AI芯片新纪元：巨头战略转向ASIC与Arm架构争夺战

2025年，人工智能浪潮在全球范围内持续高涨，算力作为数字时代的核心资源，其争夺战正深刻重塑半导体产业的格局。

英伟达凭借GPU在AI训练领域的绝对优势，占据超过90%的市场份额，市值突破4.5万亿美元，成为半导体行业的新王者。

但英伟达的领导地位并非固若金汤，AMD、博通、英特尔等竞争者虎视眈眈，意图从AI芯片市场中分一杯羹，行业形成一超多强的全新局面。英伟达通过软件与生态构建了坚固的护城河，几乎垄断了AI训练的上游体系；而其他芯片巨头与云服务商，则在悄然寻找新的突破点。

ASIC和Arm架构，正成为它们聚焦的关键目标。

英特尔

近年来，英特尔的处境并不乐观。

作为曾经的行业巨头，英特尔在芯片制造技术上难以匹敌台积电等对手，AI产品线也缺乏竞争力。相比之下，英伟达的AI芯片销售火爆，AMD拥有自家的AI芯片组合，而英特尔的下一个重磅产品Jaguar Shores预计要到2027年才亮相，其在AI领域的滞后显而易见。

面对困境，英特尔选择了一条差异化的道路。

据报道，英特尔近期成立了中央工程集团（CEG），整合公司内所有工程人才，由前Cadence Systems高管斯里尼·艾扬格领导。这位在2024年7月加入的高管，在定制芯片商业模式方面经验丰富，专注于IP业务、设计工具和生态系统合作。他的专长被认为能加速英特尔利用“ASIC热潮”的能力。

英特尔首席执行官陈立武在第三季度财报电话会议上明确表示，CEG集团将主导拓展新的ASIC和设计服务业务，为外部客户提供专用芯片。“这不仅将扩展我们核心x86 IP的覆盖范围，还将利用我们的设计优势，提供从通用到固定功能计算的全套解决方案。”这番话揭示了英特尔的战略转型——从纯粹的芯片制造商转向提供“设计+制造+封装”的一站式服务商。

英特尔在ASIC领域的最大优势在于其完整的产业链。作为老牌IDM企业，英特尔拥有芯片专业知识、x86 IP以及内部代工厂，能为寻求定制AI芯片的客户提供“一站式”服务。这是市场上其他ASIC设计公司难以比拟的优势，即使是博通和Marvell也望尘莫及。更重要的是，CEG集团实现了集中式的横向工程，大幅降低了设计服务与制造封装连接的开销。

报道指出，英特尔的ASIC业务可能将其代工厂转变为成功的服务提供商，吸引大型科技公司。在人工智能供应链中，从量产制造利润到ASIC设计费，存在诸多机会。如果执行得当，定制芯片业务或将成为英特尔的下一个增长引擎，赋予其系统代工厂的地位，掌控供应链的每个环节。

然而，英特尔面临的挑战同样严峻。英伟达近期宣布投资50亿美元收购英特尔约4%的股份，两家公司将合作开发“多代定制数据中心和PC产品”。这一合作为英特尔带来机遇，但也带来了复杂的竞合关系。数据中心芯片将是英特尔根据英伟达规格定制的x86芯片，英伟达将“把这些CPU集成到其AI基础设施平台中推向市场”。在消费级市场，英特尔计划打造集成英特尔CPU和Nvidia RTX GPU芯片组的x86 SoC，这可能意味着英特尔在未来产品中使用英伟达设计的图形芯片，而非自家的Arc GPU。

这引发了一系列未解问题。英特尔几十年来一直开发自己的图形产品，近期推出的Arc品牌显卡对英伟达的低端产品构成直接挑战。英特尔表示“将继续提供GPU产品”，但这可能意味着其将专注于低功耗GPU，而将高端市场留给英伟达。软件方面，英特尔一直在推广其oneAPI图形计算堆栈，以替代英伟达的CUDA和AMD的ROCm，但未来这一平台的命运充满不确定性。

