须知，英伟达在高性能GPU（HPC和AI加速器(qi)领(ling)域）就在全球吃掉了接近(jin)450亿美元的盘子，而ASIC市场2023年满打满算也只有(you)200亿美元，前者的高垄(long)断性看(kan)起(qi)来暂时不用担心以博通，Marvell为代表定制化芯片对其市场份额的侵蚀(shi)。

但你要说黄仁(ren)勋不着(zhe)急那肯定是假的。AI大潮(chao)的推动下，比如(ru)TPU在Google Cloud上的应用，或者亚马(ma)逊(xun)AWS的Trainium/Inferentia让不少公司在考虑ASIC方案。2023年就有(you)风传英伟达也想(xiang)进入ASIC这个(ge)领(ling)域，为美国诸多CSP（云服务商）提(ti)供定制化服务。

OpenAI也在“背刺”英伟达？

据路透社近(jin)日报道，OpenAI正在通过开发其首款(kuan)自家人工智能芯片，以减少其对英伟达芯片的需求。路透社还(hai)声称称OpenAI将在近(jin)几个(ge)月内(nei)确定其芯片的最终设计，并(bing)将方案交由台积电进行(xing)流片测(ce)试。

多年以来，OpenAI一直是英伟达的大主顾之一。他们考虑非通用性GPU方案，无异于是对英伟达的一种背刺。

OpenAI 的训练和推理任务高度依赖英伟达的高性能 GPU（如(ru) A100、H100）。OpenAI在2020年的论(lun)文(wen)中曾提(ti)到，GPT-3的训练使用了约1万块V100 GPU。不过，OpenAI并(bing)未公开披露其从(cong)英伟达采购的GPU具体数量，这类信息通常被视为商业(ye)机密或涉及合作伙伴协议，因此外界难以获得(de)准确数据。

除了采购GPU，他们之间的合作模式还(hai)有(you)两点(dian)需要指出：OpenAI 深度依赖英伟达的CUDA 并(bing)行(xing)计算平台和cuDNN加速库，以最大化GPU在深度学习任务中的性能；英伟达OpenAI还(hai)有(you)间接合作，通过合作伙伴（如(ru)微(wei)软(ruan)Azure、亚马(ma)逊(xun)AWS）为 OpenAI 提(ti)供云GPU资源(yuan)，支持其弹性计算需求。

英伟达首个(ge)DGX H200给到OpenAI

OpenAI在思考用更(geng)专(zhuan)用硬件ASIC的可能，步(bu)微(wei)软(ruan)Maia AI芯片和谷(gu)歌TPU的后尘，主要也是苦英伟达久矣。

英伟达通用高端GPU不仅价(jia)格(ge)昂贵，而且功耗极高，且有(you)很强的定价(jia)权，损伤了OpenAI的“自尊心”和财务毛利率，而且某种程度上削弱了其振臂一呼搞“星际之门”的话语权和领(ling)导权。

OpenAI敢迈出这一步(bu)，也是看(kan)到了商用实地落地的可能性——踩着(zhe)谷(gu)歌TPU的辕辐前进。

TPU是谷(gu)歌专(zhuan)门为机器(qi)学习（尤其是神经网络(luo)训练和推理）而设计的ASIC，从(cong)硬件到软(ruan)件全栈优(you)化，避免了GPU的通用计算冗(rong)余。

谷(gu)歌单芯片TPU v4的FP16性能约275 TFLOPS，而英伟达H100的FP16算力为400 TFLOPS，看(kan)起(qi)来差距巨大，但 TPU v4可以用“打群架(jia)”的方式避免单打独斗的劣势，而且，TPU的专(zhuan)用推理硬件在低(di)延迟(chi)场景中表现(xian)更(geng)优(you)。

虽然英伟达高端GPU也需要HBM，但TPU采用的HBM高带宽内(nei)存(cun)与计算单元紧密耦合，减少数据搬(ban)运开销，英伟达GPU需通过显存(cun)管理优(you)化才能避免瓶颈。

另外还(hai)有(you)很重要的一点(dian)， 就呼应到了本文(wen)开头(tou)的话题：成本。

在谷(gu)歌云平台，TPU的按需计费(fei)成本可能低(di)于同等算力的GPU实例，尤其对长期训练任务或批量推理更(geng)具性价(jia)比。TPU作为托管服务，用户无需关注底层硬件运维，而自建GPU集群需投入更(geng)多运维资源(yuan)。

