為什麼全球所有大模型公司，都開始"背叛"英偉達？
重點摘要
越來越多大模型公司為了降低成本與擺脫技術鎖定，開始開發自研晶片或尋求AMD等替代方案，以降低對NVIDIA GPU的依賴。雖然短期內NVIDIA仍保有領先地位，但長期來看，AI算力市場可能從一家獨大走向多強並立的局面。
過去一年多，AI 大模型熱潮讓 NVIDIA 成為半導體市場的最大贏家，其 GPU 幾乎是所有頂尖語言模型訓練與推理的標配。然而，從 OpenAI 到 Google、Meta 再到中國的科技巨頭，越來越多的大模型公司正在積極開發自研晶片或尋求替代方案，試圖降低對 NVIDIA 的依賴。這種集體「背叛」的趨勢並非突然發生，而是源於 NVIDIA 供貨吃緊、價格高昂以及生態鎖定等長期隱憂，業界普遍認為，NVIDIA 的「四面楚歌」才剛剛開始。各大模型業者之所以加速繞過 NVIDIA，背後關鍵在於成本與控制權。
訓練一次 GPT-4 等級的模型需要數萬張 H100 GPU，不僅採購成本驚人，電力與散熱費用也相當可觀。若使用自研 ASIC 或與其他晶片廠（如 AMD、英特爾）合作，雖然前期投入巨大，但長期能獲得更高的性價比與客製化彈性。此外，NVIDIA 的 CUDA 生態雖然強大，卻也形成了一定程度的技術鎖定，讓開發者難以轉移到其他架構。因此，從 OpenAI 傳出與微軟共同開發自研 AI 晶片，到 Google 持續迭代 TPU，再到 Meta 宣布擴大採購 AMD 晶片，業界已經形成一股「去 NVIDIA 化」的浪潮。
這場全球大模型公司對 NVIDIA 的「背叛」，短期內或許不會立即撼動其主導地位，但長期而言，當多家業者都能提供夠水準的算力替代方案時，NVIDIA 的護城河將面臨嚴峻考驗。目前 NVIDIA 仍憑藉 Hopper 與 Blackwell 架構維持效能領先，但競爭對手正從四面八方步步進逼。可以預見，未來 AI 算力市場將從一家獨大走向多強並立，而 NVIDIA 的「四面楚歌」不過是這場變革的開端而已。
Related
相關文章
OpenAI首款AI硬件，為什麼是個沒有屏幕的「甜甜圈」
OpenAI與Jony Ive團隊合作的首款AI硬體，外型類似無螢幕的冰球大小圓環，被形容為金屬甜甜圈。這款設備定位為以AI為第一交互入口的計算設備，而非傳統智能音箱，售價可能落在300至400美元之間。
OpenAI 首款硬件真容浮現：冰球大小無屏設計，售價 300 至 400 美元
OpenAI首款硬件產品細節曝光，為一款無螢幕的智能音箱，外型類似冰球，售價約300至400美元，由OpenAI與前蘋果設計師Jony Ive的LoveFrom公司合作開發。該設備內建電池與攝影鏡頭，可支援手持使用並將視覺資訊傳給ChatGPT，實現多模態感知。此產品推出時正值蘋果對OpenAI提起商業機密訴訟，OpenAI內部評估其設計細節有望反駁侵權指控。
消息稱英偉達急尋中國 AI 基站供應商，與“下一個中際旭創”合作開發 6G 基站
NVIDIA正積極在中國尋找AI基站供應商，並有意與被視為「下一個中際旭創」的業者合作開發6G基站，顯示其從資料中心延伸至通訊基礎設施的布局。此舉凸顯NVIDIA對6G市場的重視，AI基站被視為整合邊緣運算與智慧調度的關鍵節點，但合作細節與技術方案尚未正式公布。
金剛GC3芯片重新定義視頻AI算力規則，國產RISC-V高端算力商業化提速
近日，第三屆中國計算機學會芯片大會（CCF Chip 2026）在太湖之濱無錫成功舉辦。會場中，兩院院士與頂尖工程師們的討論話題直指底層架構的“根技術”創新。一個核心追問被反覆推至臺前：當摩爾定律逼近物理極限，製程紅利日益稀薄，堆核心、拼頻率的老路越走越窄，是否該徹底換一條路走？換言之，與其在通用架構上不斷打補丁，能否從數據流動的本質出發，為特定場景原生設計一顆芯片？
把512 GiB閃存搬到xPU旁邊，HBF能打破推理內存牆？
HBM已經證明，通過堆疊和共封裝把存儲介質遷移至GPU附近，可以緩解AI計算中的數據搬運瓶頸。現在，SK海力士聯合閃迪，將類似的思路正式應用到NAND上，通過HBF將大容量閃存放到包括GPU在內的各類xPU旁，以緩解AI推理內存牆問題。近日，雙方通過OCP發佈《High Bandwidth Flash（HBF）High-Level Base Die Specification, Version 0.7.0》。
AI的錢，被誰賺走了？
AI 浪潮推動雲端服務供應商大舉擴建資料中心，背後龐大的資本支出正沿著供應鏈層層傳導，最終流向光模塊、晶片與伺服器業者。這條資金鏈路的起點是亞馬遜 AWS、微軟 Azure、Google Cloud 等雲端廠商，他們為了滿足訓練與推論大語言模型所需的算力，持續加碼採購 GPU 伺服器與高速網路設備，帶動上游零組件需求爆發。