輝達（NVIDIA）近期在AI基礎建設領域引爆一場極具爭議的戰略位移——這家掌握全球AI加速運算高達八成以上市佔率的GPU產業巨擘，正大張旗鼓地投入自有AI模型的研發。這意味著輝達從純粹的「賣鏟子」角色，正式跨越至「同時下場挖礦」的雙重身分。
長期以來，輝達憑藉CUDA生態系、Hopper與即將問世的Blackwell架構GPU，以及NVLink高速互連技術，在大型語言模型（LLM）訓練市場中建立了幾近壟斷的護城河。微軟、Meta、Google、AWS乃至中國的阿里、騰訊與位元組跳動，皆是其H100與H200晶片的重度買家。
然而，當輝達以「全端AI供應商」之姿推出Nemotron等自有模型，並與Dell、慧與（HPE）等系統整合商推出「AI工廠」解決方案時，其最核心的晶片客戶正面臨一個前所未有的戰略困局：他們所仰賴的供應商，正同時成為他們在終端市場上最強勁的對手。這種「競合（Coopetition）」現象，在半導體產業史中實屬罕見。
輝達的競合策略本質上是一場精心計算的「垂直整合延伸」，其背後的利益角力遠比表面上更為複雜且深遠。這場衝突並非單純的商業摩擦，而是觸及了AI產業價值鏈的根本性重組。
第一、戰略動機的深層邏輯。輝達執行長黃仁勳深知，單靠賣硬體的商業模式有其天花板。隨著模型推論（Inference）成本佔比逐漸超越訓練成本，且客製化晶片（ASIC）如Google TPU、AWS Trainium與Meta MTIA的快速崛起，輝達必須向上攀爬價值鏈，確保即使硬體市佔遭蠶食，仍能透過軟體與模型授權維持營收動能。
第二、客戶信任的結構性裂痕。對微軟、Meta等砸下數百億美元採購GPU的雲端巨擘而言，輝達下場做模型無疑是「供應商背叛」的典型案例。這些客戶被迫思考：是否應加速轉向自研晶片？是否該把核心模型訓練從輝達硬體遷移至其他架構？這種信任的裂痕，極可能加速OpenAI籌備中的自研晶片計畫、Google TPU的外部商業化，以及AMD MI300系列的市佔率突破。
第三、競合的雙面刃效應。從正面解讀，輝達推出Nemotron系列模型，某種程度上是為了「展示其硬體的最佳效能」，類似於蘋果同時設計晶片與作業系統的封閉垂直整合模式。然而，從負面角度觀察，當供應商開始與客戶爭奪同一塊AI應用市場大餅時，客戶必然會尋求「去輝達化」的替代方案，這對輝達長期的生態系黏著度將形成反噬。
第四、中國市場的特殊變數。在中美晶片禁令框架下，華為、寒武紀等本土替代商正虎視眈眈。輝達在中國市場的市佔已從巔峰期的九成以上下滑至個位數。若輝達的「全端策略」能在中國以外市場立穩，將進一步迫使中國客戶在「被制裁的高階晶片」與「本土自研模型生態」之間做出更艱難的選擇。
戰略貿易流向與供應鏈依賴度
HS 8542資料來源：UN Comtrade 聯合國商品貿易統計庫 · 全球市場規模 $5,800 億美元 / 年
輝達的競合策略將在未來18至36個月內，引發AI基礎建設領域自GPU問世以來最劇烈的供應鏈重組。歷史經驗顯示，當關鍵零組件供應商嘗試垂直整合時，用戶端的反應往往呈現三種典型軌跡：
面對這場AI產業史上最複雜的競合變局，各方利害關係人應採取以下行動決策：
01 起因觸發：輝達推出自有AI模型（Nemotron系列），從純硬體供應商跨足模型層
02 一階傳導：微軟、Meta、Google等核心GPU客戶被迫重新評估供應商風險，加速自研晶片進程
03 二階擴散：AMD MI300系列、TPU外部商業化、博通客製化晶片業務迎來訂單轉移潮
04 三階深化：AI基礎建設市場出現「硬體中立」中間層業者（模型路由器、多雲編排平台）
05 地緣共振：中美晶片禁令下，中國AI生態系加速脫鉤輝達，華為昇騰、寒武紀受惠
06 宏觀終局：AI產業從「GPU軍備競賽」轉向「全端生態系爭霸」，市場集中度風險升高
因果網路圖譜 3 節點
可拖曳節點 · 點兩下開啟文章