硅谷观察 / 郑峻

黄仁勋终于得到了他最想要的东西。

本周，美国政府正式批准英伟达向中国以及其他“经批准的客户”出售高端的H200 GPU芯片，但需向美国政府缴纳25%的销售提成。这一提成比例同样适用于AMD、英特尔等其他美国芯片巨头。不过，英伟达最新的Blackwell和未来的Rubin系列GPU仍然禁止出口。

这标志着黄仁勋长达数月的游说取得成功。过去半年时间，他不断造访佛罗里达与华盛顿，随着特朗普总统一道出访和出席国宴，向白宫宴会厅建设工程捐款，就是为了这一刻。就在上周，他再一次来到白宫会见总统，终于如愿以偿得到了解锁禁运令。

受这一利好消息推动，英伟达股价盘后应声上涨。受美国政府连续多道芯片加码禁运令限制，过去两年时间，英伟达一步步失去迅猛增长的中国市场，丢掉了在AI GPU市场原先高达95%的份额。在英伟达最核心的数据中心业务中，中国市场的营收占比也从原先的四分之一急剧下滑。

心急如焚的黄仁勋在两个月前公开抱怨：“我们已经失去了全球最大的市场之一，在中国市场完全出局，市场份额已经归零。”即便是向美国政府缴纳四分之一的提成，对英伟达的业绩营收也意义重大，因为中国AI GPU今年规模估计高达200亿至300亿美元（中商产业研究院数据）。

然而，黄仁勋在努力争取重新打开另一个市场的时候，或许还要担忧自己的后方。因为群狼已经围上来了：他们最大的AI芯片客户——谷歌、亚马逊、微软这三大巨头，即Hyperscalers（超大规模云服务商），正在加速普及自己的自研芯片。

英伟达无疑是生成式AI时代的领军公司。在AI芯片这个万亿级赛道中，英伟达以压倒的性能优势和CUDA平台优势占据主导地位，其GPU产品线几乎垄断了八成以上的市场份额。英伟达也因此成为全球最具价值的上市公司，市值甚至一度突破5万亿美元。

虽然英伟达数据中心业务营收高达1300亿美元（最近财年），但却存在一个巨大隐患：客户集中度过高，过度依赖于几大AI巨头。其中，前两大客户营收占比39%，前三大客户营收占比高达53%。

据媒体猜测，黄仁勋的前五大客户正是微软、谷歌、亚马逊、Meta和甲骨文。而这前三大巨头正在加速转用自研芯片，同时拉拢第四大客户。这些自研芯片的部署，不仅会直接减少英伟达的芯片订单，更有可能在公开市场给英伟达带来威胁。

AWS低成本推理杀手

在上周拉斯维加斯召开的re:Invent年度开发者大会上，全球云计算市场的领头羊亚马逊AWS连续公布了一系列重磅产品，清晰展示了在AI热潮中占据市场主导以及推动行业潮流变化的雄心。

最引人注目的当属亚马逊新一代自研AI芯片——Trainium 3。诸多媒体将Trainium 3誉为“对英伟达的直接宣战”。这是亚马逊自2022年以来的第三代AI芯片，主打低成本与推理两大优势。

AWS CEO马特·加曼（Matt Garman）宣布，第三代芯片训练速度比前代快4倍，成本减半，特别适合亚马逊Nova 2模型家族的部署，支持百万芯片级集群。与英伟达相当的GPU系统相比，Trainium 3可节省50%训练费用。现场演示显示，Trainium 3在Llama 3.1训练中，仅需24小时完成相当于H100集群一周的任务。

低成本是最大的卖点，AWS官方将Trainium 3定位为英伟达GPU的低成本替代品。他们表示，对于愿意采用其Neuron软件栈和Trainium实例的客户，基于Trainium的实例可以将大型模型的训练成本（通常还包括推理成本）比同类GPU集群降低高达约50%。

亚马逊此次大会的诸多发布相当于摆明态度：要用自研芯片、自研模型、私有化部署以及智能体全家桶，把从训练到推理、从云端到本地、从通用模型到定制模型的整条AI赛道牢牢攥在自己手里。云计算巨头AWS明确自研方向，无疑会对AI基础设施市场未来走向产生重大影响。

目前，AWS在云计算市场仍保持巨大领先优势，为大大小小的客户提供云端AI算力，支持他们自由选择各种大模型。AWS目前的市场份额超过三成，而排名第二、第三的微软与谷歌市场份额分别为20%与16%（基于Synergy Research统计数据）。

