第 2.5 章｜AI 芯片与加速器
按出货颗数，自研 ASIC 正在逼近甚至超过通用 GPU；按收入、利润和前沿算力，Nvidia 仍占据主导。三个口径可以同时成立，投资者最容易犯的错是把它们混成一个市场份额。
芯片已经变成系统
AI 加速器擅长并行矩阵运算，性能不仅取决于计算核心，还取决于低精度格式、HBM 容量与带宽、芯片间互连和软件库。随着集群扩大，单颗 GPU 的参数越来越不能代表真实交付能力。客户购买的是一套能被供电、冷却、编排并稳定运行的系统。
Nvidia 因此把销售单位从板卡提高到整机架：GPU、CPU、NVLink、交换机、光模块、液冷和软件一起交付。系统集成既提高单笔收入，也让竞争者必须同时追赶多个环节。
三个阵营
| 芯片家族 | 厂商 | 类型 | 关键位置 |
|---|---|---|---|
| Blackwell / GB300 → Vera Rubin | Nvidia | 商用 GPU | CUDA 与整机架标准，收入份额领先 |
| Instinct MI300 → MI400 | AMD | 商用 GPU | 最可信的第二供应商 |
| Gaudi → Jaguar Shores | Intel | 商用加速器 | 竞争力更多押在 2027 年 |
| TPU / Ironwood | 自研 ASIC | 最成熟的云厂商自研路线 | |
| Trainium / Inferentia | AWS | 自研 ASIC | 大规模内部部署 |
| Maia、MTIA | Microsoft、Meta | 自研 ASIC | 面向自有云和推理负载 |
| XPU | OpenAI + Broadcom | 自研 ASIC | 计划自 2027 年起放量 |
| Ascend 910C / 950 | 华为 | 中国主力 | 国产系统与 CANN 核心 |
| 思元 MLU、DCU | 寒武纪、海光 | 中国加速器 | 公开市场本土替代敞口 |
| BR、MXC、MTT | 壁仞、沐曦、摩尔线程 | 中国加速器 | 多条国产架构并行推进 |
| 定制设计平台 | Broadcom、Marvell | ASIC 赋能者 | 服务多家云厂商的“军火商” |
Nvidia 的年更节奏为什么是护城河
Nvidia 以近一年一代的节奏推进 Blackwell、Blackwell Ultra、Vera Rubin 和后续系统。Vera Rubin NVL72 由 72 颗 Rubin GPU 与 36 颗 Vera CPU 组成，并引入 HBM4。发布时未给出可直接比较的整机架功率，因此第三方功耗预测只能作为估算；更远期 Rubin Ultra 接近 600 kW 的说法仍属于路线图情景。
这种节奏把护城河从单颗芯片扩展到协同研发：计算、网络、封装、内存、冷却和软件必须同时准备好。客户也需要提前设计机房。竞争者即使在某个基准上追平，也很难复制完整的交付节奏。
风险恰好来自同一处。供应链没有冗余，任何一代封装、HBM、网络或散热延迟，都会传导到整套系统。硬件每年更新，也会缩短旧设备的经济寿命。
AMD 与 Intel：第二来源和远期选择权
AMD 的 MI400 与 Helios 机架让它首次具备更完整的机架级产品，OpenAI 和 Meta 的多 GW 承诺提供了真实需求锚。它的优势是客户需要第二来源、价格更有竞争力；弱点是软件生态、网络整合和安装基础仍小于 Nvidia。
Intel 的 Gaudi 未达到预期，后续相关性更多依赖 Jaguar Shores 与硅光子路线。Intel 的上市投资逻辑正逐渐从“GPU 追赶者”转向“美国先进制造选择权”，这与本章的加速器竞争要分开。
自研 ASIC：颗数会赢，利润未必赢
Google、Amazon、Microsoft、Meta 和 OpenAI 都在扩大自研芯片。固定且规模巨大的内部负载适合 ASIC：去掉不需要的通用功能，可以降低功耗和单位成本。行业预测自研 ASIC 在 2027 年按颗数超过商用 GPU，但这不意味着按收入或利润超过 Nvidia。
需要同时看三张榜：
- 颗数： 大量内部推理 ASIC 可能领先；
- 收入与利润： 高价整机架、网络和软件让 Nvidia 继续占优；
- 前沿算力： 最大训练集群仍更依赖 Nvidia 的完整系统。
ASIC 最可能先拿走低毛利、可预测的内部推理，而不是直接替代前沿训练。对 Broadcom 和 Marvell 而言，价值来自多客户设计平台与网络内容，但客户集中、项目延迟和议价仍会影响回报。
中国：用更多芯片和更多电力换取系统能力
中国受到先进 GPU 限制后，形成以华为昇腾为核心、寒武纪与多家初创补充的平行体系。昇腾 910C 与 Atlas 900 A3 已经进入部署，Ascend 950 系列和 Atlas 950 SuperPoD 指向更大规模集群。
差距必须按层表达。单颗芯片性能、能效、HBM 和软件成熟度仍落后；华为强调系统级扩展，通过更多加速器、更复杂的网络和更高功耗换取可用总算力。中国的真正上限不是设计意愿，而是中芯国际先进制程良率、国产 HBM 和高端封装产能。
CANN 的生态也远小于 CUDA。政策采购可以保证需求，却不能自动消除迁移、调优和可靠性成本。反过来，一旦国内制造与软件连续改善，庞大本土需求会提供快速学习曲线。
投资判断：系统整合者与多项目赋能者
Nvidia 的核心敞口是整机架、软件税和年度平台节奏；AMD 是第二来源和份额提升；Broadcom、Marvell 同时参与自研芯片与网络；中国上市敞口包括寒武纪、海光等，但政策、估值和交易可达性可能比短期利润更重要。
最关键的验证点有三个：
- 自研 ASIC 的颗数领先是否扩展到外部客户和利润；
- Nvidia 在推理收入中的份额是否真实下滑，而不只是预测；
- 中国先进制造与 HBM 是否突破当前产量和良率上限。
本章逻辑会被两类事件推翻：一是通用、外部可用的 ASIC 在训练与推理同时大规模替代 GPU；二是模型效率提升快于用量增长，令整条加速器需求曲线下移。更完整的封装—系统—100 MW 对比见第 2.13 章。
主要参考：Nvidia Vera Rubin 架构资料、AMD 与云厂商公开路线图，以及行业出货预测。路线图产品不应按已交付产品估值。