯(xin)片(pian)的性能天花板。这种合作(zuo)不仅推动技术进步，更重塑(su)了全球半导体产业链的竞争格局。

这恰恰就是英伟达一个隐秘的“护城河”，那就是 他们和台(tai)积(ji)电保持着紧密的合作(zuo)关(guan)系，而竞争对手则未必。

为(wei)什(shi)么 台(tai)积(ji)电这样的顶(ding)级代工(gong)厂喜欢英伟达的通用(yong)GPU，而相(xiang)对不那么喜欢制(zhi)造(zao)ASIC？

GPU（尤其是AI/高性能计算GPU）市场需求量大且稳定(ding)，客户如英伟达、AMD等头部(bu)厂商的订单规模庞大，代工(gong)厂可通过规模效应显著降低成本。而ASIC通常为(wei)特定(ding)客户定(ding)制(zhi)，需求碎(sui)片(pian)化且单次(ci)订单量小，难以形成规模经济。

GPU迭代周期较长，代工(gong)厂可长期维持同一制(zhi)程的生产优(you)化；而ASIC可能因客户业务调整快速过时，导致产能浪费。ASIC需要代工(gong)厂投入大量资源进行定(ding)制(zhi)化设计、掩膜版制(zhi)作(zuo)和测试，但客户可能因项目失败或需求变化取消订单，导致NRE（非(fei)重复性工(gong)程）成本难以回收。相(xiang)比之下(xia)，GPU的NRE费用(yong)由大客户承(cheng)担，且订单确定(ding)性更高。

因此，代工(gong)厂通用(yong)GPU的长期稳定(ding)订单可为(wei)代工(gong)厂提供更高的毛利率（尤其是先进制(zhi)程节点），而ASIC项目通常需价格谈判，利润率较低。

黄仁勋深知， 牢牢抓住台(tai)积(ji)电，就抓住了最深的那条“护城河”。

DeepSeek崛起，英伟达帝国的裂缝(feng)越来越大

DeepSeek-V3火爆之后，该(gai)公司(si)公开论文中(zhong)的更多细节逐渐被人挖掘出来。

韩国未来资产证券的分析称，V3的硬件效率之所以能比Meta等高出10倍，可以总结为(wei)“他们从头开始重建了一切”——用(yong)英伟达的PTX（Parallel Thread Execution）语言实现(xian)的，而不是CUDA。PTX在接近汇编语言的层级运行，允许进行细粒度的优(you)化，如寄存器分配和Thread/Warp级别的调整。

短期内，CUDA的统治地位虽(sui)然难以被撼动，但DeepSeek的PTX可能在特定(ding)市场（如政策驱动的国产化替代、轻量级AI推理）或技术路径(jing)（如开源生态、跨硬件支持）中(zhong)开辟细分赛(sai)道。

长远来看，其影响力取决于能否构建差异(yi)化价值，并突破英伟达的软硬件协同壁垒。

英伟达制(zhi)造(zao)端的“护城河”始于历史演进，也必将符合历史进程的辩证法。

英伟达和台(tai)积(ji)电这两家(jia)过去20多年是两株根系交缠的常青藤，但这不意味着那些被信任浇灌的藤蔓不会褪(tui)色，在AI模型从训练到推理应用(yong)大规模迁移的微妙时刻，裂痕像午夜窗棂的冰花，在月光下(xia)折射出锋利的棱角，契约书上的墨(mo)迹突然开始游动，每个标(biao)点都在宣(xuan)纸背面(mian)长出锯(ju)齿。

裂纹在出现(xian)。

最致命(ming)的那道裂纹往往开始于心脏背面(mian)，在硬科技行业中(zhong)我们已经见证了太多，诸如格芯(xin)和IBM，英特尔和诺基(ji)亚(ya)......当猜忌的孢子乘着沉默的风(feng)，在曾经透明的默契里悄然着陆——直到某(mou)天整座瓷器轰然崩(beng)解，我们才看清每块碎(sui)片(pian)里都冻着未曾启齿的疑云。

来源|心智观察所

观察者网两部(bu)作(zuo)品进入中(zhong)国正能量网络精品评选

欢迎大家(jia)积(ji)极投票！