AI 晶片霸主不保？輝達 Nvidia 面對自研 ASIC 晶片該如何回應

最後更新日期：2023年09月06日

Nvidia CEO 黃仁勳表示「人工智慧的 iPhone 時刻已經來臨」，AI 將全面改變所有公司、人們的運作方式，所有企業都應當擁抱人工智慧，日前開出了亮眼的財報表現，並提出了爆炸性的預期數字，這個目前公認在 AI 市場最大贏家的公司真的沒有對手能夠威脅到他的霸位嗎？以下將針對 Nvidia 近期所發布其 AI 晶片一系列的消息以及比較 ASIC 晶片的差異。

重點摘要

輝達 Nvidia 最新財報表現

首先了解目前市場稱之 AI 最大贏家的輝達 Nvidia，究竟因 AI 人工智慧提升了多少的業績表現。在最新法說會中開出了一個相當優秀的成績，整體表現皆優於預期。本季營收為創歷史新高的 135.1 億美元，同比增長為驚人的 101%、環比增長為 88%。其中數據中心業務營收受到生成式AI需求的推動，同比增長 171 %、環比增長 141%，為創紀錄的 103.2 億美元，如下圖一。遊戲部門業務則年增 22%，貢獻 24.9 億美元；汽車部門營收則為 2.53 億美元；專業可視化業務則有 3.79 億美元的表現。公司表示本季度數據中心業務創新高的原因，仍舊為大型互聯網企業客戶與雲端服務提供商(CSP) 對使用 Hopper 和 Ampere 架構的 GPU，也就是 H100 以及 A100 晶片，在生成式 AI 和大型語言模型的需求不斷增長所導致。

由於加密貨幣挖礦潮退燒，近幾季 Nvidia 遊戲顯卡銷量大幅降低，非消費性領域的資料中心晶片成為公司營收的支柱，於 22Q1 占比達 45% 為第一大業務，受惠於 AI 人工智慧需求的暴增，目前則有 7 成的占比，如下圖二，持續推升著公司整體的營收成長。

Nvidia CEO 黃仁勳於電話會議中表示，電腦產業正同時經歷兩個轉變：加速運算和生成式 AI。全球價值一兆美元的已安裝數據中心基礎設施，將從一般目的轉變為加速運算，因為企業開始競相將生成式 AI 應用到產品、服務和業務流程中，而當中的關鍵便是 GPU。

Nvidia(NVDA) 一直是 AI 晶片供應上的領先者，推出的 AI 晶片都是業界首選甚至是唯一選。從 2020 年發布採用 Ampere 架構的晶片 A100，可根據需求在 AI 訓練與推論兩種作業之間切換，有助降低整體成本。Open AI 即是選用由 A100 晶片組成的 HGX A100 系統，約 28,936 個 GPU 晶片來替 ChatGPT 進行訓練、推論。在 2022 年則發布採用最新架構 Hopper GPU 的 H100 晶片，並採用台積電(TSMC) 的 4N 節點製程，據官方給出的數據顯示，H100 最高可達到高於 A100 效能的 30 倍之多。並在日前公司宣布 DGX H100 系統生產順利，將開始出貨，特色在於是搭載 8 個 Nvidia H100 GPU 的超級電腦，將運用於世界各地幫助各產業啟用生成式 AI 系統。

產業競爭狀態

研究機構 TrendForce 最新的預估，因發現近期 AI 伺服器與晶片需求看漲，2023 年搭載 AI 晶片的伺服器（包含 GPU、FPGA、ASIC）出貨量將近 120 萬台，年增 38.4%，占整體伺服器出貨量近 9%；至 2026 年將占 15%，並上修 2022 ~ 2026 年 AI 伺服器出貨量年複合成長率從 10.8% 至 22%；而整體 AI 晶片 2023 年出貨量預估將成長 46%。

我們在【產品關鍵數據】生成式 AI 概念股有哪些？生成式 AI 浪潮下誰會是贏家？文章中介紹了 AI 運算晶片的種類，目前仍以通用 GPU 晶片最為大宗，因善於多工處理且通用度高成為首選，而以特殊算法製作的客製化晶片 ASIC 則有較為優秀的功能速度。根據 TrendForce 報告中可以了解到，目前 AI 伺服器主流使用搭載的是 Nvidia GPU，市占率達60~70%，其次為其他科技業者自行開發的 ASIC 晶片，市占率逾 20%。

客製化晶片 ASIC，為專門處理相對應的 AI 運算任務所誕生，因為客製處理其效能表現上會優於通用 GPU 的表現，但當需求出現變化時或是運算上任務上的改變，該晶片將有可能失去所有作用，無法進行支援。目前因通用 GPU 市售價格昂貴，例如 Nvidia H100 晶片市售價超過 1 萬美元，且因訂單量大增交貨週期加長，各間科技巨頭均開始著手投入自家 ASIC 晶片，減少對單一公司的過分依賴，加速 AI 模型訓練或推論的速度，包含了 Google、Meta 以及 Amzon 等公司。

Google 算是最早自行研發 ASIC 的巨頭，自 2015 年以來 Google 就開始於內部使自研的張量處理器(TPU)。據公司聲稱最新的第四代 TPU 讓深度學習效能提升 10 倍以上，並且降低 20倍以上的二氧化碳排量。且強調相比 Nvidia 的 A100 晶片，第四代 TPU 加速器在相同建置規模下的算力表現約提升 1.7 倍，能耗部分則降低 1.9 倍。除了用於進行內部 AIGC 大型語言模型 PaLM-2 和 Imagen 外，也對外提供 TPU，如 AI 新創 Midjourney 提供以文字自動生成圖像的生成式 AI 服務，亦是由第四代 TPU 加速器為設計的超級電腦訓練其模型。

