【AI加速器市場現變局】Nvidia優勢收窄 ASIC急起直追 Google TPU穩居第二 2027格局生變
AI 加速器市場正處於結構性轉變的關鍵階段。據市場研究機構報告，全球 AI 加速器出貨量在 2026 年將錄得顯著增長，當中 Nvidia 連同 AMD 的通用 GPU 合計佔比，已由 2025 年約 68% 收窄至 2026 年約 58%；與此同時，雲端巨頭自研的客製化 ASIC／XPU 晶片出貨佔比，則由 2026 年約 41%，預期在 2027 年進一步攀升至約 54%，首次反超傳統 GPU。換言之，AI 加速器市場的出貨主導權，正由 Nvidia 為首的通用 GPU，逐步轉移至 Google、Amazon 等自行設計的專用晶片陣營。
【優勢收窄】Nvidia 仍稱王 但護城河現缺口
Nvidia 在 AI 加速器市場的領先地位，短期內依然難以撼動，但增長曲線已明顯放緩。據報道，2026 年全球 AI 加速器出貨量預計達約 1,630 萬台，按年增長逾六成，Nvidia 憑藉 H100、H200 以至新一代 Blackwell 架構晶片，仍然穩佔出貨量最大份額；但其連同 AMD 的通用 GPU 合計佔比，已由前一年約 68% 下滑至約 58%。進入 2027 年，市場預期總出貨量將進一步擴大至約 2,330 萬台，當中 GPU 出貨量約 1,090 萬台，佔比降至約 47%，首度被客製 ASIC／XPU 的約 1,250 萬台、約 53% 佔比反超。另有市場研究報告以較保守基數估算，Nvidia 單一品牌在 2027 年高階雲端 AI 加速器市場的份額，將由過半收窄至三成多水平，兩套估算方法雖有差異，但方向一致，均指向 Nvidia 優勢正在收窄。
【客製崛起】Google TPU 領跑非 Nvidia 陣營
在眾多挑戰者之中，Google 的自研 TPU 晶片被市場研究機構視為最大變數。AI 加速器大致分為兩大陣營：一是以 Nvidia、AMD 為代表的通用型 GPU（Graphics Processing Unit），原本為圖像運算設計，近年因應深度學習需求被大規模改造成 AI 訓練與推理的主力晶片；二是雲端巨頭自行設計的專用 ASIC（Application-Specific Integrated Circuit，特定應用積體電路），包括 Google 的 TPU、Amazon 的 Trainium 與 Inferentia、Microsoft 的 Maia，以及 Meta 的 MTIA。據市場研究機構報告，Google TPU 出貨量預期在 2026 年至 2027 年間錄得逾倍數增長，是整個 ASIC 陣營增長最快的單一產品線，穩居僅次於 Nvidia 的第二大供應商位置；驅動力主要來自 Google 內部 Gemini 系列模型訓練需求、Google Cloud 對外提供算力服務，以及部分外部客戶直接採購 TPU 算力。市場消息並指，Google 下一代 TPU 架構的部署規模，中長期有望進一步擴大至逾千萬台級別。
| 項目 | 2026年預測 | 2027年預測 | 洞察 |
| 全球AI加速器總出貨量 | 約1,630萬台 | 約2,330萬台 | 按年維持高雙位數增長 |
| Nvidia+AMD通用GPU合計佔比 | 約58%（2025年約68%） | 約47% | GPU陣營佔比連續下滑 |
| 客製ASIC/XPU合計佔比 | 約41% | 約54%（首度反超GPU） | 雲端巨頭自研晶片成主要推手 |
| Google TPU市場地位 | ASIC陣營增長最快 | 穩居非Nvidia陣營第二 | Gemini訓練需求為主要驅動力 |
【四強自研】雲端巨頭各自佈局晶片自主
Google 並非唯一一家走「晶片自主」路線的雲端巨頭。據公開資料顯示，Amazon 的 Trainium 系列主攻 AI 模型訓練、Inferentia 系列則專注推理運算，兩者均為 AWS 雲端服務內部與對外客戶提供低成本算力選項；Microsoft 的 Maia 晶片則配合其 Azure 雲端及自身 AI 產品線部署；Meta 的 MTIA（Meta Training and Inference Accelerator）晶片主要用於支撐其內部龐大的廣告推薦及內容演算法運算需求，暫未對外銷售。市場研究機構指出，四大雲端巨頭自研晶片的共同邏輯，是透過垂直整合降低對單一外部供應商的依賴，同時針對自身主力工作負載做高度客製化設計，長遠有望壓低每單位運算成本。不過，分析亦提到，自研晶片在通用性、軟件生態配套及量產穩定性方面，與 Nvidia 成熟的 CUDA 生態圈相比仍有距離，這亦是 Nvidia 短中期內仍能保住最大出貨份額的主要原因。
【投資啟示】供應鏈格局重塑 晶片股估值邏輯生變
對投資者而言，AI 加速器市場從「Nvidia 一家獨大」走向「GPU 與 ASIC 雙軌並行」，意味着整條半導體供應鏈的受惠對象正在擴散。除了 Nvidia 本身，為 Google、Amazon 等客戶代工設計 ASIC 晶片的半導體設計服務商，以及提供先進封裝、高頻寬記憶體（HBM）的上游供應商，同樣有望分享 AI 算力需求增長的紅利。但另一方面，Nvidia 出貨份額收窄，亦反映市場對「單一供應商風險」的憂慮正在發酵 — 一旦雲端巨頭自研晶片的性價比持續提升，傳統 GPU 廠商的議價能力與毛利率，中長期或將面對更大壓力。對追蹤 AI 主題的資金而言，與其單押注 Nvidia 一家，不如同時留意 ASIC 設計代工及封裝測試環節的供應鏈機會，分散單一龍頭股集中度過高的風險。
免責聲明：本專頁刊載的所有投資分析技巧，只可作參考用途。市場瞬息萬變，讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。
—
