DeepSeek“四两拨千斤”的模型训练方法，让不少业内人士开始怀疑依靠英伟达 GPU 进行“大力出奇迹”式的训练是否还有必要。然而，最近摩根士丹利的一份报告指出，通过研究大约 25 个英伟达 GPU 的替代品，该报告发现大多数替代品都没有得到认可。这些替代品的价格只有英伟达同类产品的零头，也被宣称具备较好的潜在性能，这让它们能够收获最初的热情和最初的部署。然而，几乎总是有人中途弃用这些替代品，转而继续拥抱具备最成熟生态系统的英伟达 GPU。

这里的替代品主要指的是专用集成电路（ASIC，Application-Specific Integrated Circuit）。在过去六个月里，由于英伟达的涨势已经开始疲软，而 AMD 的表现相对落后，这让 AI 行业的投资势头明显转向 ASIC。英伟达 3 万亿美元的市值是由每季度超过 320 亿美元的 AI 营收所支撑的，而博通 1.1 万亿美元的市值则来自每季度 32 亿美元的营收。显然，市场认为 ASIC 的增长潜力将是 GPU 的数倍之多。那么，从长期来看，ASIC 会胜过通用芯片吗？这份报告的观点是：除非发生新的变化，否则应该假定仍将由目前的行业领导者英伟达保持主导份额。

图片

（来源：Morgan Stanley Research）

谷歌 TPU：ASIC 的最成功案例

ASIC 是否会因为更适合较窄的应用范围而优于通用解决方案呢？有时，这一问题的答案是肯定的。当出现这种情况时，这便是定制化芯片最有说服力的应用场景之一。最明显的例子便是谷歌 TPU 的成功，它之所以能取得这样的成功，是因为谷歌发明了针对大模型的 Transformer 技术，并指导博通开发出一种针对该技术进行优化的芯片。而在当时英伟达正围绕使用卷积神经网络的视觉模型来优化其 GPU。

截至目前，谷歌 TPU 是最能体现云客户因定制化解决方案而明显受益的例子，这也为博通带来了 80 多亿美元的 TPU 营收。但是，同样重要的是谷歌在 2025 年的一部分支出也将流向英伟达，其中一部分是对云的投资。在云计算领域，通用芯片的表现往往优于 ASIC。

与此同时，英伟达也在围绕 Transformer 模型进行优化，并专注于训练多模态通用 AI 模型。对于一些上一代应用程序来说，英伟达的这种投入可能显得大材小用。不过，在提供高端训练能力方面，很难有比英伟达更出色的玩家。具体到谷歌来说，本次报告预计 2025 年谷歌对于英伟达产品的采购量将翻一番左右。其中一些是谷歌出于投资企业云的角度开展的采购，但是本次报告显示其中谷歌的一些采购是因为英伟达产品在大模型 Transformer 方面有着非常强大的性能。

图片

（来源：Morgan Stanley Research）

英伟达：似乎有一种引力把所有人都引向最昂贵的显卡

的确，某一款 ASIC 芯片的性能可能低于英伟达的 H100，但是这款 ASIC 芯片的售价为 3000 美元，而 H100 售价 20000 美元，所以这款 ASIC 芯片的总拥有成本更低。但是，仅仅通过制造售价 3000 美元的 AI 芯片就能与英伟达竞争，真的这么容易吗？报告援引一个例子称：英特尔在这方面已经苦苦挣扎十年左右，它曾多次收购那些已经开始出货且产品定价较低的公司，然而却并未在这一领域取得显著成绩。

再以 AMD 为例，它的前几代产品都没有取得太大成果，直到 2024 年才凭借 MI300 取得突破。如果真的有必要，那么英伟达的竞争对手可能都会改为只生产 3000 美元的芯片。其实，就连英伟达自己也推出过几款针对传统推理应用的低价芯片。但是，英伟达发现似乎有一种引力在把所有人都引向最昂贵的显卡。

为什么会这样？处理器本身的成本或许可以做得很低，但是系统的整体成本可能会更高。通过 ASIC 芯片构建集群的成本，可能远高于使用英伟达的产品。原因在于：英伟达利用铜缆打造了包含 72 个 GPU 的光线互连域，而 ASIC 则通常要使用成本更高的光通信技术。除此之外，ASIC 和英伟达芯片的其他主要成本构成部分较为相似，比如两者在高带宽内存上的成本是一样的。即便如此这对于英伟达也更加有利，因为英伟达在新型高带宽内存芯片（HBM，High Bandwidth Memory）的采购上拥有买方垄断的议价能力。

就芯片的软件适配来说，对于芯片客户来说这是一项又难又耗时的工作。在处理软件变更以及运行不同工作负载时，易用性非常重要。而在总体拥有成本计算中，“软件开发工时”这一因素常常被忽视。该报告举例称，美国大数据公司 Databricks 购买了亚马逊云科技（AWS，Amazon Web Services）的芯片 Trainium，买到芯片之久 Databricks 预计需要“数周或数月的时间来启动和运行”。延迟部署可能会让部分芯片客户远远落后于使用英伟达芯片的客户，原因在于英伟达配备了目前已被广泛使用的 CUDA 软件开发工具包。

