2027年高端雲端AI加速器出貨量預計達2595萬片，ASIC首度超越GPU
nashnova research
DIGITIMES預測2027年全球高端雲AI加速器出貨量將達2595萬片，按年增長64.5%；其中ASIC首次超越GPU，這意味著雲巨頭正從「只買NVIDIA」走向自研晶片與外購並行的新格局。
2595萬片從哪來？誰在推動這輪增長？
2027年全球高端雲AI加速器出貨量預計達2595.1萬片，按年增長64.5%。
核心驅動力是Google、Amazon Web Services（AWS）等雲巨頭大規模量產自研ASIC（專用集成電路——為特定任務定製的晶片，不像GPU那樣通用）。
這意味著→ 增量不再只靠NVIDIA擴產，雲服務商自己造晶片已成為出貨量的主要增長極。
ASIC首超GPU——這個轉折點意味著甚麼？
ASIC出貨量預計達1526.2萬片，按年增長110.9%，首次超過GPU成為主流形態。
簡單來說＝ 以前雲計算買算力，基本等於買NVIDIA GPU；現在Google、Amazon開始大批量用自家晶片，採購邏輯變成了「自研+外購」雙軌並行。
這反映出雲巨頭不願把算力命脈全交給一家供應商，自研晶片既能控制成本，亦能針對自身業務深度優化。
NVIDIA仍是龍頭，但領先幅度在收窄？
NVIDIA 2027年預計出貨909.6萬片，按年增長18.2%，仍居首位，但市場份額降至35.1%。
Google出貨預計升至800.9萬片，按年增長134%，份額達30.9%，與NVIDIA差距收窄至僅4.2個百分點。
Google快速追趕靠的是自研TPU（張量處理器——專門為AI訓練和推理設計的晶片）v8的量產放量。這意味著→ NVIDIA雖然仍在增長，但增速已遠低於ASIC陣營，市場正從「一家獨大」變成「兩強對峙」。
下一代晶片準備好了嗎？產能爬坡到哪一步？
Amazon Trainium 3和NVIDIA Rubin架構GPU目前都處於產能爬坡階段。
下一代晶片封裝面積和堆疊層數持續增加，進一步推高對先進封裝材料的需求。
NVIDIA還在評估為Rubin Ultra採用分層HBM（高帶寬記憶體——一種把多層記憶體晶片垂直堆疊、大幅提升數據傳輸速度的技術）配置，以降低單晶片記憶體用量。這意味著→ 若落地，HBM各型號的需求分佈會重新洗牌。
真正的瓶頸不是晶片本身，而是甚麼？
DIGITIMES指出，供應鏈瓶頸正從晶片本身轉移至幾類關鍵元件：T-Glass（低熱膨脹係數玻璃基板）、高端ABF基板、高層數PCB（印刷電路板），以及HBM3E / HBM4 / HBM4E等高帶寬記憶體。
說白了＝ 晶片設計不是問題，問題是配套材料和零部件的產能跟不上——好比引擎造好了，但波箱供不上，整架車還是交不了。
這些元件的產能約束可能限制高規格產品的實際出貨節奏，材料端誰先擴產，誰就拿到出貨的主動權。
需求側還有哪些力量在推高算力消耗？
Microsoft、Amazon、Google、Meta、Oracle持續擴張AI數據中心及配套電力、網絡基礎設施。
OpenAI、Anthropic、新興雲服務商及主權AI項目亦在擴大GPU採購和雲算力租賃規模。
Agentic AI（智能體AI——不再是一問一答，而是自主拆解任務、多步驟規劃並反覆推理）顯著推升算力消耗。這意味著→ 需求端的擴張還遠未見頂，ASIC能否持續領先GPU，取決於各家自研晶片的量產良率與供應鏈配套能力。
市场有风险，内容仅供研究参考，不构成投资建议。