當 OpenAI 的「Jalapeño」自研晶片測試數據曝光、號稱推理效能超越 Blackwell 的那一刻，整個矽谷都豎起了耳朵。一家 AI 軟體巨頭，開始在硬體上跟自己的供應商比劃，這齣戲怎麼看都很有張力。

但黃仁勳在 26 日的電話會議上，語氣從容得就像在聊今天的天氣。面對分析師的提問——輝達大力投資 AI 生態系，但生態系裡的人卻想自己搞解決方案，這平衡怎麼抓？他給了一個很有意思的回答。

「我們打造的是截然不同的東西。」他說。

這句話很輕，背後的意思卻很重。因為黃仁勳沒有否認客戶自研晶片的能力，他只是在重新定義戰場：你們做的是「晶片」，我們做的是「平台」——一個橫跨所有雲端、涵蓋整個 AI 生命週期的完整 AI 工廠。

表象：客戶們的「造反」有理

老實說，客戶想自研晶片，一點都不讓人意外。看看這幾年台積電先進封裝產線前排隊的企業名單：Google 的 TPU、亞馬遜的 Trainium/Inferentia、微軟的 Maia，現在 OpenAI 的 Jalapeño 也加入了這場派對。

這些 XPU 的共同特色是什麼？針對單一雲端、單一服務設計的推論專用晶片。說白了，就是為了自家 workload 量身打造、省電省錢的「特規武器」。OpenAI 敢喊出「Jalapeño 效能超越 Blackwell」，顯然是有備而來。

「許多這類 XPU 都是針對單一雲端或單一服務設計的推論專用晶片，但輝達是一個平台，是涵蓋整個 AI 生命週期的完整 AI 工廠平台，而且可以在任何雲端使用。」——黃仁勳，輝達執行長

輝達目前仍掌握全球 AI 加速器市場超過 80% 的市占率，客戶自研晶片在短期內還難以撼動這個數字。不過，當 OpenAI 這類核心客戶開始「自己來」，市場自然會放大解讀。

真相：黃仁勳眼中的「平台護城河」

黃仁勳的真正底牌，其實藏在對話裡一個沒被太多人注意的句子：「這些 AI 服務將會在全球各地運行，而我認為，它們在全球各地都會運行在輝達平台上。」

這句話講的是什麼？是分散式部署的現實。任何一個 AI 服務，只要規模大到某個程度，就必須走向全球。但問題是，這些遍布全球的資料中心「未必全由 AI 服務業者自己興建」。AWS、GCP、Azure、還有各地大大小小的主機代管業者，他們買誰的卡？答案很可能是輝達。

「所有 AI 服務到了某個階段，都會希望走向全球，而這些資料中心未必全由 AI 服務業者自己興建。」

這就形成了一個有趣的局面：你可以自研晶片放在自己的機房裡用，但當你的服務需要部署到別人的地盤時，你還是得跟輝達打交道。這不是技術問題，這是基礎設施的政治問題。

換個角度想，自研晶片更像是「備援方案」或「成本控制手段」，而非「輝達替代方案」。真要取代，你得先複製 CUDA 生態系、AI 工廠的完整軟體堆疊，還有遍及全球的硬體足跡——這不是燒幾十億美元就能搞定的事。

黃仁勳強調，他百分之百有信心，輝達的技術將持續為客戶帶來卓越的效益。無論是資料處理、訓練、後訓練，還是代理式 AI 處理，採用輝達技術所帶來的經濟效益都將非常出色。

編輯觀點
從產業面來看，這波客戶自研晶片潮，與其說是威脅，不如說是 AI 市場成熟化的必然產物。當市場夠大，大客戶自然會想掌握關鍵零組件的自主權，這是產業常態。但黃仁勳很聰明，他從來不跟客戶比「誰的晶片更強」，他比的是「誰的生態系更完整」。輝達真正的護城河，不是算力，是「隨處可用的算力」。說句老實話，如果我是雲端業者的採購主管，自研晶片可以省 30% 成本，但為了那 30%，我得放棄全球部署的彈性——這筆帳算下來，答案不一定那麼直覺。未來的決勝點不在實驗室，在資料中心的機櫃裡。

