本文作者Robyn Mak為路透熱點透視專欄作家，以下內容僅代表其個人觀點

路透香港11月18日 - 人工智能$(AI)$熱潮中最大的意外之一就是，人人都想成為芯片製造商。幾十年來，科技企業將半導體的開發外包給像Nvidia(輝達/英偉達)NVDA.O這樣的專業廠商，因為這樣成本更低，效率更高。AI的興起改變了這一計算方式：AlphabetGOOGL.O、亞馬遜AMZN.O 、微軟MSFT.O和Meta PlatformsMETA.O等巨頭都在加強芯片自主研發工作。這種重造輪子背後是存在一定道理的。

蘋果公司AAPL.O早在2010年就開創了一條先河，當時它推出了搭載自主芯片的iPhone 4。當時，這家手機製造商還是個異類。但如今Nvidia在開發對訓練AI模型至關重要的先進圖形處理器(GPU)方面占主導地位，已迫使整個行業進行反思。科技巨頭們對依賴單一供應商提供如此關鍵的組件感到不安。Nvidia接近壟斷的地位也給予其巨大的定價權。據Visible Alpha，截至2026年1月的一年，Nvidia數據中心部門營收將達到1,870億美元，毛利率高達74%。

這場AI角逐還需要越來越強大的計算能力。儘管Nvidia取得了突飛猛進的發展，但去年的一項研究顯示，自2016年以來，訓練前沿AI模型的成本每年增長2.4倍。如果這種增長勢頭持續下去，到2027年訓練最大模型的成本將超過10億美元，這將進一步推動企業尋找更便宜的硬件。

這就是為什麼全球最大的雲計算供應商--Alphabet、亞馬遜和微軟--以及 Facebook所有者Meta一直在開發自己的定製處理器，即專用集成電路$(ASIC)$。這些半導體專為單一用途而設計，這與Nvidia或AMDAMD.O 提供的現成產品有所不同。

例如，Alphabet旗下的谷歌十多年前就開發了語音轉文字功能的張量處理單元(TPU)。如今，谷歌將TPU用於訓練AI模型以及回覆用戶問詢--這一過程被稱為推理。微軟、亞馬遜和Meta也紛紛效仿。上個月，Meta的一位高管證實，該公司計劃收購芯片初創公司Rivos，以增強其自研能力。

這種自主研發趨勢的一個好處是，企業可以更好地控制硬件，然後針對其特定的雲計算平臺和AI算法對硬件進行優化和定製。微軟認為，其「從芯片到服務」的戰略--包括從軟件、服務器、機架和冷卻系統的全方位數據中心定製，有助於提高其Azure雲服務用戶的性能和效率。

另一個優勢是「製造」定製芯片相對容易。這是因為企業將把半導體印刻到晶圓上這項挑戰交給了博通AVGO.O以及該行業規模較小的供應商Marvell TechnologyMRVL.O和聯發科 2454.TW等。這些公司不僅協助設計處理器，還與臺積電2330.TW等芯片代工廠合作，採購存儲組件等。伯恩斯坦分析師今年早些時候預測，AI專用芯片市場將以每年55%的速度增長，到2028年將達到600億美元規模。但根據Visible Alpha的估算，這一數字仍遠遜於Nvidia同期預計達到的營收規模3,750億美元。

不僅美國科技企業在推動自研芯片。中國巨頭阿里巴巴9988.HK和百度9888.HK也在開發自己的半導體，作為中國減少對美國技術依賴戰略的一部分。汽車製造商則在自動駕駛領域佈局定製芯片。據彭博社11月援引消息人士的話報道，這股熱潮已促使日本軟銀集團9984.T考慮收購市值750億美元的Marvell。 ChatGPT聊天機器人的開發商OpenAI在10月曾表示，將與博通聯合開發10千兆瓦的定製AI加速器。儘管這兩家公司沒有披露財務條款，但Nvidia執行長黃仁勳最近表示，1千兆瓦的數據中心容量可為公司帶來350億美元的營收。這意味着與OpenAI的合作意味着Nvidia損失3,500億美元的營收。但這並不一定意味着買方會更划算。OpenAI可能節省的大部分開支或許最終流入博通的口袋。伯恩斯坦分析師Mark Li認為，其ASIC業務毛利潤率高達60%。隨着時間的推移，企業可能會獲得足夠的芯片製造技術，直接與臺積電等製造商合作，就像蘋果公司現在所做的那樣。谷歌似乎走得最遠：伯恩斯坦的Li認為，該公司已經能夠自主完成核心「前端」芯片設計，並將很快把後端設計和外圍組件外包給收費低於博通的臺灣聯發科，此舉每年可節省50億美元的成本。

蘋果iPhone高達40%的毛利潤率表明，其垂直整合策略已見成效。不過，雲計算巨頭採取同樣做法的理由似乎不那麼充分。使用更便宜但性能較弱的定製芯片，可能在考慮土地、電力成本及其他基礎設施支出後，反而花費更多。

這一論點的關鍵在於Nvidia的技術優勢。摩根士丹利去年12月的一份分析指出，基於某些假設，在訓練AI模型時，最新的Blackwell GPU在訓練AI模型時的能效是亞馬遜Trainium 2芯片的1.9倍。換句話說，亞馬遜需要近兩倍的電力才能實現同等計算能力。這就解釋了為什麼在可預見的未來，最大的科技企業仍將是Nvidia的主要客戶。

即便如此，只要達到足夠規模，ASIC仍具經濟可行性。以計算需求較低的AI推理為例，據摩根士丹利估計，安裝一個由24,000個Blackwell處理器組成的集羣需承擔8.52億美元的前期硬件成本，按四年算每年折舊計提2.13億美元。同樣規模的谷歌TPU集羣硬件成本僅為9,900萬美元，每年折舊費用為2,500萬美元。開發芯片製造能力還將增強企業與Nvidia議價的籌碼。

最終，投資者將關注科技企業的投資回報。降低前期成本和運營成本可能會有所幫助，但ASIC仍需在性能上具備競爭力並能創造收入。這將決定重造芯片輪子是否值得。(完)

(編審 李爽)

((((shuang.li@thomsonreuters.com; 86-10-56692085))))