Jon Peddie Research預(yù)測(cè)，未來一兩年內(nèi)獨(dú)立AI芯片供應(yīng)商數(shù)量將縮減40%，實(shí)際情況可能更嚴(yán)峻。

英偉達(dá)的爆發(fā)式增長(zhǎng)及其GPU的旺盛需求，推動(dòng)了全球AI處理器市場(chǎng)的迅猛發(fā)展。然而，專注于研發(fā)專用AI芯片的初創(chuàng)企業(yè)浪潮已達(dá)頂峰，或已無限接近頂峰。

自2016年以來，全球AI處理器初創(chuàng)企業(yè)數(shù)量增長(zhǎng)逾一倍，截至2025年底，該領(lǐng)域獨(dú)立企業(yè)數(shù)量激增至14 家，這一規(guī)模已難以為繼。受AI處理器市場(chǎng)前景吸引，投資者迄今已向這些企業(yè)投入高達(dá)280億美元資金。據(jù)預(yù)測(cè)，受推理（云端與本地）、邊緣端部署（從可穿戴設(shè)備到個(gè)人電腦）的出貨量驅(qū)動(dòng)，以及訓(xùn)練業(yè)務(wù)與超大規(guī)模云服務(wù)商的營(yíng)收貢獻(xiàn)，2026年該市場(chǎng)規(guī)模將突破4940億美元。

盡管英偉達(dá)的技術(shù)擁有深厚、廣泛且?guī)缀鯃?jiān)不可摧的軟件堆棧，以及面向數(shù)據(jù)中心的完整硬件基礎(chǔ)設(shè)施，但投資者似乎對(duì)此視而不見，幾乎愿意為任何宣稱能研發(fā)出更快、更智能、更具成本效益的AI處理器的企業(yè)注資。

不出所料，大多數(shù)企業(yè)均聚焦于數(shù)據(jù)中心或邊緣端的AI推理業(yè)務(wù)。模型訓(xùn)練業(yè)務(wù)資本密集度極高，多數(shù)初創(chuàng)企業(yè)已將該領(lǐng)域拱手讓給英偉達(dá)。

Jon Peddie Research指出：“未來一兩年內(nèi)，獨(dú)立AI處理器供應(yīng)商數(shù)量將縮減 40%，實(shí)際情況可能更嚴(yán)峻。”

然而，多數(shù)此類初創(chuàng)企業(yè)的成功窗口期或?qū)㈥P(guān)閉。行業(yè)初創(chuàng)企業(yè)成立高峰期為2018年，彼時(shí)75%的初創(chuàng)企業(yè)已成立）。值得關(guān)注的是，初創(chuàng)企業(yè)數(shù)量增長(zhǎng)始于英偉達(dá)業(yè)務(wù)爆發(fā)、震驚科技行業(yè)之前。人們或許認(rèn)為，英偉達(dá)的成功是吸引眾多企業(yè)入局的 “蜜糖”，但實(shí)際上58%的初創(chuàng)企業(yè)在此之前便已啟動(dòng)。2022年以來，該行業(yè)年均完成7起收購；2020年至今，已有17家初創(chuàng)企業(yè)實(shí)現(xiàn)首次公開募股（IPO）。

AI芯片初創(chuàng)企業(yè)的復(fù)雜格局

從本質(zhì)上講，AI處理器是一種經(jīng)過優(yōu)化的芯片，通過執(zhí)行海量張量運(yùn)算并最大限度減少數(shù)據(jù)遷移，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)工作負(fù)載的高效快速運(yùn)行。其產(chǎn)品類型涵蓋GPU、NPU、CIM/PIM、神經(jīng)形態(tài)處理器及矩陣 / 張量引擎。

盡管CPU和FPGA也用于運(yùn)行AI工作負(fù)載，但因其通用性無法按功能區(qū)分，通常被排除在850億美元規(guī)模的AI芯片市場(chǎng)之外進(jìn)行單獨(dú)評(píng)估。不過，搭載矢量擴(kuò)展或單指令多數(shù)據(jù)流（SIMD）引擎的 CPU，同樣屬于AI處理器范疇。CPU、SoC與ASIC之間的重疊關(guān)系令人困惑。

