AI 晶片版圖重新洗牌 - 智能體改變了 2026 年的半導體戰局

「買 Nvidia GPU 不就夠了嗎？」

如果你到去年底還抱持這個想法，這個月的新聞大概已經讓你一頭霧水了。就在今天，OpenAI 與 Cerebras 簽下了 100 億美元的合約，Nvidia 實質上 以 200 億美元收購了 Groq，Google TPU 則鎖定了 與 Anthropic 和 Meta 的數十億美元合作。

驅動 AI 爆發的半導體版圖，一夕之間被重新劃定。以下是背後的原因。

推論時代暴露了 GPU 的極限

我們已經進入智能體在即時環境中思考、回應數千次的時代。傳統 GPU 是為訓練而生的 - 大規模批次處理中的暴力矩陣運算。但智能體所需要的低延遲推論，本質上是截然不同的工作負載。

• Groq 和 Cerebras 的 SRAM 架構晶片正是因為這個原因被重新評估
• 資料搬運的能耗比 DRAM 低 20 到 100 倍，使其天生適合大規模即時推論

訓練獎勵的是原始吞吐量，推論獎勵的是延遲和能效。贏得上一個時代的硬體，不會自動贏得下一個。

科技巨頭的晶片多元化戰爭

「全押 Nvidia」的策略已經宣告死亡。每一家主要的 AI 公司都在建構多晶片組合。

• OpenAI：從微軟獨家基礎設施擴展至 Cerebras 和 Google TPU
• Anthropic：同時運行超過 100 萬顆 Google TPU，搭配 AWS Trainium 和 Nvidia GPU
• Intel：透過收購 SambaNova 試圖重返推論市場

這不是要取代 Nvidia，而是讓矽晶片與工作負載精準匹配。訓練叢集依然跑在 H100 和 B200 上，但推論叢集 - 也就是真正把智能體交付到使用者手中的那些 - 越來越需要專用架構。

採購邏輯已經從「我們能拿到多少 Nvidia GPU？」變成「以我們的推論與訓練比例，最佳的矽晶片組合是什麼？」

中國正在完成自己的晶片生態系

就在昨天，智譜 AI 發布了 GLM-Image - 一款完全在華為昇騰晶片上訓練的開源影像生成模型，在開源影像生成器中達到了最頂尖的水準。

• 這證明了在美國出口管制下，國產晶片生態系確實可行
• 沒有半導體主權就沒有 AI 主權 - 中國正在依照這個原則行動

影響不僅止於地緣政治。這說明 AI 晶片市場正在碎片化為不同的區域生態系，各自擁有獨立的供應鏈、最佳化堆疊和競爭格局。

這對台灣意味著什麼

從 GPU 為中心的訓練時代轉向推論專用矽晶片，是結構性變化，不是週期性波動。智能體不會批次處理查詢 - 它們以串流、分支、即時迭代的方式運行。能高效服務這種工作負載的晶片架構，將吃下下一波基礎設施支出的大餅。

對台灣來說，這場變局的意義尤其深遠。台積電作為全球先進製程的絕對核心，不只是 Nvidia 的代工廠 - Cerebras、Groq、Google TPU 的晶片同樣仰賴台積電的製程能力。當晶片版圖從 GPU 獨霸走向百花齊放，台積電的戰略地位不減反增：無論哪一種架構勝出，先進製程的需求只會更大。

對全球半導體公司而言，問題已經不是「要不要跨出 GPU」，而是「能多快在推論經濟中卡位」。而對身處供應鏈核心的我們來說，這場推論革命帶來的不只是挑戰，更是讓台灣半導體產業再次定義下一個時代的機會。