更关键的是制造问题，英伟达采用英特尔18A制程或其他制程生产芯片的概率并不高。英特尔一直在寻找大客户，但英伟达CEO黄仁勋在相关问答中对台积电赞誉有加，称“台积电的工艺技术、执行节奏、产能和基础设施的规模，以及业务运营的敏捷性……所有这些魔力汇聚在一起，成就了一家世界级代工厂，能够支持客户多样化的需求。台积电的魔力无以言表。”这暗示英伟达短期内不太可能大规模转向英特尔代工。

对英特尔而言，转向ASIC设计服务是在困境中寻找新增长曲线的必然选择。在人工智能浪潮中错失先机的英特尔，希望通过提供完整的设计和制造服务，在AI芯片市场找到立足点。但这绝非易事，尤其在AI市场竞争激烈以及博通等ASIC设计公司不断壮大的背景下。英特尔能否抓住这一机遇，将决定这家昔日芯片霸主能否在AI时代重振雄风。

高通

相较于英特尔的无奈，高通的选择显得更为激进。

这家一直专注于无线连接和移动设备半导体的公司，正大举进军大型数据中心市场，直接挑战英伟达和AMD在AI推理领域的地位。近日，高通宣布将发布新的人工智能加速器芯片AI200和AI250，消息一出，高通股价飙升11%，市场对这一转型给予了高度认可。

据报道，高通计划于2026年上市的AI200和2027年上市的AI250均可装入液冷服务器机架系统，这标志着高通正式进入数据中心领域，成为增长最快市场的新竞争者。据麦肯锡估计，到2030年，数据中心的资本支出将接近6.7万亿美元，其中大部分将用于基于AI芯片的系统。

报道指出，高通的数据中心芯片基于其智能手机芯片中的Hexagon神经处理单元（NPU）。近年来，该公司持续改进Hexagon NPU，最新版本已配备标量、矢量和张量加速器（采用12+8+1配置），支持INT2、INT4、INT8、INT16、FP8、FP16等数据格式，并具备微块推理、64位内存寻址、虚拟化和Gen AI模型加密等功能。对高通而言，将Hexagon扩展到数据中心工作负载是自然延伸。

高通数据中心和边缘计算总经理杜尔加·马拉迪在电话会议上表示：“我们首先在其他领域证明自己，一旦在那里建立了实力，就更容易在数据中心层面更上一层楼。”这句话揭示了高通的战略逻辑——从移动端AI能力积累，向数据中心市场拓展。

据了解，高通的AI200机架级解决方案配备768GB LPDDR内存，对于推理加速器而言，这已是相当可观的容量，高于英伟达和AMD的产品。该系统使用PCIe互连实现纵向扩展，以太网实现横向扩展，采用直接液冷，每机架功率高达160kW，并支持机密计算。该解决方案预计2026年上市。

2027年推出的AI250将保留相同架构，但增加近内存计算架构，有效内存带宽提升10倍以上。此外，该系统支持分解推理功能，允许计算和内存资源在不同卡之间动态共享。高通将其定位为更高效、高带宽的解决方案，针对大型Transformer模型优化，同时保持与AI200相同的散热、安全性和可扩展性。

高通明确表示，其芯片专注于推理或运行AI模型，而非训练。这是一个明智的差异化策略，避开了英伟达占主导的训练市场。OpenAI等实验室通过处理TB级数据创造新AI能力，需要强大训练芯片，而高通选择专注于已训练模型的运行和部署，这是一个同样庞大但竞争较小的市场。

高通称，其机架式系统将降低云服务提供商等客户的运营成本，一个机架功耗160千瓦，与某些英伟达GPU机架相当，但在推理场景中能提供更好的性能功耗比。高通还在功耗、拥有成本以及内存处理新方法上强调其优势。

马拉迪强调，高通还将单独出售AI芯片和其他部件，尤其是针对喜欢自行设计机架的超大规模数据中心客户。他表示，其他AI芯片公司如英伟达或AMD，甚至可能成为高通部分数据中心部件的客户。“我们确保客户能够选择全部购买，或混合搭配。”这种灵活商业模式为高通打开了更多市场空间。

高通的市场验证已启动。2024年5月，高通宣布与沙特阿拉伯的Humain公司合作，为该地区数据中心提供AI推理芯片。Humain将成为高通的客户，承诺部署最多可使用200兆瓦电力的系统。