從基礎(chǔ)層面看，AI處理器包含多個(gè)核心構(gòu)建模塊：

• 計(jì)算模塊：寬位單指令多數(shù)據(jù)流 / 單指令多線程（SIMD/SIMT）核心（GPU 架構(gòu)）、張量或矩陣引擎（NPU）、矢量單元、激活單元。
• 存儲(chǔ)層級(jí)：靠近計(jì)算單元的小型高速片上SRAM；處理器外部或同封裝內(nèi)的大容量HBM/ DDR；緩存或暫存器；預(yù)取器 / DMA（存內(nèi)計(jì)算芯片大致歸為此類）。
• 互聯(lián)模塊：片上網(wǎng)絡(luò)（NOC）及片外鏈路，包括但不限于PCIe、CXL、NVLink及以太網(wǎng)。
• 控制模塊：命令處理器、調(diào)度器，以及用于內(nèi)核/集合操作的微碼。

AI處理器應(yīng)用場(chǎng)景覆蓋云服務(wù)、數(shù)據(jù)中心芯片、嵌入式IP及神經(jīng)形態(tài)硬件。創(chuàng)始團(tuán)隊(duì)與工程師致力于彌補(bǔ) CPU 與 GPU 的性能短板：優(yōu)化存儲(chǔ)管理、在小批量數(shù)據(jù)處理中維持高利用率、在嚴(yán)格功耗限制下滿足延遲指標(biāo)，以及實(shí)現(xiàn)規(guī)?；瘓?chǎng)景下的穩(wěn)定吞吐量。

企業(yè)主要從兩大維度開發(fā)產(chǎn)品：工作負(fù)載類型（訓(xùn)練、推理或傳感器級(jí)信號(hào)處理），以及部署層級(jí)（從超大規(guī)模數(shù)據(jù)中心到電池供電的可穿戴設(shè)備）。

多數(shù)技術(shù)研發(fā)聚焦于存儲(chǔ)與執(zhí)行控制。存內(nèi)計(jì)算與模擬技術(shù)通過在存儲(chǔ)陣列內(nèi)完成運(yùn)算并保留局部中間結(jié)果，減少數(shù)據(jù)傳輸，進(jìn)而推動(dòng)數(shù)據(jù)流架構(gòu)設(shè)計(jì)。晶圓級(jí)芯片將激活值存儲(chǔ)于本地 SRAM，實(shí)現(xiàn)長(zhǎng)序列權(quán)重的流式處理。

可重構(gòu)架構(gòu)在編譯階段調(diào)整數(shù)據(jù)流與數(shù)據(jù)分塊策略，優(yōu)化多層網(wǎng)絡(luò)的資源利用率。訓(xùn)練芯片側(cè)重互聯(lián)帶寬與集合通信性能，推理芯片則優(yōu)先優(yōu)化單批次延遲、Transformer模型的鍵值緩存、邊緣端能效，以及降低對(duì)云端依賴以減少延遲（這對(duì)智能體機(jī)器人尤為關(guān)鍵）。

技術(shù)落地取決于市場(chǎng)推廣策略與生態(tài)系統(tǒng)支持。云服務(wù)商將加速器集成至托管服務(wù)與模型服務(wù)框架；IP供應(yīng)商與手機(jī)、汽車及工業(yè)級(jí)片上系統(tǒng)團(tuán)隊(duì)合作，提供工具鏈、模型與性能密度路線圖。

此外，邊緣端技術(shù)企業(yè)推出軟件開發(fā)工具包（SDK），實(shí)現(xiàn)模型壓縮、INT8 及更低精度量化，將算子映射至稀疏或模擬單元，同時(shí)滿足精度要求。神經(jīng)形態(tài)技術(shù)團(tuán)隊(duì)則推出脈沖神經(jīng)網(wǎng)絡(luò)編譯器，側(cè)重事件流處理的能效與延遲優(yōu)化。編譯器、內(nèi)核集與可觀測(cè)性工具的優(yōu)化，其實(shí)際價(jià)值往往超越峰值每秒萬億次運(yùn)算（TOPS）指標(biāo)。