这一切(qie)，加速了OpenAI与英伟达软(ruan)脱钩的念想(xiang)，双方有(you)了某种程度上的离心力。

尽管如(ru)此，采用ASIC方案的局限性依然十分明显，TPU绑定了特定框架(jia)（TensorFlow/JAX），而GPU支持更(geng)广泛的开源(yuan)工具和私有(you)化部署，而且，ASIC一旦流片无法修改(gai)，而GPU可通过架(jia)构升级和软(ruan)件优(you)化适应新需求。

英伟达GPU的“专(zhuan)用特性”

黄仁(ren)勋在业(ye)界以危机感嗅觉著称，他的名言“要时刻为企业(ye)一个(ge)月内(nei)破(po)产做(zuo)好准备”享誉全球，他不断督促自己洞察一切(qie)可能的挑(tiao)战和危机。

ASIC的冲击(ji)，他也洞若观火。

在最近(jin)这两代（Grace Hopper和Blackwell）的AI加速器(qi)中，他其实已经用了“通用+专(zhuan)用”的混(hun)合架(jia)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，通用架(jia)构难以满足能效和性能要求。专(zhuan)用硬件可显著降低(di)大模型训练成本（如(ru)Blackwell的FP4/FP6支持稀疏计算）。

国内(nei)某知名GPU图形渲染供应商市场主管告诉心智观察所，通用芯片性能提(ti)升趋缓，通过领(ling)域专(zhuan)用架(jia)构（DSA）实现(xian)差异化会成为必(bi)然选择。

Grace Hopper和Blackwell正在不断增加专(zhuan)用硬件单元，比如(ru)针(zhen)对深度学习矩阵运算优(you)化（FP16/FP8精度、稀疏计算）的Tensor Core专(zhuan)用于光线追(zhui)踪(zong)的硬件加速的RT Core，针(zhen)对大规模AI集群做(zuo)了通信优(you)化（如(ru)Grace Hopper的芯片间互连），Blackwell架(jia)构还(hai)直接面向大语言模型（LLM）做(zuo)了硬件加速Transformer引擎。

这一切(qie)的一切(qie)都说明英伟达看(kan)到了谷(gu)歌TPU、亚马(ma)逊(xun)Trainium等专(zhuan)用AI芯片的威胁，迫使英伟达通过专(zhuan)用化巩固技术壁垒。

仍然需要指出的是，英伟达的高端GPU确实在向领(ling)域专(zhuan)用架(jia)构（DSA）演(yan)进，但其本质仍是以通用性为基础、通过专(zhuan)用模块提(ti)升关键场景效率的混(hun)合模式，与ASIC的完全固化设计有(you)本质区别。

制造端，英伟达的另一个(ge)隐秘的“护城河”

业(ye)界喜(xi)欢谈(tan)英伟达的护城河，CUDA开发者平台是其中之一，老生常谈(tan)之外，还(hai)有(you)他们和台积电的联盟属(shu)性不可不察。

OpenAI曾经和Meta展开GPU的军备竞赛，总(zong)裁Altman不惜屈(qu)尊去游说台积电的张忠谋，让台积电大肆(si)斥千亿美元在美国本土扩建晶圆厂配合英伟达扩建，在半导体圈曾一度被传为笑谈(tan)。这也说明，芯片光设计出来没(mei)用，需要造出来才能用——代工厂的地位不可低(di)估，甚(shen)至他们经常扮(ban)演(yan)产业(ye)链的核心角色。

英伟达的高端GPU，如(ru)Hopper架(jia)构的H100、Blackwell架(jia)构的B200长期依赖台积电的先进制程工艺（如(ru)7nm、5nm、4nm及更(geng)先进节点(dian)），以实现(xian)更(geng)高性能、更(geng)低(di)功耗。台积电为英伟达提(ti)供工艺定制服务，例如(ru)在4N工艺中优(you)化了高频性能和功耗。

台积电投桃报李，将英伟达列为关键客户，在先进制程（如(ru)4nm）和封装(zhuang)产能上优(you)先分配，应对AI芯片的爆发式需求。受地缘(yuan)政治影响，双方合作扩展至台积电美国亚利桑那工厂（Fab 21），计划未来部分生产转移至美国本土。