除了硬件平台，高通还在构建针对大规模推理优化的超大规模端到端软件平台。该平台支持主要机器学习和生成式AI工具集，包括PyTorch、ONNX、vLLM、LangChain和CrewAI，实现无缝模型部署。软件堆栈支持分解式服务、机密计算以及预训练模型的一键式加载，以简化部署。

马拉迪表示：“我们丰富的软件栈和开放的生态系统支持，使开发者和企业能够更轻松地在我们优化的AI推理解决方案上集成、管理和扩展已训练好的AI模型。Qualcomm AI200和AI250无缝兼容领先的AI框架，支持一键式模型部署，旨在实现无缝应用和快速创新。”

高通转向数据中心AI推理市场的原因多样。首先，该行业一直由英伟达主导，GPU占据超90%市场份额，但像OpenAI这样的公司一直在寻找替代方案。谷歌、亚马逊和微软也在为其云服务开发自己的AI加速器，这为新进入者创造了机会。其次，推理市场规模快速增长，随着更多AI模型部署到生产环境，推理需求将远超训练需求。第三，高通在移动端积累的Hexagon NPU技术为其进军数据中心提供了技术基础，这是一种从边缘到云端的自然延伸。

高通发布全新AI芯片，标志着传统市场边界正在模糊，移动芯片厂商进军数据中心，而数据中心芯片厂商向边缘设备延伸，形成你中有我、我中有你的新竞争格局。

联发科

无独有偶，同样是移动芯片厂商的联发科也在进军AI。这家传统手机芯片厂商正成为云端ASIC设计服务的重要玩家，与博通等市场领导者直面竞争，并已拿下谷歌、Meta等科技巨头订单。

去年，联发科宣布与英伟达合作，而在今年英伟达GTC大会上，联发科介绍了其Premium ASIC设计服务，显示合作扩展至IP领域，提供更弹性的商业模式，能提供各式客制化芯片/HBM4E等，并具有丰富的Cell Library，以及先进制程、先进封装经验，提供定制化芯片完整解决方案。

联发科的核心竞争力在于其SerDes技术。联发科指出，其SerDes技术为ASIC核心优势，涵盖芯片互连、高速I/O、先进封装与内存整合。其中，112Gb/s DSP基于PAM-4接收器，于4纳米FinFET制程打造，实现超过52dB损耗补偿，意味更低信号衰减、更强抗干扰特性。该技术不仅适用于以太网络、光纤长距传输，联发科更推出专为数据中心使用的224G Serdes，并已完成硅验证。

近日，联发科正式宣布与英伟达合作设计GB10 Grace Blackwell超级芯片，该芯片将为新推出的NVIDIA DGX Spark提供动力。DGX Spark是一款个人AI超级计算机，旨在帮助开发者在桌面上构建原型、微调和推断大型AI模型。

据了解，GB10 Grace Blackwell超级芯片由最新一代Blackwell GPU与Grace 20核Arm CPU组合而成，运用了联发科在设计节能、高性能CPU、内存子系统和高速接口方面的专业知识。该配置提供128GB统一内存，并提供高达1 PFLOP的AI性能，以加速模型调优和实时推理。这使得开发人员能够在本地处理高达2000亿个参数的大型AI模型。此外，系统内置ConnectX-7网络技术，可将两个DGX Spark系统连接，从而对高达4050亿个参数的模型进行推理。DGX Spark的节能性能足以使用标准电源插座，其紧凑设计使其能轻松放置在桌面上。

除了与英伟达合作，联发科也在效仿博通和Marvell争取云服务提供商市场。根据调研机构，部分CSP已在评估英伟达及联发科的IP组合定制化设计芯片。尽管谷歌TPU进度稍延，第七代TPU预计明年第三季投入量产，但采用3nm制程有望为联发科增加超过20亿美元贡献。供应链透露，谷歌第八代TPU将开始采用台积电2nm制程，持续在先进制程领域维持领先。

