面對AI算力需求的爆發，近期國際的AI科技巨頭，包含OpenAI、Nvidia、Google、Meta、Microsoft等都宣布對於AI Data Center相關的投資計畫。這波投資熱潮的背後，除了再次印證「先搶先贏」的科技競爭態勢之外，也在較勁到底誰才是整個生態系架構的最後贏家。
在目前的競爭態勢中，以Nvidia為首的GPU架構當然是市場最具代表性的生態系解決方案。不過如Google、Amazon、Meta等公司推出的ASIC搭配博通的網路晶片形成解決方案，其可擴展性和開放生態也讓業界眼睛為之一亮。
GPU在通用訓練及多變的推理應用佔優勢
在2025年9月底，Nvidia執行長黃仁勳接受科技頻道專訪時提到，目前GPU仍在通用的訓練和多變的推理應用上佔有優勢，如果以電力作為資源限制條件，GPU架構能提供更高的效能和營收。雖然ASIC在標準化的推理佔有優勢，但即使ASIC是免費的，在整個算力中心的建置上衡量每瓦效能或營收，都還是GPU架構佔優勢。
圖1：GPU vs ASIC 評比觀點
圖片來源：整理自Nvidia執行長黃仁勳訪談
目前，Nvidia GPU佔優勢的立論，其實關鍵點還是在軟硬體架構生態的完整性較高，使得整個資料中心的建置時程較好掌握，對於重視總體擁有成本（TCO）的業界來說，財務估算上當然相對佔優勢。不過，等到AI技術路徑、模型等開始收斂，大量標準推理應用需求爆發的時候，ASIC陣營或許會迎來重大的商機。
台灣身為AI硬體製造大國，在產業生態系中一直都扮演關鍵的製造與系統整合角色，尤其在整機組裝、網路、散熱、能源管理等都是我們強項。然而，隨著市場對於每瓦效能和TCO的重視，如何運用中介軟體和AI模型整合最佳化，切入軟體和驗證服務的市場，或許會是台灣持續維持AI供應鏈競爭力的關鍵。
本文作者為資策會數位轉型研究院智造中心副主任謝沛宏
