IP矽智財轉強

文．洪寶山

要取代輝達的AI晶片有多難？主要卡在軟體生態綁定、硬體效能領先、資料中心基礎設施投資與產業鏈深度合作。輝達目前在AI晶片市場的市占率高達70%~95%，幾乎壟斷了AI訓練與推理的硬體供應。CUDA軟體平台是AI開發的事實標準，開發者、企業的模型與工具都深度綁定輝達GPU與其軟體生態。遷移到其他平台需重寫大量程式碼，造成極高的轉換成本。

輝達AI晶片仍領先群雄

輝達的AI晶片在效能、能耗、穩定性、軟硬體整合等方面，仍優於其他競爭對手。即使華為、AMD、Intel等積極追趕，仍難以全面取代。亞馬遜、Google、Meta等雲端巨頭雖自研AI晶片，但在軟體相容性、效能與用戶採用率上仍落後輝達。即使是中國市場，華為等本土方案也面臨效能、軟體堆疊與生態不足等問題。

目前全球大型資料中心與雲端運算平台，建置架構多以輝達GPU為核心，轉換平台需大規模改造基礎設施，成本極高。輝達與主要客戶(如微軟、Google、亞馬遜、Meta)有長期合作與技術綁定，即使這些客戶自研晶片，也難在短時間內完全脫離輝達。

AMD、Intel、Broadcom等公司積極推出AI加速器與ASIC方案，雲端巨頭也在自研晶片，但目前大多僅能在特定應用或推理場景中局部替代。AMD、Intel等正參與推動開放軟體生態，試圖打破CUDA壟斷，但短期內難以撼動輝達地位。

ASIC開發高階晶片所費不貲

近期投資人對ASIC族群偏好提升，主因是ASIC在推論端具備更低成本與高效能優勢，尤其適合大規模、特定應用場景(如AI推理、影像識別、自動駕駛等)，隨著AI算力需求從訓練轉向推理階段，資料中心與雲端服務商紛紛投入自研ASIC，以降低對GPU的依賴，追求更低TCO(總擁有成本)與更高差異化，CSP為了控制成本、提升效能與強化自主性，積極布局ASIC，帶動相關供應鏈IC設計(如博通、世芯)、高階PCB(如金像電)、晶圓代工(台積電)、封裝測試(日月光投控)等的結構性成長。

ASIC的投資邏輯之一是成本與效能，目前ASIC主要由資本雄厚的雲端巨頭主導，中小型企業難以切入高階市場，ASIC開發需投入大量資本與人力，設計失敗或需求變化將帶來較大損失，進入五奈米以下先進製程，若自研晶片失敗，損失的金額極為龐大，主要包括設計、開發、流片(tapeout)及驗證等費用。

五奈米製程晶片的設計與開發成本約為4.16億美元(約新台幣130億元)。單次五奈米流片成本約為4,000萬至5,000萬美元(約新台幣12-16億元)。三奈米晶片的設計和開發成本約為6.5億至10億美元(約新台幣210至320億元)，三奈米製程的單次流片成本約一億美元(約新台幣32億元)。二奈米晶片的設計與驗證等前期投入約需7.25億美元(約新台幣230億元)，其中，僅軟體開發就佔約3.14億美元，驗證約1.54億美元。二奈米製程的單次流片成本高達一億美元(約新台幣32億元)，還未包括可能的機會成本、產品上市延遲及市場損失。

ASIC設計公司股價增溫

隨著製程技術推進，失敗代價將持續攀升，僅少數資本雄厚、技術領先的企業能承擔如此高風險，輝達開放NVLink Fusion，允許第三方ASIC、CPU與輝達GPU高速互連，讓ASIC設計公司(如聯發科、世芯、Marvell等)能夠更容易將自家客製化AI晶片納入資料中心，與輝達產品協同運作，這將加速資料中心架構的創新，推動AI工廠與新型AI服務的快速發展，雖然有利於專案數量大增，但ASIC開發失敗率高達九成，僅有少數專案能成功商業化，所以能切入CSP的ASIC公司更具備投資價值。