OpenAI 晶片大脫鉤：Cerebras 百億交易與 Broadcom 定制晶片動搖 Nvidia 霸權

Cerebras 交易：百億美元的信任票

OpenAI 與 Cerebras Systems 的合作是這場晶片多元化運動中最引人注目的一步。Cerebras 這家總部位於加州的晶片新創公司，開發了一種與 Nvidia GPU 截然不同的 AI 計算架構——晶圓級引擎（Wafer-Scale Engine，WSE）。這是世界上最大的晶片，將一整片矽晶圓製成一顆巨型處理器，而非切割成數百顆小晶片。

超過 100 億美元的供應協議——這對 Cerebras 而言是一筆改變命運的交易。作為一家 2016 年創立的新創公司，其 H 輪融資後估值約 230 億美元。OpenAI 的背書不僅為 Cerebras 提供了穩定的營收基礎，更向整個市場傳遞了一個信號：Nvidia GPU 不是訓練和運行大型 AI 模型的唯一選擇。

Broadcom 合作：定制晶片的野心

如果說 Cerebras 交易是「購買現成替代品」，那麼與 Broadcom 的合作則代表着更深層的戰略野心——OpenAI 要擁有自己的定制 AI 晶片。

Broadcom 是全球領先的半導體設計公司，在定制晶片（ASIC）設計領域擁有豐富經驗。Google 的 TPU（張量處理單元）就是與 Broadcom 合作設計的，這些定制晶片幫助 Google 在 AI 計算成本和效率方面獲得了顯著優勢。OpenAI 顯然希望複製這一模式。

定制晶片的優勢

與通用 GPU 相比，為特定 AI 工作負載設計的定制晶片可以在性能和能效方面實現顯著提升。Google 的經驗表明，TPU 在訓練和推理特定模型時，性能每瓦可比通用 GPU 高出數倍。對 OpenAI 而言，考慮到其每年超過 80 億美元的計算支出，即使效率提升 20-30%，也意味着數十億美元的成本節省。

然而，定制晶片的開發周期通常需要 2-3 年。這意味着 OpenAI 在短期內仍將嚴重依賴 Nvidia 的 GPU，Cerebras 的晶片則提供了一個中期的替代方案。三管齊下的策略——Nvidia 保底、Cerebras 補充、定制晶片長期替代——構成了 OpenAI 完整的晶片戰略。

Nvidia 的護城河有多深？

面對 OpenAI 的「脫鉤」動作，核心問題是：Nvidia 的護城河是否足夠堅固？

CUDA 生態系統

Nvidia 最深的護城河不是硬件本身，而是 CUDA——其開發十多年的軟件生態系統。全球絕大多數 AI 研究人員和工程師都使用 CUDA 進行開發，數以萬計的 AI 模型和工具庫都針對 CUDA 優化。切換到非 Nvidia 平台意味着重寫大量代碼和工具，這是一項巨大的工程和人才成本。

產能和可靠性

Nvidia 通過台積電（TSMC）擁有穩定的先進製程產能。相比之下，Cerebras 的晶圓級晶片製造難度極高，良率和產能能否滿足 OpenAI 的大規模需求，仍是一個未經充分驗證的問題。

持續創新

Nvidia 的產品迭代速度極快。從 Blackwell 到即將推出的 Vera Rubin 平台，每一代產品都帶來顯著的性能飛躍。這種持續創新使得替代者必須不斷追趕一個移動的目標。

行業連鎖反應

OpenAI 的晶片多元化策略正在產生行業性的連鎖效應。其他大型 AI 公司也在加速自己的替代方案：

• Google：持續迭代 TPU 系列，最新的 TPU v6 在多項基準測試中接近甚至超越 Nvidia GPU
• Amazon：自研 Trainium 和 Inferentia 晶片，為 AWS 客戶提供低成本 AI 計算
• Meta：投資自研 AI 加速器，減少對 Nvidia 的依賴
• Microsoft：開發 Maia AI 加速器，同時也是 Nvidia 最大客戶之一

這種集體性的「去 Nvidia 化」趨勢，並不意味着 Nvidia 將失去主導地位——至少在短期內不會。但它標誌着 AI 晶片市場正在從「一家獨大」向「多極化」格局演變。

對香港的啟示

投資組合調整

對於持有大量 Nvidia 股票的香港投資者而言，OpenAI 的晶片多元化策略是一個重要的風險信號。雖然 Nvidia 的短期業績仍然強勁，但其長期壟斷溢價可能受到侵蝕。分散投資至 Broadcom、Cerebras（如上市）等替代晶片公司，可能是一種更均衡的配置策略。

半導體供應鏈機遇

AI 晶片多元化意味着更多的晶片設計和製造活動。大灣區擁有完整的電子製造生態系統，在晶片封裝、測試、散熱和系統集成等環節具有優勢。隨着定制 AI 晶片需求增長，這些環節的企業可能迎來新的增長機遇。