幾天前，英偉達再一次創造了歷史。

7 月 3 日，英偉達市值短暫攀上 3.92 萬億美元，超越了蘋果此前保持的 3.915 萬億美元紀錄，成為有史以來市值最高的上市公司。AI 算力的狂飆猛進，把這家 GPU 廠商推向了前所未有的高點。

尤其是自 2024 年底，性能與能效雙雙躍進的 Blackwell 平臺開始出貨后的銷售表現，打破了外界的疑慮，英偉達創始人兼 CEO 黃仁勛在最新財報電話會議上表示，僅在 2025 年第一季度，這套新平臺就已經貢獻了英偉達數據中心收入的近七成。

但就在英偉達市值沖頂、光環加身之時，來自生態內部的裂縫也在浮現。最典型的例子，正是英偉達的重要客戶—— OpenAI。幾乎就在英偉達市值達到高峰的同時，The Information 援引 OpenAI 內部人士稱，OpenAI 正在使用谷歌自主研發的 TPU 芯片來為 ChatGPT 及其其他產品提供算力支持。

雖然后續的回應中 OpenAI 刻意淡化了「轉向」，強調是測試且「暫無大規模采用計劃」。但對于一家曾親手定義 AI 新時代的公司來說，哪怕只是「測試」，也足以引發市場的高度敏感。

與此同時，這也讓谷歌稍早前發布的第七代 TPU —— Ironwood 再次成為焦點，這是一顆為推理場景量身打造的專用 AI 芯片，不僅在每瓦性能上直指 Blackwell，更在成本與部署靈活性上展現出頗強的吸引力。

更重要的是，真正讓英偉達面對結構性挑戰的，是那些比起「通用」，更強調「效率」的 ASIC 芯片陣營。谷歌、亞馬遜、Meta 等云巨頭正持續加碼自研加速器，繞開英偉達 GPU 的高成本；而如 Cerebras、Graphcore 等初創企業，則從芯片架構和系統設計層面重新定義「AI 專用計算」，試圖構建一條完全不同于 GPU 的技術路徑。

對于英偉達來說，世界第一的寶座，并不安穩。

俗話說得好，最了解一個人的，往往是他的對手。

5 月 19 日，英偉達發布了全新互聯架構 NVLink Fusion，這套架構被定義為「AI 工程合作平臺」，通過授權 NVLink 芯片間互聯（C2C）和整合交換模塊，使第三方廠商能將自研加速器或 CPU 接入英偉達主導的算力系統。

相比過去 NVLink 的封閉式設計，Fusion 的「半開放」姿態看似包容，但本質依然要求合作方依附在英偉達的生態軌道上，任何定制芯片都必須連接到英偉達的產品，同時也只是選擇性地開放了 900GB/s 的 NVLink-C2C 接口。所以 NVLink Fusion 盡管表面上展現了英偉達的開放姿態，實則更多是一次防御性出招：

為了防御 UALink 聯盟。

2024 年 10 月，由 AMD、Intel、谷歌、Meta、微軟、AWS 等聯合發起的 UALink 聯盟就已悄然成型，隨后又加入了蘋果、阿里云、新思科技等，迅速擴張為一個囊括芯片設計、云服務、IP 供應鏈的龐大陣營。

今年 4 月，UALink 發布了 1.0 版本互聯標準，支持高達 1024 個加速器節點、800Gbps 帶寬互聯、以及開放的 memory-semantics 協議——這不止是一項通信技術，而是一次瞄準「去英偉達化」的系統性布局。在 AI 芯片互聯架構這件事上，英偉達或許比任何人都明白：

真正值得警惕的，不是某一家廠商，而是一整條開始擺脫 GPU 依賴、試圖重建硬件秩序的 ASIC 陣營。

不同于通用的 GPU 架構，ASIC 是為特定任務定制的芯片，在 AI 時代意味著它們可以針對推理、訓練、推流等核心計算路徑進行極致優化。這種理念如今已在微軟、Meta 和亞馬遜等巨頭內部深度落地，都在探索從英偉達 GPU 平臺向自研 AI ASIC 芯片遷移。

谷歌就是最好的例子，TPU 系列自發布以來已進化至第七代 Ironwood，專為推理任務而設計，每瓦性能直接超越了英偉達 Blackwell。OpenAI 研究員在 X 平臺上更認為 Ironwood 與 GB200 性能相當，甚至略勝一籌。更重要的是，TPU 系列已經支撐起了 Gemini 大模型從訓練到推理的大規模應用。

