主權AI成晶片業下一增長極，輝達優勢最明顯
Alina Collins
雲端AI基礎設施增長趨於成熟，主權AI正接棒成為晶片需求的下一個驅動力——富士康董事長劉揚偉本周公開表態樂觀，但這塊市場並非對所有晶片廠商平等開放，英偉達憑藉軟硬件一體的生態佔據最有利位置。
AI算力需求的「四類買家」，目前只開發了一半？
劉揚偉將AI算力需求分為四類群體：大型模型開發商、雲服務商、政府、企業。
目前只有前兩類在大規模使用算力，政府和企業仍處於早期階段。
這意味著→ 當前晶片行業的AI收入，主要靠的是「半邊天」；另一半——主權AI和企業AI——還未真正放量，增長空間在後面。
為甚麼主權AI更偏愛「標準化晶片」，而非定製晶片？
自研晶片門檻極高：需要大規模工程團隊、數億美元起步的一次性工程費用（NRE），以及專屬編譯器和軟件團隊。
主權AI項目要同時處理語言模型訓練、政府服務、國防、科研等多種工作負載，專用單一功能晶片反而不夠靈活。
簡單來說＝ 主權AI不是一家互聯網公司只跑一種模型，甚麼都要跑——所以搭配成熟軟件生態的通用GPU是風險最低的選擇。
這場競爭裡，誰領先、誰追趕、誰還在敲門？
英偉達優勢最突出：能提供完整的硬件＋軟件系統，CUDA生態的市場黏性目前無人匹敵。
AMD硬件實力不弱，但其AI平台尚未達到CUDA的生態黏性，競爭力因此打折扣。
高通剛推出全棧雲端AI平台Dragonfly（涵蓋CPU與AI加速卡），屬於後來者，能否突圍待觀察。
初創企業方面，Groq的LPU已進入沙特，Cerebras正與阿聯酋合作——這反映出只要性價比夠強，小玩家也能拿到訂單。
ASIC供應商為甚麼在主權AI裡「路窄」？
ASIC（專用定製晶片）供應鏈在主權AI的擴張空間相對有限。
博通、Marvell、聯發科對主權AI的重視程度均低於標準化晶片廠商，最可能的切入點是網絡晶片，而非核心計算晶片。
這意味著→ 主權AI的蛋糕主要由通用GPU廠商切走，ASIC廠商只能在配套環節分一杯羹。
各國「去美國晶片依賴」的政策會怎樣改寫格局？
中國、歐洲、日本均已出台或規劃本土晶片開發政策，目標是至少在AI推理晶片層面使用國產產品。
主權AI與國家主權直接掛鈎，晶片製造和研發環節也可能出現本地化要求。
說白了＝ 各國政府買AI晶片不只看性能和價格，還看「這顆晶片是不是我自己能控制的」——這股力量會把一部分訂單從英偉達和AMD手中分流出去，長期重塑競爭版圖。
Content is for reference only, not financial advice.