尽管谷歌的 TPU 和 AMD MI300 取得了一定程度上的成功。但是，即便如此本次报告依然发现，客户对于英伟达生态系统仍旧保持强劲热情，这让英伟达在 2025 年的市场份额有所增加。这并不是说价格较低的处理器没有存在价值，只是它们并没有像预期那样获得广泛应用。

图片

（来源：Morgan Stanley Research）

DeepSeek 真的冲击英伟达了吗？

ASIC 作为一个芯片类别，并不优于或劣于商用 GPU，两者都是实现相同结果的不同方法。ASIC 的开发预算通常低于 10 亿美元，在某些情况下甚至更低。相比之下，仅 2025 年这一年英伟达就将投资约 160 亿美元用于研发。凭借这笔资金，英伟达能够维持一个为期 4 年-5 年的开发周期。英伟达还将投资数十亿美元用于连接技术，以提高机架规模和集群规模的性能。英伟达确实有能力在软件生态系统方面进行大规模投资，而且由于其产品存在于世界各个地区的每一个云平台（前提是美国商务部允许），因此对英伟达生态系统的任何改进性投资，都会在全球生态系统中传播开来。

尽管 DeepSeek 在推理与训练做法开始让人们反思“堆硬件”这一做法的意义。但是，本次报告并不认为从训练到推理会发生巨大转变，也不认同 ASIC 是“推理赢家”的说法。实际上，在 Deepseek“出圈”之后，科技巨头和 OpenAI、xAI 等公司的 CEO 们，都对大型集群规模的回报持积极态度。因此，这份报告并不认为 ASIC 在推理方面更具优势，而是坚信那些性能最佳的解决方案将会脱颖而出。因为，推理工作负载正呈现出日益趋同的态势，而且大部分训练和推理涉及的是大模型 Transformer 工作负载。

报告还指出，博通的 750 亿美元服务可获得市场（SAM，Service addressable market）绝大多数来自于大模型训练。预计在没有大规模集群规模的情况下，GPU 会被重新用于推理工作。基于此，该报告指出 ASIC 不会成为事实上的赢家。英伟达在每瓦的原始处理能力方面具有优势，虽然 ASIC 芯片更便宜，但是构建机架/集群的成本可能更昂贵。

一位云计算高管公开表示，每隔两年他的 ASIC 团队都会提供比英伟达落后 2 年-3 年的技术，但这并没有带来太多收益。这并不是一种罕见的抱怨，这些抱怨有时甚至来自于已经大规模部署 ASIC 的云供应商。他们原本将此视为对于未来的投资，然而大多数并未完全实现这一目标。

AMD 曾预测其产品 MI400 将带来“每年数百亿美元收入潜力”，尽管 AMD 的预测也是基于与潜在客户沟通得出的，但是投资者的反馈是：“嗯，我们怎么知道应该对 AMD 2026 年的产品（MI400）有信心，而不是对英伟达的未来新产品（Rubin）有信心？”

不过，本次报告也指出 AMD 的努力不可等闲视之。AMD 在更广泛生态系统中的投资可能会远远超过 ASIC 供应商。2024 年，AMD 收购了服务器制造商 ZT Systems。AMD 通过这种迭代投资在服务器生态系统中取得了主导技术。在这份报告看来，AMD 与 ASIC 竞争对手拥有同样大的市场机会。但是，两者都不应该轻视与英伟达竞争时所面临的挑战。

2024 年，英伟达的处理器收入预计为 980 亿美元，而 AMD 为 50 亿美元，博通为 80 亿美元，世芯电子和 Marvell 加起来约为 20 亿美元。这使得商用硅的市场份额占比约为 90%，ASIC 的市场份额占比约为 10%。

与此同时，本次报告认为 2025 年商用硅的市场份额还会略有增长。预计在 2025 年，英伟达的增长幅度将比谷歌 TPU 高出 50%-100%。报告认为，英伟达在 2025 年下半年的收入势头将远远强于 ASIC 厂商或 AMD。

报告强调，其对于任何一家 AI 公司都没有负面看法。然而，尽管 AMD 的估值越来越有吸引力，但是 AMD 的 MI350 似乎并没有改变游戏规则，同时 AMD 的 MI400 也存在一些未知因素。

目前来看，英伟达的产品仍然有着较大需求，而英伟达面临的最大短期风险依然是美国的出口管制。总的来说，英伟达实力仍在，由此也就不难理解为何 DeepSeek 目前只能短时间挫败英伟达股价。但是，AMD 等厂商的努力也能为人们提供更多的选择，这也是一件好事。