Elon Musk 近日宣布旗下太空探索事業體（SpaceX）將獨家採用 Nvidia GPU 晶片，預計未來數年將為 Nvidia 帶來數千億美元營收，鞏固其在 AI 訓練晶片市場的霸主地位。然而，隨著 AI 市場重心由「模型訓練」轉向「推論應用」，超微半導體（AMD）與博通（Broadcom）正憑藉成本與架構優勢，在規模上看似更龐大的推論晶片市場中快速崛起，可能成為比 Nvidia 更具爆發力的投資標的。
根據彭博情報（Bloomberg Intelligence）預估，AI 推論晶片市場將以年均複合成長率（CAGR）32% 高速擴張，至 2032 年規模將上看 1.3 兆美元，幾乎為 AI 訓練晶片市場（6,580 億美元）的兩倍。在這場典範轉移中，AMD 已手握 OpenAI 與 Meta 兩大客戶各逾千億美元的合作協議，並成功將 Anthropic 與微軟納入其 GPU 客戶名單；Broadcom 則憑藉 ASIC 客製晶片設計能力，協助 Alphabet、OpenAI 與 Meta 打造自有 AI 晶片，預期其 AI 營收將於下一會計年度翻倍至 1,150 億美元，並在 2028 年再度翻倍至 2,300 億美元。
這場 AI 晶片大戰的本質，並非單純的科技較量，而是「通用運算」與「客製化架構」之間的典範轉移與話語權爭奪。表面上 Musk 對 Nvidia 的加持鞏固了其在訓練晶片市場的地位，但更深層的衝突在於：當 AI 從「實驗室研發」走向「全球規模部署」，產業對晶片的需求邏輯正在發生根本性的結構性轉變。
Nvidia 憑藉 CUDA 軟體平台與免費授權策略，耗費近二十年培養出一整個世代的 AI 開發者，形成極深的「軟體護城河」。然而，推論工作負載對晶片的要求與訓練截然不同——它更重視記憶體存取速度、單位推論成本與能耗效率，而非單純的暴力運算。這使得 Nvidia 的護城河在推論市場中變得相對淺薄，競爭格局將由「誰能堆疊最多 CUDA 開發者」轉變為「誰能在成本與效能間取得最佳平衡」。
AMD 的戰略是雙軌並進：透過 ROCm 軟體平台追趕 CUDA 生態系，並透過其獨特的 chiplet 設計整合更多高頻寬記憶體（HBM），使其 GPU 天然適合推論工作負載。同時，AMD 近期收購記憶體優化公司 MEXT 與推論晶片設計商 Taalas，並推出內建 SRAM 的 Veral 邊緣運算晶片，展現其從雲端到邊緣的全面佈局意圖。此外，AMD 與 Cerebras 達成合作協議，將 Cerebras 超高速但高成本的晶片用於解碼階段（decode phase），自家 GPU 則負責預填充階段（pre-fill phase），形成與 Nvidia 抗衡的混合推論架構。
Broadcom 則採取「不與 Nvidia 正面對決、而是成為超大規模雲端業者自研晶片推手」的差異化路線。ASIC 晶片雖然彈性較差，但具備高效能與低功耗特性，對於極度重視推論成本的雲端業者極具吸引力。透過協助 Alphabet 設計張量處理器（TPU）、為 Meta 與 OpenAI 量身打造客製晶片，Broadcom 已穩坐「AI 晶片幕後軍火商」的關鍵角色。當 Anthropic 開始採用 Google TPU 晶片時，Broadcom 的營收將不再僅依賴一家雲端業者，而是橫跨多個 AI 巨頭的供應鏈核心。
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
經驗顯示，半導體產業的典範轉移往往遵循「訓練先行、推論跟進」的雙軌節奏——如同 1990 年代 CPU 運算先由伺服器驅動，爾後才擴散至個人電腦與行動裝置。AI 晶片市場的演進亦將循此邏輯：當前由 Nvidia 主導的訓練市場如同「Act 1」，而接下來的推論市場爆發則是規模上看 15 倍的「Act 2」。
01 起因觸發：Musk 宣布 SpaceX 獨家採用 Nvidia 晶片，引發市場對 AI 半導體供應鏈的高度關注與重新檢視
02 一階傳導：投資人與分析機構重新評估訓練晶片 vs. 推論晶片的市場結構，AMD 與 Broadcom 股價與估值面臨重估
03 二階擴散：超大規模雲端業者（Microsoft、Meta、OpenAI）加速自研 ASIC，繞過 Nvidia 的 GPU 壟斷，進一步推升 Broadcom 的代工與設計服務需求
04 宏觀終局：AI 半導體市場走向「訓練通用化、推論客製化」的雙軌格局，整體市場規模上看 2 兆美元，三強鼎立新秩序重塑全球科技供應鏈與地緣科技版圖
因果網路圖譜 3 節點
可拖曳節點 · 點兩下開啟文章