英伟达与科技巨头的“AI芯片大决战”：从盟友到对手的生态裂变
英伟达（Nvidia）与亚马逊、谷歌、Meta和微软等云巨头（Hyperscalers）之间的关系正在发生根本性转变。过去，英伟达设计并提供芯片，云巨头负责建设数据中心。如今，尽管双方依然互为支撑，但都在为“减少对彼此的依赖”铺路。
一、 英伟达的金融反击：携手华尔街开辟新战场
为了降低对云巨头的依赖，英伟达于8月10日宣布与黑石（BlackRock）、高盛（Goldman Sachs）等六家华尔街巨头达成合作，计划动用超过5000亿美元的资金用于AI基础设施建设。
- 运作模式：该财团从机构投资者处募集资金，以优惠利率贷款给英伟达的客户（如中小型AI实验室和企业），帮助其建设数据中心（单个大型数据中心成本通常高达500亿美元）。
- 抵押与兜底机制：该方案将“算力”作为抵押品。鉴于处理器存在4-5年的折旧寿命以及需求不确定的风险，英伟达提供兜底承诺——如果抵押资产价值跌至特定水平以下，英伟达将承担高达项目四分之一成本的损失。
- 规避“循环融资”嫌疑：通过引入外部机构资金，英伟达试图打消外界关于其“左手倒右手”循环融资的质疑。
二、 云巨头的“去英伟达化”：自研芯片大行其道
云巨头们不愿再被英伟达的芯片定价权裹挟，正斥资数十亿美元推进芯片自研：
- 谷歌：长期通过云端出租其专为AI设计的张量处理器（TPU），如今已开始向其他公司出售TPU系统。
- 亚马逊：其自研芯片（大多与AI相关）年化收入已达250亿美元，CEO安迪·贾西（Andy Jassy）称其已成为全球三大数据中心芯片业务之一。
- 微软与Meta：均已开发出自家芯片；而Anthropic和OpenAI两家头部AI实验室也计划加入自研行列。
为什么云巨头执着于自研？
- 极致的成本控制：在运行英伟达H100芯片（单价约2.5万美元）的服务器机架中，芯片成本占总支出的四分之三。而自研芯片的成本仅为英伟达的五分之一到三分之一。虽然性能略逊，但性价比更高。
- 特定任务的优化：自研芯片能更好地适配自家算法，例如谷歌的TPU专门针对其AI模型计算进行了优化，Meta的处理器则更适用于推荐算法。
- 商业化输出：云巨头正在将自研算力转化为新业务。例如谷歌与黑石集团合作成立AI云公司，出租基于谷歌芯片的算力；亚马逊的Trainium处理器也吸引了Anthropic和OpenAI的使用。
市场预测：据彭博行业研究（Bloomberg Intelligence）预测，到2030年，全球AI芯片出货量将从今年的1500万片增长至2800万片。届时，自研芯片将占市场份额的49%，而英伟达占40%。虽然英伟达可能依然在收入上占主导，但廉价的自研芯片将蚕食其超高的利润率。
三、 英伟达的防御护城河：通用性与研发壁垒
面对云巨头的围剿，英伟达CEO黄仁勋认为，自研芯片最大的优势（专业化）恰恰也是其致命弱点——它们只适用于已知的工作负载，而无法适应新出现的任务。相比之下，英伟达的GPU具有通用性，在AI走向机器人、自动驾驶和工业应用的多样化未来中，这种通用性至关重要。
此外，英伟达拥有难以逾越的竞争壁垒：
- 研发速度与资金门槛：英伟达已将芯片更新周期从两年缩短至一年。设计一款前沿AI芯片需要2-3年时间和10-30亿美元，而英伟达仅上季度的研发支出就超过60亿美元。
- 产能分配特权：诸如台积电等代工厂的先进产能非常有限。云巨头必须在“将宝贵的代工配额用于自研芯片”和“用于客户的其他需求”之间做出艰难权衡。
四、 寻找新盟友：主权AI与新一代云服务商
除了稳固传统市场，英伟达正在积极拓展新客户群：
- 游说各国政府建设主权AI基础设施。
- 扶持租用AI算力的**“新兴云服务商”（Neoclouds）**。7月，英伟达推出了一项计划，租用新兴云服务商的闲置算力以换取未来收入分成，从而帮助其更容易融资和扩张。
- 据报道，英伟达正在讨论一项350亿美元的计划，帮助OpenAI在俄亥俄州租赁数据中心并购买GPU。
结语
在当前的AI军备竞赛中，资助者与供应商、客户与竞争对手之间的界限已然模糊。尽管各方都在试图摆脱对彼此的绝对依赖，但在算力求过于供的当下，英伟达依然掌握着绝大多数的筹码。