人工智慧，重塑了處理器格局

公眾號記得加星標⭐️，第一時間看推送不會錯過。

來源：內容編譯自Yole。

處理器市場持續顯著增長，主要得益於生成式人工智慧應用需求的不斷增長。預計在2024年至2030年期間，市場規模將增長近一倍，從2880億美元增至5540億美元，這得益於企業、個人和政府對生成式人工智慧的廣泛應用。2024年標誌著處理器行業的一個轉折點，GPU市場規模首次超過APU。這一轉變源於對高計算能力的需求，尤其是在伺服器領域，

以執行ChatGPT、Gemini和Copilot等大型語言模型（LLM）。GPU市場將面臨來自谷歌和AWS等超大規模廠商開發的AI ASIC晶片日益激烈的競爭，這些晶片預計將在未來五年內快速增長，主要目標是降低目前鉅額的資本支出成本。在伺服器處理器市場的背後，邊緣AI正在APU和消費級CPU中迅速擴張。其目標很明確：在所有電子裝置中開發原生AI，以提供最佳的使用者體驗。智慧手機和筆記型電腦處於嵌入式人工智慧發展的前沿，但新型裝置也可能出現。

巨頭和新進入者重塑了處理器行業

處理器市場高度集中於少數幾家公司。在五個處理器細分市場中，有三個由一家公司主導，市場份額超過 50%，其中包括佔據 CPU 市場 66% 的英特爾和佔據 GPU 市場 90% 以上的英偉達。相比之下，APU 和 AI ASIC & DPU 市場更加分散，來自蘋果、高通、聯發科、谷歌、三星、華為、恩智浦、德州儀器等眾多公司的競爭更加激烈。

在競爭激烈的市場中，中國也湧現出一些新玩家，其中一些取得了成功，例如小米在智慧手機 APU 領域的成功，以及蔚來在汽車 ADAS APU 領域的成功。APU 市場參與者的多樣性可以用目標終端市場的多樣性來解釋。GPU 市場主要關注伺服器、桌上型電腦和工作站，而 APU 市場則涵蓋智慧手機、筆記型電腦、智慧手錶、智慧音箱、智慧電視、汽車、虛擬現實以及本報告中詳述的許多其他細分市場，並且通常每個市場都有成熟的領導者。

為了佔領市場，處理器廠商的共同目標是提供領先於競爭對手的最強大的解決方案。為了實現這一目標，每個市場都面臨著各自的挑戰，無論是在成本方面，還是在物理和技術限制方面。所有細分市場的共同趨勢是逐年向更先進的技術節點邁進，這些節點曾經僅限於智慧手機的APU，但現在正逐漸被伺服器CPU和其他CPU所採用。在這場技術競賽中，代工廠發揮著核心作用。沒有它們，就不會有iPhone或Nvidia的GPU。在過去的20年裡，能夠生產最先進節點的代工廠數量減少了10倍，而向2奈米工藝的過渡可能會進一步減少這個數量。臺積電的技術壟斷是重大地緣政治緊張局勢的核心，凸顯了英特爾和三星保持競爭的必要性。

資料中心處理器市場，一路飆升

資料中心處理器市場正在快速擴張，這得益於對需要高效能計算的生成式人工智慧應用日益增長的需求。2024 年，全球資料中心處理器市場規模達到 1470 億美元，預計到 2030 年將達到 3720 億美元。GPU 和人工智慧專用積體電路 (ASIC) 是生成式人工智慧的核心，在很大程度上推動著市場發展，並保持著兩位數的增長率。

CPU 和網路處理器（例如 DPU）在這個市場中也至關重要，並且正在穩步增長。在 GPU 和人工智慧專用積體電路 (ASIC) 佔據主導地位的人工智慧領域，FPGA 經歷了急劇下滑，預計中期內將保持平穩。比特幣等加密貨幣市場的快速擴張，帶動了加密礦場中加密 ASIC 的強勁增長，而加密礦場對於驗證加密貨幣交易至關重要。

自2022年以來，OpenAI推動的生成式人工智慧（Generative AI）已經改變了資料中心處理器市場，並使英偉達的GPU受益匪淺。面對英偉達的主導地位以及人工智慧所代表的戰略利益，谷歌和AWS等超大規模計算平臺正在與博通、Marvell和Alchip建立合作伙伴關係，共同設計各自的AI ASIC晶片，以獲得更大的自主權。

資料顯示，由英特爾和AMD領銜的CPU伺服器市場，共佔據80%的市場份額，對於通用計算而言仍然至關重要，但正面臨壓力。來自超大規模廠商和新玩家的基於Arm的CPU發展勢頭強勁，尤其是亞馬遜的Graviton、谷歌的Axion和英偉達的Grace，它們都聲稱擁有顯著的能效優勢。預計到2030年，CPU市場規模將達到356億美元。

更小的細分市場也在不斷發展，正如 Yole Group 的《生成式人工智慧 2025》報告中所詳述的那樣：

伺服器 FPGA：到 2030 年將達到 15 億美元，
DPU 和網路 ASIC：到 2030 年將達到 177 億美元，
加密 ASIC：受採礦動態變化的影響，到 2030 年將達到 42 億美元。

在向AI ASIC晶片轉型的浪潮中，Groq、Cerebras和Graphcore等眾多初創公司正以創新方式尋求市場地位，引發了一波併購和融資浪潮。這種對效能效率的追求正在推動向基於ARM架構的CPU的轉型，從而打破英特爾和AMD長期以來在x86架構上的領先地位。憑藉在散熱解決方案和高功率容量方面的專業知識，加密貨幣礦場如今也透過部署效能最強大的GPU進入了AI市場。

Yole Group 的分析師指出，整合和併購是推動計算技術革新的關鍵因素。僅在 2024 年，Yole Group 的分析師就已確定了以下重要公告：

軟銀收購了Graphcore，
AWS 向 Tenstorrent 投資 7 億美元，
叛亂和 Sapeon 在韓國合併，
Meta 曾試圖以 8 億美元收購 Furiosa，但未能成功。
這些發展凸顯了具有競爭力的人工智慧晶片團隊的稀缺性以及人工智慧基礎設施中矽片專業知識價值的不斷上升。

尋找新的破局方法

小晶片在 GPU、CPU 和 ASIC 中發揮著至關重要的作用，它不僅可以最佳化產量，還可以透過更先進的節點實現越來越大的晶片。2024 年，最新的 CPU 將採用 3nm 工藝，而 GPU 和 AI ASIC 仍採用 4nm 工藝，不過預計 3nm 工藝最早將於 2025 年隨著 AWS Trainium 3 的推出而到來。為了滿足 AI 需求，計算效能自 2020 年以來增長了 8 倍，並且還在繼續加速，Nvidia 宣佈其 Rubin Ultra 將於 2027 年推出，FP4 推理速度將達到 100 PetaFLOP。

然而，隨著 AI 模型變得越來越大以及對低延遲和高頻寬的需求不斷增加，記憶體在 AI 應用中起著至關重要的作用。HBM 記憶體目前在 Nvidia、AMD、Google 和 AWS 解決方案中發揮著這一關鍵作用，但許多 AI ASIC 初創公司，如 Groq 和 Graphcore，正在努力建立基於 SRAM 記憶體的處理器以提高效能。