从Anthropic到OpenAI再到Meta，诸多AI巨头与创业公司都广泛使用亚马逊的AWS云服务。就在上个月，OpenAI宣布与AWS签署合作协议，七年采购价值达380亿美元的AI基础设施服务。AWS还强调，Anthropic等AI初创公司已转向Trainium，节省了超过三成的预算。

谷歌拉到Meta大客户

谷歌是行业最早自研芯片的巨头，其第一代TPU早在2016年发布，已成为AI基础设施巨头挑战英伟达的行业标杆。就在上个月，谷歌在他们的Cloud Next云计算大会上发布了第七代TPUv7 Ironwood，进一步让英伟达感受到了压力。

Ironwood的核心亮点是性能跃升：单芯片FP8计算达4.6 PFLOPS（每秒千万亿次浮点计算），比第五代TPU提升10倍，是第六代TPU的4倍。

谷歌强调Ironwood专为“高吞吐、低延迟”推理优化，适用于Gemini 3等多模态模型。相比英伟达王牌的Blackwell，Ironwood在能效上领先20%，功耗仅300W/芯片。这得益于其systolic array架构和自定义互连，可专攻矩阵乘法等AI核心运算。

谷歌在TPU的演进上稳步前进：从v1的纯训练芯片，到v7原生支持FP8，谷歌已覆盖从边缘设备（Edge TPU）到超大规模Pod的全栈。从战略上看，Google的TPU不仅是硬件，更是云生态的“杀手锏”。

对英伟达来说，谷歌带来的威胁已经日益明显。2025年，谷歌的AI芯片市场份额预计将达到8%，尤其在占AI算力80%的推理领域。SemiAnalysis分析称，Ironwood“显著缩小了与NVIDIA旗舰的浮点计算性能差距”。

谷歌声称，使用TPU可将训练成本降40%，吸引了Meta等第三方客户。据媒体报道，Meta已经计划在2027年部署谷歌TPU，绕过英伟达芯片。谷歌Ironwood服务器将由富士康代工。而Meta正是英伟达AI芯片的第四大客户。这一打击具有双重意义。

虽然黄仁勋依然以乐观口吻应对谷歌TPU带来的威胁，强调英伟达的多平台兼容与供应链优势，认为巨头自研芯片不会动摇英伟达的“护城河”（生态和软件栈），但他也不得不承认市场竞争会让投资者感到担忧。

微软抢不过巨头量产延误

相比亚马逊和谷歌在自研芯片方面的稳步推进和大规模部署，微软在这领域暂时还在交学费，遭受了跳票挫折。微软自研芯片首代Maia 100于2024年推出，专为自家的Azure AI优化，今年开始大规模部署。但原本计划今年发布的Maia 200（代号Braga）的大规模量产已经推迟至2026年。

今年10月，微软宣布Maia 100已部署于Azure数据中心，支持OpenAI模型训练。这是微软与博通合作开发的芯片，预计比英伟达的H100芯片成本低40%。未来三代（代号分别为Braga、Braga-R和Cobalt）计划覆盖训练、推理和边缘。

Maia芯片的最大优势自然是与微软Azure的原生态结合——集成DirectML框架，吸引企业客户私有化部署。Maia系列聚焦多模态AI，例如突出微软Copilot的语音和视觉处理，单芯片BF16性能达2 PFLOPS。

微软CTO凯文·斯科特（Kevin Scott）表示，公司未来将“主要使用自家芯片”，目标减少对英伟达芯片的严重依赖。但微软的这一目标遭到了Maia量产推迟的打击。根据媒体报道，Maia 200量产延误主要由于设计变更、仿真不稳定等技术与内部因素造成。

另一方面，台积电的产能瓶颈也是现实限制因素。毕竟台积电先进制程（如N3/N2/高级封装）是全球最抢手的生产能力，英伟达、苹果、AMD等巨头客户均在争抢产能，产线几乎被预定一空，排期非常紧张。

台积电通常会根据订单时间、技术节点、客户战略价值等进行安排。微软既不是台积电的大客户，自身芯片设计也尚不完善，只能排在后面的非优先级。微软想减少对英伟达的依赖，这是战略必要，但从芯片设计到大规模量产仍面临长期供应链竞争。

在台积电那里产能抢不过芯片巨头，微软只能转向英特尔的18A节点，计划在明年实现量产。这一延误给微软带来了巨大的额外开支。如果Maia二代不能及时规模部署，微软明年可能还要投入100亿美元购买英伟达芯片。