市場(chǎng)競(jìng)爭(zhēng)格局因部署層級(jí)而異。訓(xùn)練芯片聚焦單模型訓(xùn)練成本，綜合考量網(wǎng)絡(luò)、存儲(chǔ)與編譯器限制；推理芯片以延遲約束下的單令牌/單幀成本為核心目標(biāo)，運(yùn)用緩存管理與量化技術(shù)；邊緣設(shè)備比拼單推理毫瓦功耗與工具鏈可移植性；IP供應(yīng)商則在流片周期、PPA指標(biāo)及驗(yàn)證支持方面展開競(jìng)爭(zhēng)；科研項(xiàng)目則在市場(chǎng)落地速度與可能顛覆存儲(chǔ)、計(jì)算、通信權(quán)衡關(guān)系的實(shí)驗(yàn)之間尋求平衡。

在此過程中，研發(fā)團(tuán)隊(duì)針對(duì)注意力機(jī)制深度、參數(shù)規(guī)模、激活值大小、稀疏性及精度策略等特定需求定制芯片設(shè)計(jì)。當(dāng)企業(yè)實(shí)現(xiàn)芯片、編譯器與部署工具的協(xié)同優(yōu)化時(shí)，可降低集成成本，加速從模型訓(xùn)練到高吞吐量部署的轉(zhuǎn)化。

客戶因此擁有多元選擇：拓展云端算力、采用晶圓級(jí)系統(tǒng)實(shí)現(xiàn)規(guī)?；渴稹⒃谄舷到y(tǒng)中集成神經(jīng)網(wǎng)絡(luò)處理器，或通過模擬與神經(jīng)形態(tài)芯片將計(jì)算能力部署至傳感器近端。280 億美元的投資正流向這些海量的研發(fā)工作，也使初創(chuàng)企業(yè)成為極具吸引力的收購標(biāo)的。

AI芯片初創(chuàng)企業(yè)爆發(fā)式增長(zhǎng)的終結(jié)

然而，AI芯片初創(chuàng)企業(yè)的 “大爆發(fā)” 或?qū)⒙淠弧?025年末，投資者已開始對(duì)超大規(guī)模云服務(wù)商、政府及私營(yíng)企業(yè)的巨額資本設(shè)備支出感到擔(dān)憂，這一情緒在由AI熱潮主導(dǎo)的股市中引發(fā)波動(dòng)，媒體充斥著市場(chǎng)泡沫及破裂時(shí)間預(yù)測(cè)的討論。

AI芯片供應(yīng)商領(lǐng)域的泡沫破裂已暗流涌動(dòng)。畢竟，任何行業(yè)都無法支撐146家供應(yīng)商共存。截至2025年底，行業(yè)已出現(xiàn)多起收購與企業(yè)倒閉案例（共計(jì) 21 起），未來此類事件將持續(xù)增加。但風(fēng)險(xiǎn)投資機(jī)構(gòu)仍在博弈概率：獲得超10億美元融資的6家企業(yè)大概率成為幸存者，其余逾百家初創(chuàng)企業(yè)將尋求被37家處于收購階段的上市公司并購。Jon Peddie Research預(yù)測(cè)，未來一兩年內(nèi)獨(dú)立AI芯片供應(yīng)商數(shù)量將縮減40%，實(shí)際情況可能更嚴(yán)峻。

盡管多數(shù)初創(chuàng)企業(yè)將被收購或倒閉，但被收購的企業(yè)將為收購方帶來由樂觀風(fēng)險(xiǎn)投資機(jī)構(gòu)買單的免費(fèi)IP資產(chǎn)。280億美元足以支撐大量研發(fā)工作，尤其這些初創(chuàng)企業(yè)平均員工規(guī)模不足10人。相較之下，英偉達(dá)當(dāng)前員工約3.6萬人，二者競(jìng)爭(zhēng)并不對(duì)等。

這些收購案背后，是無數(shù)未能實(shí)現(xiàn)的商業(yè)愿景。若企業(yè)的核心愿景僅是 “研發(fā)出更優(yōu)處理器，市場(chǎng)便會(huì)趨之若鶩”，那么最終的失落便在所難免。英偉達(dá)的主導(dǎo)地位不僅源于其AI GPU的性能優(yōu)勢(shì)與深厚軟件堆棧，其面向數(shù)據(jù)中心打造的完整硬件基礎(chǔ)設(shè)施布局，更是其持續(xù)領(lǐng)先的關(guān)鍵所在。

*聲明：本文系原作者創(chuàng)作。文章內(nèi)容系其個(gè)人觀點(diǎn)，我方轉(zhuǎn)載僅為分享與討論，不代表我方贊成或認(rèn)同，如有異議，請(qǐng)聯(lián)系后臺(tái)。