黃仁勳回顧 ASIC 發展指出，Google TPU 最大的優勢在於前瞻性，「他們在市場尚未成形前就推出 TPU1，這和創業的道理相同，要在市場起飛前進場，而不是等市場已經是兆美元規模時才加入。」他批評業界常見的迷思——「市場夠大，只要拿幾個百分點市占就能成功」——是錯誤的，真正的關鍵是「先拿下小市場 100%，再等市場做大」。他說，NVIDIA 和 Google TPU 當年等於從零開始創造了一個全新產業。
如今市場已從單一 GPU 晶片演進成龐大的 AI 工廠 概念。黃仁勳表示，NVIDIA 除了持續強化 GPU，也推出針對特殊工作負載的處理器，例如最新的 CPX，專門應對上下文處理與擴散式影片生成，未來還會開發專門處理 AI 記憶體與 KV 快取管理的晶片。
黃仁勳強調，AI 工作負載變化極快，例如 Transformer 架構持續演進，若沒有 CUDA 的可程式化與易迭代特性，開發者根本無法快速嘗試新演算法與優化，「三、五年前 ASIC 公司切入時，產業還算可愛又簡單，但如今市場規模已經巨大且複雜，再過兩年將更難以想像，要在這樣的規模才切入，挑戰極高。」
黃仁勳以自身經驗將晶片市場分成三大類型：架構型晶片（如 x86 CPU、ARM CPU、NVIDIA GPU），具備核心 IP 與完整軟硬體生態系；ASIC 則適合早期小市場，但當需求龐大時，企業通常會改採「客戶自有工具」（Customer-Owned Tooling, COT）模式，自行設計並直接與晶圓代工合作；第三是 應用型晶片，如影片轉碼器、智慧網路卡，市場規模有限，因此外包仍可行。他強調，若要打造 AI 核心運算引擎，需面對推理、影片生成、低延遲、高吞吐量等快速變化的工作負載，僅靠單一 ASIC 難以支撐，唯有平台型解決方案才能長期競爭。
面對外界質疑「低價 ASIC 可能威脅 NVIDIA」，黃仁勳以 TCO 論點回應，資料中心投資的核心在於效能與能源效率，而非硬體價格。他舉例，光是土地、電力與機房就需投入 150 億美元，如果效能每瓦比對手高一倍，客戶就能在相同電力下創造兩倍營收；反之，即使晶片免費，效能不足仍會導致巨額機會成本。
黃仁勳補充，NVIDIA 不斷迭代產品，從 Blackwell、Rubin Ultra 到 Feynman，每一代最高可帶來 30 倍性能提升，並與軟體及供應鏈深度整合，形成完整平台優勢，單靠一顆 ASIC 要挑戰這樣的生態系與性能疊代速度，幾乎不可能。
黃仁勳指出，NVIDIA 已透過年度 GPU 更新節奏、與供應鏈深度合作，以及完整的 AI 工廠生態系，不斷加深競爭護城河。
同時，NVIDIA 採取開放平台策略，推出 NVIDIA Dynamo（AI 工作負載拆解與編排開源方案），並提及近期與英特爾（Intel）宣布合作開發 NVLink Fusion 半客製化解決方案，結合全球企業廣泛使用的 Intel 生態系與 NVIDIA AI 加速運算平台，打造客製化 AI 資料中心與 PC 處理器，「如果合作夥伴的產品足夠好，我們樂於整合，這是雙贏的局面。」
輝達在日前宣布投資英特爾50億美元，雙方將攜手開發多世代的客製化資料中心與個人電腦（PC）產品的CPU，，加速超大規模企業、企業級與消費市場的應用與工作負載，市場預料，NVIDIA回防x86架構伺服器CPU市場，將超越過去合作緊密程度，並加強與競爭對手AMD的競爭優勢。
點擊閱讀下一則新聞