各方角力：一場不對稱的戰爭

這其實不是一場「輝達 vs. 客戶」的零和賽局，更準確的形容，應該是「平台型玩家」與「特化型玩家」的共存賽局。

• 輝達（平台型）：打的是「通用、全面、隨處可用」的牌。你要訓練、推論、微調、代理式 AI？通通可以。在任何雲端、任何資料中心都能跑。缺點是貴、而且功耗驚人。
• OpenAI／Google／亞馬遜（特化型）：打的是「量身、省電、特定場景最優化」的牌。我的服務長怎樣，晶片就長怎樣。效率極大化，成本極小化。缺點是只能用在自家院子裡。

問題來了：當 AI 應用越來越分散、越來越邊緣化，誰的戰略更佔優勢？從黃仁勳的回答來看，他賭的是「沒人知道三年後的 AI 服務會長什麼樣子，所以你最好準備一個什麼都能跑的通用平台」。

有趣的是，從黃仁勳的談話中，你聽不到一絲焦慮。他不是在防堵客戶自研，他是在提醒市場：真正的戰場不是「誰的晶片快」，而是「誰的晶片哪裡都能用」。

深層影響：一場重新定義「護城河」的產業變局

這事件對整個 AI 硬體產業的啟示，其實比表面上看起來更深刻。

過去幾年，市場習慣用「算力」來衡量 AI 晶片的競爭力。誰的 FLOPS 高、誰的頻寬大，誰就是王者。但黃仁勳這次的發言，幾乎是公開在說：算力競賽已經不是重點，重點是「你的解決方案能覆蓋多少場景」。

這是一個典型的「從產品思維切換到平台思維」的案例。輝達在做的事情，其實跟蘋果當年從 Mac 切換到 iOS 生態系的邏輯很像——硬體只是入口，生態系才是黏著度的來源。你買的不只是晶片，是整個 AI 工廠的作業系統、開發工具、還有全球的相容性保證。

對客戶來說，自研晶片的價值當然存在，但它更像是一張「保險牌」。當輝達的價格太貴、排隊太長時，我有備案可以應急。但要把所有雞蛋從輝達的籃子裡拿出來？目前看來，還沒人敢這麼做。

未解之問：當 AI 變成水電之後

如果未來 AI 運算真的像水電一樣普及，輝達的角色會比較像「發電廠設備供應商」還是「國家電網營運商」？黃仁勳的答案顯然傾向後者——他不只是賣發電機，他在鋪設整個輸配電網絡。

但有一個問題他沒有回答：當客戶的自研晶片效能真的在某個特定場景上大幅超越輝達時，市場的認知會不會改變？畢竟，AI 應用的「長尾效應」正在發生，越來越多場景只需要推論、不需要訓練。而推論這塊，恰恰是 ASIC 最能發揮優勢的地方。

說到底，黃仁勳的信心來自於規模與生態系。但生態系的護城河，從來不是靠「我相信」就能永遠維持的。當客戶的 XPU 一代比一代強，當 AI 工作負載越來越集中於少數幾種模式——那個時候，輝達的「通用」會不會反而變成「昂貴的妥協」？

這個問題的答案，大概還要等個三、五年才看得清楚。但可以確定的是，黃仁勳已經在用他的方式，為這個可能的未來提前佈局了。

你認為，客戶自研晶片最終會撼動輝達的霸主地位，還是只是生態系中的一個小漣漪？也許真正的關鍵不在晶片本身，而在於：當每一個人都能自己做晶片的時候，「做晶片」這件事的價值，還剩下多少？

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

客戶自研 AI 晶片對輝達的市占率影響多大？

短期影響有限。輝達在全球 AI 加速器市場仍掌握超過 80% 的市占率，客戶自研晶片多為特定場景的補充方案，而非全面取代。中長期則需觀察 ASIC 在推論場景的滲透速度。

OpenAI 自研晶片 Jalapeño 真的超越 Blackwell 嗎？

Jalapeño 的效能超越說法僅限於特定推論場景，且數據來自 OpenAI 內部測試。在通用訓練、多場景部署等面向，Blackwell 仍具備顯著優勢。建議將此視為特定情境下的比較，而非全面超越。

為什麼客戶一邊買輝達晶片、一邊自己開發晶片？

這是典型的「成本控制＋備援策略」。自研晶片可針對自家服務場景最佳化，降低長期營運成本，同時也作為輝達產品的備援方案，提升供應鏈議價能力與韌性。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。