性能 vs 成本 巅峰对决

虽然目前英伟达依然在AI芯片领域占据绝对话语权，但三大巨头的自研浪潮正给市场带来巨大变数。2025年谷歌、亚马逊和微软先后发布最新自研芯片，预示着2026年将迎来一场“性能 vs 成本”的巅峰对决。

性能技术依然是英伟达的核心优势，谷歌、微软和亚马逊的自研芯片则主要强调成本优势。英伟达今年的Blackwell架构B200 GPU，单芯片FP8计算能力达20 PFLOPS（每秒千万亿次浮点运算），比前代H100提升4倍。

在推理任务中，Blackwell的能效比谷歌TPU高出30%，这得益于其先进的NVLink互联技术和Transformer引擎优化。黄仁勋对此充满信心，正如在GTC 2025大会上宣称：“我们的GPU领先竞争对手整整一代。”

这种领先不仅体现在峰值性能，还包括软件栈的深度整合：CUDA平台支持4000多个AI框架和库，开发者生态庞大到“开箱即用”，这才是英伟达的真正护城河。相比之下，AI巨头们的自研芯片往往需额外适配，增加了开发者的迁移成本。

但成本却是AI巨头自研芯片的最大卖点。亚马逊Trainium 3已宣称可将训练成本降至前代的50%，谷歌Ironwood TPU在推理任务中，能效比英伟达H100高出20%至30%。迈入2026年，这一差距还将进一步拉大。

此外，AI巨头正通过“渐进式”策略蚕食英伟达的CUDA优势。谷歌的JAX和PyTorch/XLA集成已覆盖70%AI工作负载，AWS Neuron SDK支持Llama和Stable Diffusion等开源模型，而微软的DirectML则无缝嵌入Visual Studio，吸引企业开发者。

亚马逊AWS计划在Trainium 4上集成NVLink兼容技术，实现与英伟达GPU的无缝混合部署，预计训练费用再降40%。与此同时，2027年商用的谷歌TPUv8将引入光子互联与更先进的systolic array架构，针对多模态模型如Gemini 4的推理优化，成本优势或将超过50%。

四分之一市场份额

亚马逊的目标是在明年达到50%的自研芯片占比，推动AWS在AI云市场的份额从31%升至35%。他们是Anthropic的最大投资者和云服务商，因此Anthropic的大模型训练主要依赖AWS Trainium芯片。

谷歌TPU的市场份额已悄然攀升至8%。他们从今年开始向外部客户积极销售原先自用的TPU，目前外部销售占比已达20%。随着2027年Meta转用TPU，英伟达将真正感受到谷歌带来的竞争压力。

今年10月，Anthropic与谷歌签署了价值数百亿美元的协议，计划使用多达100万片TPU，其中包括40万片Ironwood，其余通过谷歌云租赁。换句话说，当前AI大模型公司正在推动芯片多元化，尽可能同时使用多家芯片，而非仅依赖英伟达GPU。

黄仁勋传记作者、非常了解英伟达的史蒂芬·维特（Stephen Witt）认为：“英伟达最大的风险显然是谷歌，如果谷歌证明他们可以用自家芯片维持领先AI开发，那么这将给其他巨头树立榜样。”

即使加紧部署自研芯片，这些巨头未来几年仍会继续采购英伟达芯片。有意思的是，谷歌和亚马逊在发布自研芯片时，都会提前通知英伟达，因为他们希望继续维持良好关系，保障芯片供应。

未来这些巨头自研芯片会夺取多少份额？英伟达直接竞争对手、AMD CEO苏姿丰对谷歌TPU给出了高度评价：“多年来，谷歌在TPU架构上做得很好。但TPU是一种更偏向特定用途的设计，缺乏GPU所具备的可编程性、模型灵活性，以及训练与推理能力之间的平衡。GPU结合了高度并行架构与高可编程性，能够实现快速创新。”

“从我们的角度来看，各种类型的加速器都有空间。然而，在未来五年内，GPU仍将明显占据市场大部分份额，因为我们仍处于行业周期早期阶段，软件开发者希望拥有实验新算法的灵活性。因此，给ASIC类加速器（三大巨头自研芯片均属此类）留出20%–25%的市场份额是合理的。”

换句话说，她认为三大巨头的自研芯片可能在未来抢走约四分之一的市场份额。苏姿丰还计划AMD在未来3至5年间夺取两位数的市场份额。同时，英伟达在中国市场也将面临华为、寒武纪等本土竞争对手的挑战。

https://finance.sina.com.cn/world/2025-12-12/doc-inhanutv5475677.shtml