MTIA (全名 Meta Training and Inference Accelerator)，是 Meta 首款自行研發的客製化 AI 晶片，考量成本因素以及跟上 Google 的 TPU 競爭步調，為公司內部工作打造，主要針對推論工作以及演算系統的任務，提供超過 CPU 更強大的運算能力，據傳採用由台積電(TSMC) 製成的 7奈米晶片，並預計於 2025 年正式推出。

為了因應加速 AI 需求以及成本考量，Amazon(AMZN) 也在近幾年推出 AI 晶片：Inferentia 與 Trainium 。Inferentia 是推論專用晶片，在處理 AI 運算任務時，能比一般 GPU 架構有更高傳輸量、更低延遲的表現，但卻能同時降低運算成本；Trainium 為訓練專用晶片，能優化圖片分類、翻譯、語音識別、推薦引擎等深度學習訓練任務，並與 AWS 上的 AI/ML 開發環境 SageMaker 搭配有著更出色的運算表現。

公司未來預期

各間巨頭紛紛轉向自行研發 AI 晶片，Nvidia 也深知自己將面對到的挑戰，CEO 黃仁勳於今年 GTC (GPU Technology Conference) 技術大會上端出了一系列新產品與服務企圖鞏固住其在 AI 領域的霸主地位。

與 Oracle甲骨文公司合作推出 DGX Cloud 雲端伺服器服務，將原本販賣昂貴的硬體設備 DGX H100，改成以其進行運算的雲服務，這將使 AI 進入門檻降低，一些因預算問題而無法引用 AI 服務的公司都能藉由 DGX Cloud 使用 Nvidia 的高級運算晶片。

此外，因應客製化晶片 ASIC 的挑戰，Nvidia 推出四大推論平台並包含大量加速函式庫，分別有影音處理的 L4、影像生成的 L40、部署大型語言模型的 H100 NVL，以及處理推薦系統的 Grace Hopper。如此將拉近通用 GPU 在特定推論運算表現與 ASIC 的差距，並顯現通用性的優點。

財務上 Nvidia 對於下季度開出驚人的財務預測，營收預估將達到 110 億美元，足足高出華爾街分析師的 71.5 億美元，展現了公司對於 AI 樂觀的前景以及其受益程度超出市場預期的狀況，並表示這樣的增長將由數據中心的需求為驅動且可以預期將延長幾個季度，公司也將於下半年大幅增加採購量以確保穩定的供給。受亮眼財報表現及財測激勵下，Nvidia(NVDA) 當天盤後股價隨即狂噴 24.63% 至 380.6 元，此後一路上漲推升公司市值衝破一兆美元，是首家達此門檻的半導體公司。

透過 Growin AI 個股探勘觀察 Nvidia(NVDA) 表現，我們可以發現 NVDA 趨勢面目前獲得 AI 最高 5 分的評分，主要原因為短、中長期均線訊號偏多以及 AI 趨勢指標看好，並且觀察過往 NVDA 歷史分數處於 5 分狀態共計 84 次，獲利機率為 50%，平均期間報酬上漲 11.03%。另外，我們可以發現自 NVDA 今年開始的上漲便是伴隨著趨勢分數由 2 分轉往 4、5 分之時，股價已累積上漲了 138.48％，目前 Nvidia 本益比以高達 223.6 倍，儘管 AI 話題延燒而 Nvidia 又是目前最大受益者，投資人應該特別注意該股的趨勢分數變換，一旦趨勢分數開始降低，就要特別的小心，持續關注 Growin AI 個股探勘 NVDA 趨勢面讓你不會買高賣低，錯失良機。

了解更多輝達 Nvidia 趨勢面狀況，不再錯過分數轉換的時機，請點選前往 ➔ Growin AI 輝達 Nvidia 趨勢面分析

結語

自研晶片的好處在於能夠開發出最符合自身 AI 需求的晶片，並有更好的速度與表現，然而要能夠重新開發新的 AI 晶片也需要花費不少的資源以及成本，且只要對於 AI 的需求轉變，該 ASIC 晶片就極有可能失去他的作用。而通用 GPU 則可以支援許多任務，同時目前 Nvidia 正不斷推陳出新拉近與 ASIC 晶片間的不足。

目前來看，各科技巨頭紛紛轉向發展自家 AI 晶片降低對於特定公司的依賴，且許多研調機構也對未來 ASIC 晶片的發展相當看好，但我們可以發現這些巨頭客製的晶片多半只應用於 AI 推論的任務，在 AI 訓練上仍需要倚賴 Nivdia 製造的 GPU 晶片進行。Nvidia作為目前最大的 AI 軍火商，其販售的 Nvidia H100、A100 晶片仍是進行機器學習、AI 任務的最優解，儘管受到層層挑戰，CEO 黃仁勳表示自家公司價值主張提供最高的吞吐量和最低可能的成本，在未來擁有極大潛力的生成式 AI 市場。最先吃下最大塊餅的 Nvidia 能否持續稱霸市場，應當好好觀察接下來的營收增速表現是否真能開出預期財務表現。