客製化晶片來了，Nvidia 的好日子要結束了嗎？

本文整理自 Deepwater Asset Management 旗下《DeepTech》Podcast 2025 年 9 月播出的單集。 🎬 YouTube：收看連結 🎧 Spotify：收聽連結 🎧 Apple Podcast：收聽連結

OpenAI 和晶片設計公司 Broadcom 簽下了一份價值超過 100 億美元的合約，要開發專為 OpenAI 設計的客製化 AI 晶片。幾乎在同一時間，Nvidia 宣布以 200 億美元收購 AI 推論晶片新創公司 Groq 的技術和團隊。

這兩則新聞放在一起看，透露出一個重要訊號：AI 晶片市場正在發生結構性的變化。

投資管理公司 Deepwater Asset Management 的合夥人 Doug Clinton 在《DeepTech》Podcast 中提出了一個大膽的判斷：AI 產業的敘事正在從「GPU 需求」轉向「客製化晶片需求」。這個轉變對 Nvidia 來說，可能是好消息，也可能是壞消息——取決於你用什麼時間尺度來看。

為什麼市值超過 1000 億美元的 AI 公司都想自己做晶片？

Doug Clinton 在節目中提出了一個明確的判斷：任何市值超過 1000 億美元的 AI 公司，最終都必須發展自己的客製化晶片。這不是選擇題，而是生存問題。

理由很直接：成本和效率。

Nvidia 的 GPU 是「通用型」晶片，設計目標是能夠處理各種不同的運算任務。這種通用性是它的優勢，讓 Nvidia 可以賣給各種不同的客戶。但通用性也意味著妥協——對於任何單一特定任務，通用型晶片都不會是「最佳化」的選擇。

客製化晶片（Broadcom 稱之為 XPU）則不同。它是專門為特定模型、特定用途設計的。當你知道這顆晶片只需要跑某一種模型時，你可以把所有不需要的功能都拿掉，把所有資源都集中在你需要的功能上。結果就是：更低的功耗、更高的效率、更低的單位運算成本。

Google 是這條路的先驅。早在 AI 熱潮之前，Google 就開發了自己的 TPU（Tensor Processing Unit），專門用來加速機器學習運算。Google 的 TPU 已經迭代了好幾代，目前在 Google 內部的 AI 工作負載中扮演關鍵角色。

Amazon 也走上了同樣的路。它的 Trainium 晶片用於訓練，Inferentia 晶片用於推論。這些晶片讓 Amazon 可以在自家的 AWS 平台上提供更有競爭力的 AI 運算服務。

現在，OpenAI 也加入了這個行列。它選擇和 Broadcom 合作，而不是自己從頭建立晶片設計團隊。這是一個務實的選擇——Broadcom 有豐富的客製化晶片設計經驗，而 OpenAI 的核心能力在模型開發，不在晶片設計。

Nvidia 的 GPU 和客製化晶片：不是取代，而是並存

這裡要釐清一個常見的誤解：客製化晶片的崛起，並不意味著 Nvidia 的 GPU 會被淘汰。

Gene Munster 在節目中強調，這兩種晶片服務的是不同的需求。如果你是一家雲端服務商，需要提供「什麼都能跑」的通用運算服務，你必須用 Nvidia 的 GPU。因為你的客戶會帶著各種不同的模型、不同的工作負載來找你，你沒辦法預測他們需要什麼，只能提供最通用的解決方案。

但如果你是 OpenAI，你很清楚自己要跑什麼模型。你的 GPT 系列模型有明確的架構，你知道它需要什麼樣的運算能力。在這種情況下，用一顆專門為 GPT 設計的晶片，會比用通用 GPU 更有效率。

這就是為什麼 Doug Clinton 說，客製化晶片和 Nvidia GPU 的關係是「並行發展」而非「取代」。大公司會同時增加兩種晶片的採購——用 GPU 來應對通用需求和新模型開發，用客製化晶片來優化已經穩定運行的核心工作負載。

從 Nvidia 的財報數據可以看出這個趨勢。Nvidia 2025 年 7 月季度的前六大客戶，佔了總營收的 63%。其中 Meta 佔比最高，約 23%；Google、Amazon、Microsoft 各佔 10% 到 15%。這些公司都在發展自己的客製化晶片，但同時也在持續增加對 Nvidia 的採購。

Nvidia 收購 Groq：一場 200 億美元的防禦戰

就在各家公司紛紛投入客製化晶片開發的同時，Nvidia 也沒有坐以待斃。2025 年 12 月，Nvidia 宣布以 200 億美元的代價，取得 AI 晶片新創公司 Groq 的技術授權和核心團隊。

