輝達Rubin Ultra規格減半，AI晶片競爭轉向量產執行力
nashnova research
英偉達發佈Rubin Ultra約三個月後砍掉4晶片方案、改用2晶片，性能預計接近減半——這意味著AI晶片的瓶頸已從設計能力轉向量產執行力。
規格為甚麼突然砍半？
原方案是4晶片版本，現已縮減為2晶片，規模約為原來的一半。
SemiAnalysis指出，調整原因是製造與量產執行風險——不是設計不出來，是造不出來、或造不夠快。
這意味著→ 先進AI晶片的真正難關已不在設計環節，而在晶片、HBM（高頻寬記憶體，為AI晶片高速供數據的記憶體）、先進封裝、互連、供電、散熱整條產線能否同步跟上。
競爭對手在搶甚麼？
Google TPU（張量處理器，Google自研的AI專用晶片）、Amazon Trainium、AMD正在擴大市場份額。
Anthropic旗下Claude已將部分推理負載部署在Trainium上，訓練則部署在TPU——大客戶正以實際行動擺脫對英偉達GPU的單一依賴。
簡單來說＝ 以前大模型公司幾乎只能揀英偉達，而家至少有三條替代路徑跑緊。
CUDA護城河仲喺度嗎？
英偉達CUDA生態（讓開發者在英偉達GPU上寫AI程式的軟件工具鏈）尚未消失，但覆蓋範圍正在被侵蝕。
AI算力市場正從英偉達高度主導，走向GPU與定制ASIC（為特定任務專門設計的晶片）並存的新格局。
這反映出一個更深層的信號：軟件生態的黏性可以拖慢客戶遷移，但擋不住有足夠動力同資源的大客戶另起爐灶。
真正的考驗是甚麼？
Rubin Ultra縮水本身不致命，真正的問題在於節奏：英偉達過去靠極強的產品迭代速度甩開對手。
若量產執行持續拖後腿，迭代節奏放慢，競爭對手追上來的窗口就會打開。
這意味著→ 接下來要睇的不是英偉達能否設計出更強的下一代，而是這一代能否按時、按量交到客戶手上——這將是判斷其市場地位能否守住的關鍵驗證節點。
市场有风险，内容仅供研究参考，不构成投资建议。