几天前，英伟达再一次创造了历史。

7 月 3 日，英伟达市值短暂攀上 3.92 万亿美元，超越了苹果此前保持的 3.915 万亿美元纪录，成为有史以来市值最高的上市公司。AI 算力的狂飙猛进，把这家 GPU 厂商推向了前所未有的高点。

尤其是自 2024 年底，性能与能效双双跃进的 Blackwell 平台开始出货后的销售表现，打破了外界的疑虑，英伟达创始人兼 CEO 黄仁勋在最新财报电话会议上表示，仅在 2025 年第一季度，这套新平台就已经贡献了英伟达数据中心收入的近七成。

但就在英伟达市值冲顶、光环加身之时，来自生态内部的裂缝也在浮现。最典型的例子，正是英伟达的重要客户—— OpenAI。几乎就在英伟达市值达到高峰的同时，The Information 援引 OpenAI 内部人士称，OpenAI 正在使用谷歌自主研发的 TPU 芯片来为 ChatGPT 及其其他产品提供算力支持。

TPU 服务器，图/谷歌

虽然后续的回应中 OpenAI 刻意淡化了「转向」，强调是测试且「暂无大规模采用计划」。但对于一家曾亲手定义 AI 新时代的公司来说，哪怕只是「测试」，也足以引发市场的高度敏感。

与此同时，这也让谷歌稍早前发布的第七代 TPU —— Ironwood 再次成为焦点，这是一颗为推理场景量身打造的专用 AI 芯片，不仅在每瓦性能上直指 Blackwell，更在成本与部署灵活性上展现出颇强的吸引力。

更重要的是，真正让英伟达面对结构性挑战的，是那些比起「通用」，更强调「效率」的 ASIC 芯片阵营。谷歌、亚马逊、Meta 等云巨头正持续加码自研加速器，绕开英伟达 GPU 的高成本；而如 Cerebras、Graphcore 等初创企业，则从芯片架构和系统设计层面重新定义「AI 专用计算」，试图构建一条完全不同于 GPU 的技术路径。

对于英伟达来说，世界第一的宝座，并不安稳。

进击的 ASIC，正在成为英伟达的「心腹大患」

俗话说得好，最了解一个人的，往往是他的对手。

5 月 19 日，英伟达发布了全新互联架构 NVLink Fusion，这套架构被定义为「AI 工程合作平台」，通过授权 NVLink 芯片间互联（C2C）和整合交换模块，使第三方厂商能将自研加速器或 CPU 接入英伟达主导的算力系统。

相比过去 NVLink 的封闭式设计，Fusion 的「半开放」姿态看似包容，但本质依然要求合作方依附在英伟达的生态轨道上，任何定制芯片都必须连接到英伟达的产品，同时也只是选择性地开放了 900GB/s 的 NVLink-C2C 接口。所以 NVLink Fusion 尽管表面上展现了英伟达的开放姿态，实则更多是一次防御性出招：

为了防御 UALink 联盟。

图/ UALink 联盟

2024 年 10 月，由 AMD、Intel、谷歌、Meta、微软、AWS 等联合发起的 UALink 联盟就已悄然成型，随后又加入了苹果、阿里云、新思科技等，迅速扩张为一个囊括芯片设计、云服务、IP 供应链的庞大阵营。

今年 4 月，UALink 发布了 1.0 版本互联标准，支持高达 1024 个加速器节点、800Gbps 带宽互联、以及开放的 memory-semantics 协议——这不止是一项通信技术，而是一次瞄准「去英伟达化」的系统性布局。在 AI 芯片互联架构这件事上，英伟达或许比任何人都明白：

真正值得警惕的，不是某一家厂商，而是一整条开始摆脱 GPU 依赖、试图重建硬件秩序的 ASIC 阵营。

不同于通用的 GPU 架构，ASIC 是为特定任务定制的芯片，在 AI 时代意味着它们可以针对推理、训练、推流等核心计算路径进行极致优化。这种理念如今已在微软、Meta 和亚马逊等巨头内部深度落地，都在探索从英伟达 GPU 平台向自研 AI ASIC 芯片迁移。

谷歌就是最好的例子，TPU 系列自发布以来已进化至第七代 Ironwood，专为推理任务而设计，每瓦性能直接超越了英伟达 Blackwell。OpenAI 研究员在 X 平台上更认为 Ironwood 与 GB200 性能相当，甚至略胜一筹。更重要的是，TPU 系列已经支撑起了 Gemini 大模型从训练到推理的大规模应用。

图/谷歌

与此同时，除了老对手 AMD，包括 Meta、AWS 等新晋芯片厂商也在试图「赶超」英伟达 GPU。基于与博通的合作，Meta 首款 AI ASIC 芯片 MTIA T-V1 就被曝规格可能超过英伟达的下一代 Rubin 芯片，AWS 则是在与 Marvell 合作的基础上，启动了不同版本的 Trainium v3 开发，预计于 2026 年陆续量产。