联发科的另一个重大突破来自Meta。联发科和博通争夺Meta的新ASIC项目，业内人士强调两家公司表现相当。但近期报道表明，联发科即将获得Meta即将推出的2nm工艺ASIC大额订单，该芯片代号“Arke”，专注于后训练和推理功能，可能在2027年上半年量产。

据IC设计公司透露，联发科在此次产品竞赛中胜出，将是其获得的第二笔重要CSP客户订单。熟悉ASIC领域的业内人士指出，Arke原本不在Meta的初始计划中。在Iris芯片计划2025年底量产后，Meta曾计划推出另一款采用N2P工艺的ASIC，名为Olympus。但考虑到实际需求和成本效益，Meta中途推出专用于推理的芯片Arke。因此，Olympus将重新定位为专为训练设计的ASIC，以与英伟达未来GPU竞争，发布时间推迟到2028年。

Meta之前的产品主要由ASIC市场领导者博通开发。但联发科与Meta已有合作关系，例如Meta早期自主研发的智能眼镜芯片就是与联发科合作开发的，这在ASIC领域奠定了坚实基础。因此，联发科可能获得Meta对新款Arke产品的青睐，并不完全出乎意料。

业内人士表示，在与谷歌关系稳定后，联发科需要扩大合作范围，以在云端ASIC市场建立更大影响力。近期，市场观察到CSP巨头的ASIC设计策略和规划发生了变化。尽管云端AI使用量巨大且供应紧张，但CSP已调整策略以提升成本效益。以前，技术合规性和集成能力是优先考虑，而往往忽略成本。如今，随着对云端AI市场实际动态和芯片设计细节的洞察越来越清晰，CSP也致力于开发更实用、更经济的产品。在这种大环境下，联发科的成本优势逐渐显现。

联发科转向ASIC的原因与其独特市场定位有关。作为一家中国台湾芯片设计公司，联发科在手机芯片市场面临激烈竞争，利润率受到挤压。ASIC设计服务为联发科提供了更高利润率和更稳定的客户关系。同时，联发科在先进制程、高速接口、内存整合等方面的技术积累，使其能为云服务提供商提供差异化解决方案。更重要的是，联发科通过与英伟达的合作，获得了进入高端AI市场的入场券，这是其独立发展难以实现的。

AMD

与其他厂商相比，AMD在ASIC领域的动作相对低调，但其正在开发的基于Arm架构的产品显示出对未来市场的战略思考。据一篇行业杂志泄露的信息，AMD正在开发一款代号为“Sound Wave”的基于Arm的APU，将于明年晚些时候发布。

这篇题为《AMD正在开发基于Arm的APU，代号为Sound Wave》的短文被泄露，甚至还附上了部分海关申报单，显示了包裹尺寸。一段时间以来，一直有传言称AMD正在开发基于Arm的设备，但这篇最新泄露的文章透露了其大致规格，包括相当小的32mm x 27mm BGA封装，包含六个CPU核心（两个P核心+四个E核心）和一个RDNA架构GPU，这让它看起来更加现实。目前，用于评估电气特性的电路板正在发货。

从小巧封装看，该设备似乎瞄准移动应用，并将充分利用Arm架构的省电特性。与英特尔共享x86架构CPU市场的AMD在PC/服务器市场竞争激烈，但近年来，AMD一直与台积电合作，按照路线图将基于Zen架构的高性能CPU推向市场，并稳步抢占英特尔市场份额。

首席执行官苏姿丰长期以来奉行通过x86架构巩固高端市场地位以确保更高利润率的产品战略，但现在似乎是时候将在移动领域市场份额不断扩大的Arm架构融入到自己的CPU中。为数据中心市场供应高性能CPU/GPU的AMD似乎意识到了边缘设备上AI工作负载的未来增长领域。

AMD此前也曾开发过采用Arm架构的CPU，但那次开发最终只是Opteron品牌下名为“A1100”的一次性服务器CPU产品。AMD于2003年凭借K8架构的Opteron品牌进军服务器市场。之后，他们进一步升级流水线结构，并试图以主打高主频的Bulldozer核心架构巩固其地位。然而，产品层面的实际性能并未提升，这一尝试最终失败。结果，AMD在市场上长期缺乏足够产品与英特尔竞争。

