我有个内部对冲仓位： $GOOG 和 $NVDA ，像是跷跷板的两端。昨晚，涨了Google就得跌英伟达。 背后的逻辑可能是：Google在AI训练方面也正成为英伟达的有力挑战者。 那事实是这样么？回答只能给一个冷酷的YES！ ———————————————————— 事实上，英伟达的市场份额一直在缩减。 AI芯片分别有用在训练和推理上。在训练领域，英伟达份额超过 90%；在推理领域，由于定制芯片和CPU的竞争，份额仅有 60–75%。 但是今年以来有两个结构性转变同时出现了： 1️⃣推理需求大增，推理在数据中心收入中首次超过训练； 2️⃣Google的TPU在训练上被Anthropic采用，第一次有人在训练上对英伟达产生了可能的威胁。 ———————————————————— 🧩趋势背后的原因： 其实我们可以用更经济学的观点来拆解份额下降的原因。今天各家一直被诟病的CapEx其实很多还是花在了芯片上。 对于每年花500–1000亿美元购买AI基础设施的超大规模云厂商来说，哪怕把推理工作负载的20–30%迁移到自研芯片，每年就能节省数百亿美元。 这个经济账，正在驱动Google和亚马逊接受更慢的产品迭代周期，换取架构上的独立性。 —————————————————————— 新趋势：ASIC定制芯片需求大增 TrendForce预测，2026年GPU类AI服务器将占出货量的 69.7%，而ASIC类服务器将上升至 27.8%。 事实上，从2025年底起，推理需求就以极快的速度增长。Agent时代的到来更是把“低延迟交互、更高灵活性、适配不同任务”的优先级大大提高。 Counterpoint Research做出预测，到2028年，定制芯片出货量将超过GPU，成为第一大AI服务器算力形态。他并不是唯一一个这么认为的。多家研究机构认为，模型进入生产环境后，推理会成为生命周期成本的大头。 财报季的数据也证明了这一点： Broadcom $AVGO 的AI ASIC业务在单季度（FY2026 Q2）就达到 84亿美元，同比增长106%，且有730亿美元的订单积压可见度延伸至2027年中。 —————————————————————— Google，Game Changer 更可怕的是，一个超强的对手 Google，也带着他的TPU芯片杀入了这场战争。 之前已经提了很多次，“Anthropic开始规模采用TPU”，这才是对 $NVDA 产生最大冲击的事件。 事实上除了GPU，CUDA生态是英伟达最大的护城河。 英伟达向vLLM、Triton、SGLang等框架大量贡献优化代码，新兴的RL训练框架也率先在CUDA生态出现。 但现在Anthropic跑在TPU上意味着：未来他们的优化经验、工程积累、底层调度都将沉淀在JAX/XLA体系里，而不是CUDA里。时间一长，不同AI公司会说不同的"硬件方言"。 TPU也在迅速迭代，并把训练/推理功能做了拆分。如果TPU在推理市场份额达到30–40%，英伟达将面临两难选择：要么大降价，要么看着收入蒸发。 —————————————————————— 市场是残忍的，现实的，市场交易的是预期。 毋庸置疑，英伟达仍然是绝对的王者。但是王者第一次露出了明显的漏洞，资金已经开始为“预期”下注。