這筆交易的結構很特別。Nvidia 並沒有「收購」Groq 這家公司本身。執行長黃仁勳在給員工的信中明確表示：「我們沒有收購 Groq 這家公司。」Groq 作為獨立公司仍然存在，它的雲端服務 GroqCloud 也會繼續運營。但 Groq 的創辦人 Jonathan Ross 和核心工程團隊，會加入 Nvidia。

為什麼要用這種複雜的結構？答案是反壟斷審查。Nvidia 目前在 AI 晶片市場的市佔率極高，如果直接收購它最大的「技術挑戰者」，幾乎肯定會觸發美國 FTC 和歐盟的嚴格審查，交易可能會拖上好幾年。透過「技術授權加人才聘僱」的方式，Nvidia 可以取得它想要的東西，同時避開最麻煩的監管障礙。

這筆交易之所以值得關注，是因為 Groq 代表的技術路線。Groq 的創辦人 Jonathan Ross 曾經在 Google 參與 TPU 的早期開發，他離開 Google 後創立 Groq，主打的是一種叫做 LPU（Language Processing Unit）的架構，專門針對 AI 推論（inference）進行最佳化。推論和訓練不同——訓練是讓 AI 模型「學習」，推論是讓已經學好的模型「工作」。目前大部分的 AI 運算成本都花在訓練上，但隨著 AI 應用越來越普及，推論的比重會越來越高。

Nvidia 願意花 200 億美元——這是它史上最大的一筆交易，比 2019 年以 70 億美元收購 Mellanox 還高出近三倍——來取得 Groq 的技術和人才，說明它對推論市場的重視。這是一場防禦戰：與其讓 Groq 成長為真正的威脅，不如現在就把它納入麾下。

對 Nvidia 的影響：短期無虞，長期存疑

回到最初的問題：客製化晶片的崛起，會不會終結 Nvidia 的好日子？

Gene Munster 和 Doug Clinton 的看法是：短期內不會，但長期存在不確定性。

短期來看，AI 運算的需求成長速度實在太快了。即使 Google、Amazon、OpenAI 都在發展自己的晶片，他們對 Nvidia GPU 的需求仍然在增加。這不是零和遊戲——整個市場的餅在快速變大，大到足以讓所有玩家都有成長空間。

Doug Clinton 在節目中做了一個簡單的計算。如果用主要客戶的資本支出成長率來推估 Nvidia 的營收成長，得出的數字大約在 30% 到 45% 之間。這和華爾街分析師的共識預估差不多。這個成長率對一家已經這麼大的公司來說，仍然非常驚人。

但長期來看，敘事可能比數字更重要。股票市場反映的不只是當前的業績，還有對未來的預期。當「客製化晶片」這個敘事越來越強，即使 Nvidia 的實際營收沒有受到影響，投資人的情緒也可能改變。這可能是 Nvidia 股價在過去幾個月相對疲軟的原因之一——Oracle 財報大漲 35% 那天，Nvidia 只漲了 3%。

更根本的問題是：AI 運算需求的成長曲線會是什麼形狀？如果成長持續加速，Nvidia 和客製化晶片可以共存共榮。但如果成長開始放緩，市場就會變成零和遊戲，客製化晶片吃掉的份額，就是從 Nvidia 口袋裡挖走的錢。

這對投資人意味著什麼？

對於關注科技股的投資人來說，這個趨勢提供了幾個思考方向。

第一，不要只盯著 Nvidia。AI 晶片市場正在多元化，Broadcom 這種提供客製化晶片設計服務的公司，可能是值得關注的標的。台積電作為所有這些晶片的製造商，也是一個「不管誰贏都會受益」的選擇。

第二，關注推論市場。目前大部分的關注都在 AI 訓練，但推論才是 AI 真正「賺錢」的地方。每一次你用 ChatGPT、每一次 Google 搜尋用 AI 生成摘要、每一次 Netflix 用 AI 推薦影片，背後都是推論運算。隨著 AI 應用越來越普及，推論的市場規模可能會超過訓練。Nvidia 收購 Groq，就是在為這個趨勢做準備。

第三，時間尺度很重要。如果你是短期交易者，Nvidia 仍然是 AI 主題最直接的受益者。如果你是長期投資者，需要思考五年、十年後的市場格局會是什麼樣子。客製化晶片的比重會持續上升，這幾乎是確定的。問題只是上升的速度有多快，以及 Nvidia 能不能成功轉型來應對這個變化。

AI 晶片市場正在經歷一場靜悄悄的革命。表面上看，Nvidia 仍然是無可爭議的霸主。但在表面之下，每一家大型 AI 公司都在為「後 Nvidia 時代」做準備。這不是因為 Nvidia 的產品不好——恰恰相反，正是因為 AI 運算太重要了，重要到這些公司不願意把命運完全交到別人手上。

這場革命的結局還不確定。但可以確定的是，五年後的 AI 晶片市場，會和今天看起來非常不同。