事件专题 ·多源确认

NVIDIA 必须比前沿实验室更快地变成芯片公司——一场围绕定制 ASIC 的攻防

一篇关于 NVIDIA 未来命运的分析指出,其最大威胁来自自家客户:Google 已有 TPU,OpenAI 和 Meta 正与 Broadcom 合作开发定制 ASIC,Anthropic 组建了自研芯片团队,SpaceX/xAI/Tesla 则在推进 Terafab 项目。在递归自我改进(RSI)的框架下,每家前沿实验室和超大规模云厂商都必须成为芯片公司,否则就会输掉竞赛。 论证的核心机制是:纯软件层面的自我改进存在物理极限,软件无法改变芯片的带宽、内存容量和互联。要真正获得 RSI 的复利效应,必须让模型与芯片协同设计,形成双向反馈——更聪明的模型设计出更好的定制芯片,这些芯片再训练下一版模型。购买与所有人相同的 NVIDIA GPU 无法带来专有优势,而向 NVIDIA 提交下一代架构需求则意味着提前数年共享路线图。同时,AI 已能自动编写编译器、把 CUDA 内核移植到其他芯片,这直接侵蚀了 CUDA 护城河。 Jensen Huang 曾反驳称模型迭代太快,固定硬件的定制 ASIC 不比 GPU 更划算,且 Broadcom 等合作伙伴抽成不低。但文章认为,当 AI 参与协同设计时,硬件不会落后于模型变化;加上 RSI 需要 7×24 小时的内部推理,定制 ASIC 在成本和能效上远优于通用 GPU(NVIDIA 毛利率超 75%)。NVIDIA 的应对是收购 Groq(快速推理 IP)、Poolside + Nemotron(内部编码模型)和 Hugging Face(分发渠道),并押注开源权重模型来留住企业客户——否则企业将直接调用运行在实验室自有芯片上的 API。

当前结论

这篇讲透了前沿实验室为什么都在自研芯片:模型和芯片要一起迭代才有效果,买同款 GPU 拿不到任何专属优势。看完你会明白 NVIDIA 收购 Groq、Hugging Face 这些动作背后的焦虑,做基础设施或算力决策的人都该看看。

11 个信源61° AI 热度最后更新 2026/11/20 13:20:55

证据链

11 个信源
相关来源 5The Information
查看原文
相关来源 8PolymarketMoney
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。