英伟达不但在新架(jia)构设计阶段即与台积电合作，验证工艺可行(xing)性，而且双方合作定义Chiplet互联标(biao)准（如(ru)NVLink-C2C），推动异构计算生态。英伟达与台积电的合作通过制程迭代、封装(zhuang)创新和供应链协同，共同定义了AI芯片的性能天花板。这种合作不仅推动技术进步(bu)，更(geng)重塑了全球半导体产业(ye)链的竞争格(ge)局。

这恰(qia)恰(qia)就是英伟达一个(ge)隐秘的“护城河”，那就是 他们和台积电保持着(zhe)紧密的合作关系(xi)，而竞争对手则(ze)未必(bi)。

为什么 台积电这样的顶级代工厂喜(xi)欢英伟达的通用GPU，而相对不那么喜(xi)欢制造ASIC？

GPU（尤其是AI/高性能计算GPU）市场需求量大且稳定，客户如(ru)英伟达、AMD等头(tou)部厂商的订单规模庞大，代工厂可通过规模效应显著降低(di)成本。而ASIC通常为特定客户定制，需求碎片化且单次订单量小，难以形成规模经济。

GPU迭代周期较长，代工厂可长期维持同一制程的生产优(you)化；而ASIC可能因客户业(ye)务调整快速过时，导致产能浪费(fei)。ASIC需要代工厂投入大量资源(yuan)进行(xing)定制化设计、掩(yan)膜版制作和测(ce)试，但客户可能因项目失败或需求变化取消订单，导致NRE（非重复(fu)性工程）成本难以回收。相比之下，GPU的NRE费(fei)用由大客户承担，且订单确定性更(geng)高。

因此，代工厂通用GPU的长期稳定订单可为代工厂提(ti)供更(geng)高的毛利率（尤其是先进制程节点(dian)），而ASIC项目通常需价(jia)格(ge)谈(tan)判，利润率较低(di)。

黄仁(ren)勋深知， 牢牢抓住台积电，就抓住了最深的那条“护城河”。

DeepSeek崛起(qi)，英伟达帝国的裂(lie)缝越来越大

DeepSeek-V3火爆之后，该公司公开论(lun)文(wen)中的更(geng)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(zong)结为“他们从(cong)头(tou)开始重建了一切(qie)”——用英伟达的PTX（Parallel Thread Execution）语言实现(xian)的，而不是CUDA。PTX在接近(jin)汇编语言的层级运行(xing)，允许进行(xing)细粒度的优(you)化，如(ru)寄存(cun)器(qi)分配和Thread/Warp级别的调整。

短期内(nei)，CUDA的统治地位虽然难以被撼动，但DeepSeek的PTX可能在特定市场（如(ru)政策驱动的国产化替代、轻量级AI推理）或技术路径（如(ru)开源(yuan)生态、跨硬件支持）中开辟(pi)细分赛道。

长远来看(kan)，其影响力取决(jue)于能否构建差异化价(jia)值，并(bing)突破(po)英伟达的软(ruan)硬件协同壁垒。

英伟达制造端的“护城河”始于历史演(yan)进，也必(bi)将符合历史进程的辩证法。

英伟达和台积电这两家过去20多年是两株根系(xi)交缠的常青藤(teng)，但这不意味着(zhe)那些(xie)被信任浇灌的藤(teng)蔓不会褪(tui)色，在AI模型从(cong)训练到推理应用大规模迁移的微(wei)妙时刻，裂(lie)痕像午(wu)夜(ye)窗棂的冰花，在月光下折射出锋利的棱角，契约书上的墨迹突然开始游动，每个(ge)标(biao)点(dian)都在宣纸背面长出锯齿。

裂(lie)纹在出现(xian)。

最致命的那道裂(lie)纹往往开始于心脏背面，在硬科技行(xing)业(ye)中我们已经见证了太(tai)多，诸如(ru)格(ge)芯和IBM，英特尔(er)和诺基亚......当猜忌的孢(bao)子乘着(zhe)沉默的风，在曾经透明的默契里悄然着(zhe)陆——直到某天整座瓷器(qi)轰然崩解，我们才看(kan)清每块碎片里都冻着(zhe)未曾启(qi)齿的疑云。

来源(yuan)|心智观察所

观察者网两部作品进入中国正能量网络(luo)精品评选

欢迎大家积极投票！