AI正在挖掘Nvidia的護城河

一家新創公司正用AI自動優化晶片程式碼，另一家則讓AI設計晶片本身。Nvidia長達十年的軟體優勢，正面臨前所未有的挑戰。這對亞洲半導體產業意味著什麼？

4兆美元。這是Nvidia今天的市值，也是全球AI基礎設施對單一企業依賴程度的縮影。然而，一個弔詭的局面正在成形：AI幫助Nvidia登上頂峰，如今同樣是AI，開始動搖它的根基。

Nvidia的真正護城河：不是晶片，是軟體

外界常以為Nvidia的優勢在於GPU硬體本身。但更準確的說法是：它的護城河在於軟體生態系統。多年來，Nvidia透過CUDA等程式設計平台，讓開發者能相對輕鬆地為其晶片撰寫高效程式碼。

這種優勢製造了強大的鎖定效應。以Anthropic為例，當它與Amazon合作，嘗試在後者自研的Trainium晶片上運行AI模型時，必須從頭重寫整個模型的程式碼，才能讓它在新硬體上高效運作。這種遷移成本，讓即便是科技巨頭也難以輕易脫離Nvidia的生態圈。

新創公司Wafer：讓AI寫晶片程式碼

正是這個痛點，讓新創公司Wafer看見了機會。其共同創辦人兼執行長Emilio Andere的策略很直接：用AI來做那些昂貴且稀缺的人工作業——優化能直接與硬體溝通的核心程式碼（kernel code）。

Wafer對開源模型進行強化學習訓練，使其學會撰寫核心程式碼；同時為Anthropic的Claude和OpenAI的GPT等現有程式設計模型加上「代理框架」，強化它們生成晶片級程式碼的能力。目前，Wafer已與AMD和Amazon展開合作，並從Google的Jeff Dean、OpenAI的Wojciech Zaremba等人處獲得400萬美元種子輪融資。

Andere直白地說：「AMD最好的硬體、Amazon Trainium、Google TPU，在理論浮點運算性能上都與Nvidia GPU相當。差距在於軟體的易用性。Nvidia的護城河活在晶片的可程式化性上——我認為是時候重新評估這個護城河是否真的牢固了。」

Ricursive Intelligence：讓AI設計晶片本身

廣告合作

[email protected]

如果說Wafer是在軟體層面挑戰Nvidia，那麼Ricursive Intelligence的野心則更深一層——讓AI直接參與晶片設計。

這家公司由兩位前Google工程師Azalia Mirhoseini和Anna Goldie創立。Mirhoseini同時也是史丹佛大學助理教授。她們在Google任職期間，就已開發出讓AI優化晶片內部元件佈局的方法，這項技術如今已廣泛應用於業界。

Ricursive的目標是進一步自動化晶片設計流程，並將大型語言模型整合其中，讓工程師能用自然語言描述設計需求或提問。就像現在有人「憑感覺寫程式碼（vibe code）」，未來或許可以「憑感覺設計晶片」。

投資人對此反應熱烈：Ricursive在短短數月內完成3.35億美元融資，估值達40億美元。Goldie描述了一個更遠大的願景：「AI可以同時共同設計晶片與演算法，形成一種遞迴式的AI自我改進循環——晶片設計也將出現屬於自己的規模定律。」

對華人世界的地緣意涵

這場競爭的走向，對亞洲半導體產業的影響不容小覷。

首先是台灣。台積電作為全球最先進的晶圓代工廠，其客戶群正在多元化——Google、Amazon、Meta、Apple都有自研晶片。若AI降低了晶片設計的門檻，自研晶片的企業數量可能進一步增加，對台積電而言，訂單來源將更加分散，但整體需求或許同步擴大。

其次是中國大陸。在美國出口管制的限制下，中國企業難以取得Nvidia最先進的GPU。若AI能讓其他晶片（如AMD、國產替代品）的軟體優化門檻大幅降低，這在某種程度上可能有助於縮小中國AI算力與美國之間的差距——儘管硬體本身的差距依然存在。

此外，對於正積極發展半導體產業的東南亞國家，以及尋求在AI供應鏈中尋找定位的韓國、日本企業而言，「更低的晶片設計門檻」意味著更多進入市場的可能性，也意味著更激烈的競爭。

格局未定，變數仍多

當然，這一切目前仍處於早期階段。Wafer的技術能否真正在產業規模上取代人工優化，Ricursive的AI設計工具能否通過嚴格的工業驗證，都還有待觀察。晶片設計是地球上最複雜的工程任務之一，AI生成程式碼或設計方案的可靠性與安全性，仍是業界必須謹慎面對的問題。

Nvidia本身也不會坐以待斃。它擁有龐大的研發資源、深厚的開發者社群，以及在AI訓練與推理市場上持續的先行優勢。