AMD重返服务器市场的时间被推迟到2017年，直到推出Zen架构产品。A1100 Arm架构服务器CPU是AMD在艰难时期经过反复试验后，开发出来的节能服务器处理器。当时，Arm架构尚未在服务器市场被接受，市场吸引力不大，但AMD推出了K12项目作为后继架构。

K12项目旨在推出一个平台，其解码器兼容x86和Arm指令集，并且引脚兼容x86和Arm。当时，AMD将其称为“双架构计算”，甚至发布了技术概述。但最终，K12项目在发布之前就被取消，原因是管理层决定优先开发Zen架构，以重新夺回x86市场的主导地位。现任AI处理器初创公司Tenstorrent首席执行官的Jim Keller当时负责AMD架构开发的工程工作，在一次回顾那段时光的采访中，他表示：“那是一个严重的管理失误。”

英伟达近期宣布入股英特尔，并在x86市场展开合作，这对两家公司都是利好，但与此同时，扎根x86市场的AMD也有了新的危机感。

事实上，AMD所处的环境自10年前以来发生了翻天覆地的变化，一方面，技术创新的主流已经从CPU转向GPU，另一方面，随着chiplet架构的发展，引脚兼容的概念已经过时，最重要的是，AMD现在拥有同时开发两种不同架构的财力。

对AMD而言，押注Arm似乎是面临自身GPU短期难以直接与英伟达竞争情况下，相对最合理的选择之一。

巨头转向

为何巨头纷纷“变心”？

事实上，随着如今AI发展进入深水区，GPU赖以为傲的通用性反而成了束缚，随着AI模型的参数量和部署规模呈指数级上升，给了ASIC与Arm登上舞台的契机。

从底层逻辑看，巨头之所以纷纷押注Arm与ASIC，是因为AI时代的算力需求已经从“通用计算”转向“专用计算”。

GPU之所以在早期称霸，是因为它为AI训练提供了足够的并行计算能力，能灵活应对不同模型的训练需求；但在AI模型进入部署和推理阶段后，能耗、延迟、成本成为新的关键约束，通用GPU庞大的架构反而带来了冗余。ASIC恰恰通过“定制化计算路径”实现了极致的能效比，在不牺牲性能的前提下，将每一颗晶体管都用于最关键的运算任务。

与此同时，Arm架构成为这一趋势的自然延伸。其低功耗、高可扩展的特性，使其在AI推理、边缘计算、智能终端中获得青睐。无论是亚马逊和微软，还是谷歌和Meta，都在用事实证明：x86的霸权正在被削弱，而Arm的灵活授权模式与开放生态正成为AI基础设施的新底座。

对传统巨头而言，转向Arm和ASIC的战略并非单纯的“追风口”，而是一场突破瓶颈，力图争取更大市场的结构性转型：

英特尔希望以ASIC定制服务为突破口，弥补AI芯片代工与设计的落差，借助自身IDM模式打造设计+制造+封装的系统型竞争力；

高通借助移动端的Hexagon NPU积累，从边缘AI向云端推理延伸，意图通过低功耗ASIC系统重塑数据中心能效结构；

联发科依托高速SerDes与内存整合优势，切入CSP的AI ASIC供应链，用高性能+高性价比赢得谷歌与Meta订单；

AMD则以Arm架构探索新型APU，试图在PC与低功耗AI场景建立差异化优势，避免被英伟达与x86生态完全锁死。

最后，更深层次的原因在于：AI芯片产业的价值重心正在“去中心化”。过去，芯片公司卖的是产品，而现在卖的是能力——算力、IP、设计服务、生态接口。定制化的ASIC与可授权的Arm架构，恰好构成了这种去中心化的底层载体，让不同公司能够在特定场景中重新定义竞争规则。

因此，当GPU的黄金时代进入瓶颈期，AI算力的竞争正悄然分流：一条通向“更通用、更昂贵”的高端GPU计算；另一条，则走向“更专用、更高效”的ASIC+Arm体系。

展望未来，AI基础设施将愈来愈往专用芯片而非通用芯片靠拢，届时谁能争取更多的云巨头订单，谁就有望在下一个半导体行业的十年里独占鳌头。