黄仁勋回顾 ASIC 发展指出，Google TPU 最大的优势在于前瞻性，「他们在市场尚未成形前就推出 TPU1，这和创业的道理相同，要在市场起飞前进场，而不是等市场已经是兆美元规模时才加入。」他批评业界常见的迷思——「市场够大，只要拿几个百分点市占就能成功」——是错误的，真正的关键是「先拿下小市场 100%，再等市场做大」。他说，NVIDIA 和 Google TPU 当年等于从零开始创造了一个全新产业。
如今市场已从单一 GPU 晶片演进成庞大的 AI 工厂 概念。黄仁勋表示，NVIDIA 除了持续强化 GPU，也推出针对特殊工作负载的处理器，例如最新的 CPX，专门应对上下文处理与扩散式影片生成，未来还会开发专门处理 AI 记忆体与 KV 快取管理的晶片。
黄仁勋强调，AI 工作负载变化极快，例如 Transformer 架构持续演进，若没有 CUDA 的可程式化与易迭代特性，开发者根本无法快速尝试新演算法与优化，「三、五年前 ASIC 公司切入时，产业还算可爱又简单，但如今市场规模已经巨大且复杂，再过两年将更难以想像，要在这样的规模才切入，挑战极高。」
黄仁勋以自身经验将晶片市场分成三大类型：架构型晶片（如 x86 CPU、ARM CPU、NVIDIA GPU），具备核心 IP 与完整软硬体生态系；ASIC 则适合早期小市场，但当需求庞大时，企业通常会改采「客户自有工具」（Customer-Owned Tooling, COT）模式，自行设计并直接与晶圆代工合作；第三是 应用型晶片，如影片转码器、智慧网路卡，市场规模有限，因此外包仍可行。他强调，若要打造 AI 核心运算引擎，需面对推理、影片生成、低延迟、高吞吐量等快速变化的工作负载，仅靠单一 ASIC 难以支撑，唯有平台型解决方案才能长期竞争。
面对外界质疑「低价 ASIC 可能威胁 NVIDIA」，黄仁勋以 TCO 论点回应，资料中心投资的核心在于效能与能源效率，而非硬体价格。他举例，光是土地、电力与机房就需投入 150 亿美元，如果效能每瓦比对手高一倍，客户就能在相同电力下创造两倍营收；反之，即使晶片免费，效能不足仍会导致巨额机会成本。
黄仁勋补充，NVIDIA 不断迭代产品，从 Blackwell、Rubin Ultra 到 Feynman，每一代最高可带来 30 倍性能提升，并与软体及供应链深度整合，形成完整平台优势，单靠一颗 ASIC 要挑战这样的生态系与性能叠代速度，几乎不可能。
黄仁勋指出，NVIDIA 已透过年度 GPU 更新节奏、与供应链深度合作，以及完整的 AI 工厂生态系，不断加深竞争护城河。
同时，NVIDIA 采取开放平台策略，推出 NVIDIA Dynamo（AI 工作负载拆解与编排开源方案），并提及近期与英特尔（Intel）宣布合作开发 NVLink Fusion 半客制化解决方案，结合全球企业广泛使用的 Intel 生态系与 NVIDIA AI 加速运算平台，打造客制化 AI 资料中心与 PC 处理器，「如果合作伙伴的产品足够好，我们乐于整合，这是双赢的局面。」
辉达在日前宣布投资英特尔50亿美元，双方将携手开发多世代的客制化资料中心与个人电脑（PC）产品的CPU，，加速超大规模企业、企业级与消费市场的应用与工作负载，市场预料，NVIDIA回防x86架构伺服器CPU市场，将超越过去合作紧密程度，并加强与竞争对手AMD的竞争优势。
點擊閱讀下一則新聞
