巨头自研芯片来袭：英伟达能否守住AI芯片市场？

黄仁勋终于迎来了他期盼已久的曙光。

本周，美国政府正式批准英伟达向中国及“其他获批客户”出售高端的H200 GPU芯片，但须向政府缴纳25%的销售提成。这一政策同样适用于AMD、英特尔等美国芯片巨头。不过，英伟达最新的Blackwell和未来的Rubin系列GPU仍禁止出口。

这标志着黄仁勋数月来的游说努力取得了成功。过去半年，他频繁访问佛罗里达和华盛顿，与特朗普总统一同出访、参加国宴，并捐款于白宫宴会厅建设工程，最终如愿以偿获得了解禁令。

受这一利好消息影响，英伟达股价盘后应声上涨。由于美国政府的连续加码禁运令，过去两年，英伟达在中国市场迅速失去份额，在AI GPU市场的份额从95%骤降至零。在数据中心业务方面，中国市场营收占比也从四分之一急剧下滑。

心急如焚的黄仁勋两个月前公开表示，“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，对英伟达的业绩也至关重要，因为中国AI GPU市场今年规模估计在200亿至300亿美元之间（中商产业研究院数据）。

然而，在努力争取中国市场的同时，黄仁勋或许还需担忧自家后院起火。因为谷歌、亚马逊、微软这三大AI芯片巨头（超大规模云服务商Hyperscalers）正加速普及自研芯片。

英伟达无疑是生成式AI时代的领军企业。在AI芯片这个万亿级市场中，凭借压倒性的性能优势和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。因此，英伟达成为全球最具价值的上市公司，市值一度突破5万亿美元。

尽管数据中心业务营收高达1300亿美元（最近财年），但英伟达存在巨大隐患：客户集中度过高，过度依赖几大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。

这些自研芯片的部署不仅会直接减少英伟达的订单，更可能在公开市场给英伟达带来威胁。与此同时，亚马逊、谷歌和微软正加速自研芯片和模型的部署，意图从训练到推理、从云端到本地、从通用模型到定制模型的整条AI赛道都掌握在自己手中。

AWS低成本推理杀手

在上周拉斯维加斯的re：Invent年度开发者大会上，亚马逊AWS公布了一系列重磅产品，展示了在AI热潮中占据市场主导和推动行业变化的雄心。

最引人注目的是亚马逊新一代自研AI芯片Trainium 3。媒体纷纷称其为“对英伟达的直接宣战”。Trainium 3是亚马逊自2022年以来的第三代AI芯片，主打低成本与高效推理。

AWS CEO马特·加曼宣布，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GPU系统相比，Trainium 3可节省50%的训练费用。现场演示显示，在Llama 3.1训练中，Trainium 3仅需24小时即可完成H100集群一周的任务。

AWS将Trainium 3定位为英伟达GPU的低成本替代品。他们表示，对于采用Neuron软件栈和Trainium实例的客户，基于Trainium的实例可将大型模型的训练成本（包括推理成本）降低高达约50%。

AWS此次大会的诸多发布显示了其自研方向：自研芯片、自研模型、私有化部署以及智能体全家桶，将整条AI赛道牢牢掌握在自己手中。这无疑会对AI基础设施市场的未来走向产生重大影响。

目前AWS在云计算市场保持巨大领先优势，市场份额超过三成，而微软与谷歌分别为20%与16%（基于Synergy Research的统计数据）。众多AI巨头与创业公司都在使用AWS云服务。上个月，OpenAI宣布与AWS签署合作协议，七年采购价值380亿美元的AI基础设施服务。

谷歌拉到Meta大客户

谷歌是行业最早自研芯片的巨头之一。其第一代TPU早在2016年发布，已成为挑战英伟达的行业标杆。上个月，谷歌在Cloud Next云计算大会上发布第七代TPU v7 Ironwood，进一步给英伟达带来压力。

Ironwood的核心亮点是性能跃升：单芯片FP8计算达4.6 PFLOPS（每秒1000万亿次浮点计算），比第五代TPU提升10倍，是第六代的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。与英伟达Blackwell相比，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TPU的演进从v1的纯训练芯片到v7原生支持FP8，覆盖从边缘设备到超大规模Pod的全栈。战略上，Google的TPU不仅是硬件更是云生态的“杀手锏”。

对英伟达来说，谷歌的威胁日益明显。2025年，谷歌的AI芯片市场份额预计达8%，尤其在占AI算力80%的推理领域。SemiAnalysis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可将训练成本降低40%，吸引了Meta等第三方客户。据媒体报道Meta已计划在2027年部署谷歌TPU以绕过英伟达芯片。这一打击对英伟达是双重打击。

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，微软在这方面暂时还在交学费。微软自研芯片首代Maia 100于2024年推出并大规模部署Azure AI。但原计划今年发布的Maia 200（代号Braga）的大规模量产已推迟至2026年。

Maia芯片的最大优势是与微软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·斯科特表示公司未来将“主要使用自家芯片”以减少对英伟达芯片的依赖。但这一目标却遭遇Maia量产推迟的打击。据媒体报道Maia 200量产延误因设计变更、仿真不稳定等技术与内部因素。

性能vs成本巅峰对决

尽管目前英伟达在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。三大巨头发布的最新自研芯片预示着明年将是一场“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但谷歌微软亚马逊的自研芯片只能强调成本优势。今年英伟达Blackwell架构B200 GPU单芯片FP8计算能力达20 PFLOPS比前代H100提升4倍。

四分之一市场份额

未来这些巨头自研芯片会达到多少份额？苏姿丰认为三大巨头的自研芯片可能在未来夺走四分之一的市场份额。“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的早期阶段软件开发者希望拥有实验新算法的灵活性。”