與此同時，除了老對手 AMD，包括 Meta、AWS 等新晉芯片廠商也在試圖「趕超」英偉達 GPU。基于與博通的合作，Meta 首款 AI ASIC 芯片 MTIA T-V1 就被曝規格可能超過英偉達的下一代 Rubin 芯片，AWS 則是在與 Marvell 合作的基礎上，啟動了不同版本的 Trainium v3 開發，預計于 2026 年陸續量產。

而據野村證券稍早前發布的最新報告指出，2025 年谷歌 TPU 出貨量預估 150 萬至 200 萬，AWS Trainium 和 Inferentia 預估 140 萬至 150 萬，等到 Meta 與微軟開始大規模部署，有望 2026 年在出貨量上首次超越英偉達 GPU（500 萬至 600 萬）。

初創公司方面，研發出全球最大芯片的 AI 芯片「獨角獸」Cerebras，以 Wafer Scale Engine（WSE）引領訓練芯片架構的革新，在多個政府和科研超算項目中落地；軟銀收購的 Graphcore 雖經歷波折，但仍堅持在神經網絡處理架構（IPU）上尋求突破；Tenstorrent、Rebellions 等新秀則在 AI 推理、邊緣計算等細分領域持續積累客戶與出貨量。

英偉達當然看懂了這股暗流，所以選擇用 NVLink Fusion 做出回應。但現實是，越來越多的玩家已經不再滿足于做配角。ASIC 的崛起，不只是一次技術路線的迭代，更是一場由巨頭主導、由聯盟推動、由生態背書的系統性挑戰。英偉達固然強大，但面對這樣的對手，仍然警惕。

市值沖上 3.92 萬億美元的那一刻，英偉達站上了全球資本市場的頂點。但在這個耀眼的高度之下，越來越多的問題開始浮出水面。從產業依賴，到產品結構，再到生態策略，英偉達仍然存在可能，被它自己一手打造的成功邏輯反噬。

其一在于超大規模客戶的集中依賴。英偉達目前約 88% 的營收來自數據中心業務，而其中大頭集中在極少數幾家云計算巨頭手中：微軟、AWS、阿里、Meta、谷歌，以及越來越有野心的 OpenAI。也正是這些客戶不僅自研 AI 芯片，還組建了 UALink 聯盟，正在親手削弱英偉達 GPU 的統治力。

谷歌有 TPU，亞馬遜有 Trainium，Meta 和微軟分別推出了 MTIA 與 Maia 系列加速器。OpenAI 也在測試谷歌 TPU 的同時，自研 AI 芯片的消息不斷流出。這些客戶不是不需要英偉達，而是不想「只」依賴英偉達。

其二在于性價比。Blackwell 平臺帶來了幾乎碾壓式的算力提升，特別是 GB200 架構在訓練和推理性能上的躍升。但與此同時，這一代產品的復雜性、功耗和成本也大幅攀升。據匯豐銀行消息，一套 GB200 NVL72 服務器售價高達 300 萬美元左右，讓許多客戶望而卻步。

這種極致設計策略確實鎖定了高端市場，但也帶來了兩個副作用：一是把中小客戶甩在了門外，二是推動客戶尋找更便宜、更省電的替代品。當 AI 推理成為主流任務，性價比往往比絕對性能更重要，而這正是 ASIC 等專用芯片擅長的領域。

此外針對云廠商等大客戶，早期愿意為性能付費。但隨著部署規模擴大、模型標準化、預算緊縮，即便是大型廠商也越來越希望能有更多自主權和談判空間。當英偉達變成「不得不用」，也就意味著產業鏈已經開始尋找「有沒有可能不用」的選項，而谷歌 TPU 的成功更是一種激勵。

其三在于英偉達的生態壁壘。英偉達 CUDA 是目前業界最強大的 AI 編程生態，但它的高度封閉也讓它逐漸成為一個「屬于英偉達」的世界。在 UALink 聯盟、OneAPI、MLIR 等開放生態興起的背景下，越來越多開發者和系統設計者開始追求跨平臺兼容、異構協同，而不是將命運綁定在一家公司的工具鏈上。

CUDA 一度是英偉達的護城河，但如今也在一定程度上成為了限制開發者自由流動的「生態高墻」。當更多廠商期望在不同架構間靈活切換，CUDA 的壁壘也可能成為他們轉身的理由。

回頭來看，英偉達固然仍然是今天最強的 AI 芯片廠商，站在技術、產品和市值的巔峰。但巔峰從來不是終點，它只是更多挑戰的起點。更關鍵的是，英偉達面對的不是一次技術換代的風險，而是一次由客戶主導的去中心化。正如前文所言：英偉達的世界第一，并不穩。