鉅亨網編譯莊閔棻
過去幾年，全球人工智慧（AI）運算幾乎清一色仰賴輝達 (NVDA-US) 的 GPU，但這個格局正在鬆動。摩根大通最新報告指出，雲端巨頭近年積極投入自研 AI 晶片（ASIC／XPU），預估到 2027 年，這類客製化晶片的出貨量將首次超越 GPU，標誌著 AI 硬體市場正式從「輝達獨大」邁入「雙軌並行」的新時代。
報告指出，這波轉變並非一時興起。Google(GOOGL-US) 的 TPU 架構已經發展到第七代；亞馬遜 (AMZN-US) AWS 的 Trainium 系列也在加速擴產；微軟 (MSFT-US) 有 Maia 晶片，Meta(META-US) 則持續推進 MTIA 路線圖。
換言之，主要雲端服務供應商已不再只是單純向輝達採購現成晶片，而是逐步建立屬於自己的晶片生態系。
摩根大通預估， 2026 年 ASIC 占全球 AI 晶片出貨量的比重約為 42%，明年將一舉躋身 53%，正式超越 GPU。
從成長速度來看，差距更加明顯。該行預計，今年 ASIC 出貨量預計年增 109%，遠高於 GPU 約 39% 的增速，顯示客製化晶片很可能成為未來幾年 AI 產業成長最快的領域。
具體到各家業者的部署規模，Google TPU 出貨量預估將由 2026 年的 450 萬顆，跳升至 2027 年的 800 萬顆；AWS Trainium 系列則預期由 190 萬顆增至 330 萬顆；微軟與 Meta 的自研晶片也將進入量產階段。
報告認為，儘管輝達 GPU 出貨量仍會持續成長，但市占率勢必遭到稀釋。
在這波變局中，摩根大通認為晶片代工與設計大廠博通 (AVGO-US) 將是最大受惠者。由於該公司深度參與 Google TPU、Meta MTIA，以及 OpenAI 的客製化晶片專案，摩根大通預估博通來自 AI ASIC 與網路業務的營收，將從 2026 年約 600 億美元，在 2027 年成長逾倍，突破 1500 億美元。
事實上，博通管理層先前已透露，2027 年在手訂單金額已超過 1000 億美元，而摩根大通認為這項數字可能還偏保守。
值得注意的是，下游 AI 公司的選擇也出現轉向。報告提到，Anthropic 目前大部分的算力合約已建立在 Trainium 與 TPU 架構上；而 OpenAI 規劃中、與博通合作的 10GW 專案，本質上同樣是走自研晶片路線。
這顯示，主要大型語言模型業者愈來愈傾向掌握自己的晶片藍圖，以求降低長期營運成本、強化競爭優勢。
報告特別強調一個容易被忽略的重點：推動這場轉變的根本因素並非資金成本，而是電力供應。
摩根大通指出，目前限制資料中心擴張規模的最大瓶頸已不是資本，而是電力是否充足。在電力資源日益吃緊的環境下，「每瓦效能」正逐漸成為 AI 時代最關鍵的競爭指標。
相較於設計上偏向通用用途的 GPU，客製化 ASIC 晶片可針對特定運算任務量身打造，省去大量不必要的通用運算模組，因此能在相同耗電量下提供更高的運算效能。
報告舉例指出，Google 最新一代 Ironwood TPU 的單位功耗效能，已是上一代 Trillium 的兩倍; 與 2015 年問世的第一代 TPU 相比，效率提升幅度更接近 30 倍。
在經過深度優化的特定工作負載下，TPU 等客製化系統甚至能展現遠高於傳統 GPU 的效能表現。
摩根大通認為，正是電力供應的限制，將驅動整個產業逐步轉向 ASIC 架構。
報告總結指出，過去十年，輝達靠著通用型 GPU 稱霸 AI 產業上半場，但隨著電力逐漸成為最稀缺的資源，未來十年整個產業的競爭邏輯可能出現根本轉變。
誰能在有限電力條件下提供更強運算效能，誰就有機會成為下一階段的贏家。
摩根大通分析師認為，未來 AI 產業鏈最大的變化，恐怕不是輝達被徹底取代，而是逐漸形成「輝達主攻通用運算、博通主攻客製化晶片」的雙寡頭格局。
報告甚至將這波轉變，類比為從 Intel CPU 架構轉向 ARM 架構的歷史轉折。決定勝負的關鍵，將不再只是運算規模的大小，而是每單位耗電量能創造多少運算效能。
換句話說，電力，正逐漸成為 AI 時代新的「摩爾定律」。
下一篇