而据野村证券稍早前发布的最新报告指出，2025 年谷歌 TPU 出货量预估 150 万至 200 万，AWS Trainium 和 Inferentia 预估 140 万至 150 万，等到 Meta 与微软开始大规模部署，有望 2026 年在出货量上首次超越英伟达 GPU（500 万至 600 万）。

初创公司方面，研发出全球最大芯片的 AI 芯片「独角兽」Cerebras，以 Wafer‑Scale Engine（WSE）引领训练芯片架构的革新，在多个政府和科研超算项目中落地；软银收购的 Graphcore 虽经历波折，但仍坚持在神经网络处理架构（IPU）上寻求突破；Tenstorrent、Rebellions 等新秀则在 AI 推理、边缘计算等细分领域持续积累客户与出货量。

全球最大芯片，图/ Cerebras

英伟达当然看懂了这股暗流，所以选择用 NVLink Fusion 做出回应。但现实是，越来越多的玩家已经不再满足于做配角。ASIC 的崛起，不只是一次技术路线的迭代，更是一场由巨头主导、由联盟推动、由生态背书的系统性挑战。英伟达固然强大，但面对这样的对手，仍然警惕。

巅峰之下，英伟达的三个软肋

市值冲上 3.92 万亿美元的那一刻，英伟达站上了全球资本市场的顶点。但在这个耀眼的高度之下，越来越多的问题开始浮出水面。从产业依赖，到产品结构，再到生态策略，英伟达仍然存在可能，被它自己一手打造的成功逻辑反噬。

其一在于超大规模客户的集中依赖。英伟达目前约 88% 的营收来自数据中心业务，而其中大头集中在极少数几家云计算巨头手中：微软、AWS、阿里、Meta、谷歌，以及越来越有野心的 OpenAI。也正是这些客户不仅自研 AI 芯片，还组建了 UALink 联盟，正在亲手削弱英伟达 GPU 的统治力。

谷歌有 TPU，亚马逊有 Trainium，Meta 和微软分别推出了 MTIA 与 Maia 系列加速器。OpenAI 也在测试谷歌 TPU 的同时，自研 AI 芯片的消息不断流出。这些客户不是不需要英伟达，而是不想「只」依赖英伟达。

其二在于性价比。Blackwell 平台带来了几乎碾压式的算力提升，特别是 GB200 架构在训练和推理性能上的跃升。但与此同时，这一代产品的复杂性、功耗和成本也大幅攀升。据汇丰银行消息，一套 GB200 NVL72 服务器售价高达 300 万美元左右，让许多客户望而却步。

GB200 NVL72，图/英伟达

这种极致设计策略确实锁定了高端市场，但也带来了两个副作用：一是把中小客户甩在了门外，二是推动客户寻找更便宜、更省电的替代品。当 AI 推理成为主流任务，性价比往往比绝对性能更重要，而这正是 ASIC 等专用芯片擅长的领域。

此外针对云厂商等大客户，早期愿意为性能付费。但随着部署规模扩大、模型标准化、预算紧缩，即便是大型厂商也越来越希望能有更多自主权和谈判空间。当英伟达变成「不得不用」，也就意味着产业链已经开始寻找「有没有可能不用」的选项，而谷歌 TPU 的成功更是一种激励。

其三在于英伟达的生态壁垒。英伟达 CUDA 是目前业界最强大的 AI 编程生态，但它的高度封闭也让它逐渐成为一个「属于英伟达」的世界。在 UALink 联盟、OneAPI、MLIR 等开放生态兴起的背景下，越来越多开发者和系统设计者开始追求跨平台兼容、异构协同，而不是将命运绑定在一家公司的工具链上。

CUDA 一度是英伟达的护城河，但如今也在一定程度上成为了限制开发者自由流动的「生态高墙」。当更多厂商期望在不同架构间灵活切换，CUDA 的壁垒也可能成为他们转身的理由。

回头来看，英伟达固然仍然是今天最强的 AI 芯片厂商，站在技术、产品和市值的巅峰。但巅峰从来不是终点，它只是更多挑战的起点。更关键的是，英伟达面对的不是一次技术换代的风险，而是一次由客户主导的去中心化。正如前文所言：英伟达的世界第一，并不稳。

8 月通胀小幅回升，美联储降息路径复杂化专题：美国8月CPI同比增2.9%符合预期　　美国政府周四公布的数据显示，8月通胀小幅回升。目前投资者正密切关注特朗普总统推出的关税政策对消费者价格的影响程度，以及这一影响将如何左右美联储的降息力度。　　美国劳工统计局（BureauofLaborStatistics）最新数据显示，8月消费者价格指数