隨著各家大廠持續進行資本支出、AI 競爭白熱化，市場目前盛傳兩種主流觀點，一是 TPU 和 ASIC 作為 GPU 替代方案崛起，使輝達（NVIDIA）護城河遭到侵蝕；另一個是 Google 逆襲，透過 AI 模型 Gemini 取得市占和主導 AI 搜尋，最終將擊敗 OpenAI。
根據外媒 siliconANGLE 的看法，上述兩種說法都嚴重誇漲，且不一定如市場所想。理由之一是輝達將持續精進其 GB300 和後續 Vera Rubin 架構，可維持領先出貨並不斷降低成本，成為迄今最具成本效益的平台。
至於 Google 則在壯大的同時面臨一種「創新者困境」。報導稱，由於 Google 搜尋業務與廣告營收高度綁定，一旦 Google 將廣告模式轉向類似聊天機器人的體驗，單次搜尋查詢的服務成本將暴增至原來的 100 倍；再者，Google 必須將商業模式轉向更高度整合的購物體驗，必須連結使用者與廣告主，但即便 Gemini 近期取得一定成功，Google 仍不具備這樣的信任基礎。相比之下，OpenAI 核心在於強調可信資訊，而非推送廣告，仍有其優勢。
為何 TPU 難以打破輝達 AI 護城河？
該報導認為，TPU 核心問題不在是否為「好晶片」，而是架構能否適配 AI 下一階段的發展需求。TPU 是因頻寬昂貴且稀少而誕生，適合低頻寬需求的 AI 任務，但隨著模型規模擴大與工作負載多樣化，逐漸在擴展性等方面遇到限制。
目前領先 AI 訓練走向為「高頻寬與大規模擴展」而改善的系統架構，並且支撐 GPU 工廠，這要讓大量加速器彼此連接，並長時間維持高效運轉。輝達護城河來自其端到端、為高頻寬、大規模擴展與可持續利用率而打造的整體架構，也是邁向 AI 工廠、大規模生產基礎設施時，最關鍵的決定因素。
此外，不管是 TPU 等 AI 晶片都受制於先進封裝產能瓶頸，輝達除了掌握一定產能外，還持續推進 GB200、GB300 到 Rubin 的架構，並改善交換技術與整體系統設計，可說更有優勢。
該報導認為，在供應受限的環境下，超大規模雲端業者勢必採取混合架構策略。以 Google 為例，它會在適合的地方使用 TPU，但難以全面取代 GPU。此外，像 Google 這樣的主要超大規模業者，不太可能大規模對外銷售自家專有加速器，讓其直接競爭對手形成真正的外部市場。
該報導指出，「TPU 走向開放市場」更合理的解釋是生態系夥伴（例如博通）以及 Meta 等公司在當前環境下尋求任何優勢所帶來的壓力，而非 Google 有意成為真正的商用晶片供應商。
與 OpenAI 的競爭？Google 可能面臨「自我顛覆」困境
該報導認為，Google 困境在於如何以不損害其獲利引擎的前提下，讓主導模式過渡到更完善的模式。雖然 Google 獲利引擎建立在與搜尋行為掛鉤的廣告變現上，但如果互動模式轉向 ChatGPT 式的體驗，要更豐富的答案、更長的會話和更耗費運算資源的回應，會使成本結構發生巨大變化。
「Google只會自我顛覆！」該報導認為，Google 忽略了最重要的限制因素，即搜尋的經濟效益對 Google 來說是獨一無二的，從經典搜尋轉向助手式的交互模式會改變單位經濟效益，從而可能破壞盈利引擎。
現階段 OpenAI 領先優勢明顯、Nvidia 護城河堅固
該報導認為，就平台動能而言，現階段仍是 OpenAI 「領先一大截」，因為平台建設、開發者採用、企業用戶組合轉變以及對稀缺運算資源的掌握，目前都對 OpenAI 有利。
從目前來看，輝達的護城河因出貨量、經驗曲線效應以及多年端到端系統工作，形成穩固護城河；OpenAI 則因平台執行力及企業需求而保持領先。在這個競爭格局中，模型品質已成為基本門檻，真正的競爭焦點在於模型周邊的軟體與服務。
雖然早期「Google 可能顛覆 OpenAI」的情境確實存在可能性，但數據與平台動態顯示，OpenAI 先行者優勢正逐步轉化為更持久的競爭力，尤其隨著企業逐漸成為市場重心，加上與輝達的合作關係變得更加重要。
（首圖來源：AI 生成）
科技新報粉絲團
加入好友
訂閱免費電子報
