輝達之外，誰在重塑AI算力版圖？

在AI算力的競技場，輝達依舊佔據王座，但在它的陰影之外，一場悄然擴張的產業變革正在發生。新玩家、老對手、本土勢力……他們正以不同方式重構這片高性能計算的戰場。

一、AMD與英特爾：老將的新戰術

AMD：從追趕者到挑戰者

MI300系列佈局高端訓練市場：具備統一記憶體架構（CDNA3 + HBM3），大幅提升頻寬與吞吐效率，劍指H100。

• 軟體生態補強：ROCm平台加速相容PyTorch、TensorFlow，向開發者靠攏。
• 開放聯盟戰略：與超算中心、AI初創企業深度繫結，以性價比打開市場缺口。

英特爾：從“芯”出發再度歸來

Gaudi 3重構AI晶片格局：定位成本控制型推理加速器，與AWS等雲服務深度合作。

• oneAPI推動異構計算標準化：簡化多架構程式碼遷移難題，為異構算力提供統一介面。
• XPU戰略統一資源：整合CPU、GPU、FPGA、AI晶片能力，逐步建構智能算力全端生態。

輝達的霸主地位雖穩，但挑戰者已經不再仰望，而是正面迎擊。

二、中國力量：從追隨者走向自主創新

晶片層面：國產方案崛起

華為昇騰：昇騰910B與CANN架構緊密協同，已在央企、科研院所規模部署。

• 寒武紀：思元系列進軍訓練與推理雙市場，逐步拓展高端通用場景。
• 壁仞科技：BR系列對標A100，在圖像與視訊處理領域表現突出。

系統層面：建構自有平台生態

鵬城雲腦、中國智算中心等本土算力平台崛起：配套自主軟硬體體系，支援國產大模型訓練。

• 作業系統與調度中介軟體國產化加速：崑崙調度、AIOS等助推整個平台棧國產替代。

不只是“造芯”，中國力量正在重構AI算力的系統性話語權。

三、雲廠商：自研晶片與AI原生基礎設施

海外巨頭

AWS Trainium/Inferentia系列：用於大規模訓練與低成本推理部署，繫結SageMaker生態閉環。

• GoogleTPU v5e：最佳化Transformer架構執行，支援大模型微調與檢索增強生成（RAG）。

國內巨頭

阿里“倚天710”：基於Arm架構自研通用AI伺服器晶片，目標是“能訓能推、能雲能邊”。

• 百度崑崙：持續演進中，已支援文心一言等千億參數模型落地。

雲廠商不再只是“算力賣家”，而是AI基礎設施的設計者與主導者。

四、軟體生態：打破輝達封鎖的關鍵一戰

ONNX/OpenXLA普及加快：支援多種後端算力平台的模型格式，讓模型跨晶片運行成為可能。

• 深度編譯器框架（如TVM、XLA、MLIR）興起：使得不同架構間的適配效率大幅提升。
• 調度平台開源化：如Ray、HuggingFace Accelerate助力多GPU/多節點部署更加便捷。

軟體的解耦能力，將決定誰能真正走出“輝達相容陷阱”。

短期看，輝達的生態優勢難以撼動，但產業已經顯現多元化的確定性訊號：晶片架構走向異構，平台能力走向自治，生態走向開放。未來AI算力市場的主旋律，或許不是“誰取代誰”，而是“群雄共治”的新格局。

當AI成為下一代通用技術，算力領域的開放與多元，才是推動科技文明演進的關鍵。 (AI算力那些事兒)