公眾號記得加星標??，第一時間看推送不會錯過。

來源：內容編譯自Yole。

處理器市場持續顯著增長，主要得益于生成式人工智能應用需求的不斷增長。預計在2024年至2030年期間，市場規模將增長近一倍，從2880億美元增至5540億美元，這得益于企業、個人和政府對生成式人工智能的廣泛應用。2024年標志著處理器行業的一個轉折點，GPU市場規模首次超過APU。這一轉變源于對高計算能力的需求，尤其是在服務器領域，

以運行ChatGPT、Gemini和Copilot等大型語言模型（LLM）。GPU市場將面臨來自谷歌和AWS等超大規模廠商開發的AI ASIC芯片日益激烈的競爭，這些芯片預計將在未來五年內快速增長，主要目標是降低目前巨額的資本支出成本。在服務器處理器市場的背后，邊緣AI正在APU和消費級CPU中迅速擴張。其目標很明確：在所有電子設備中開發原生AI，以提供最佳的用戶體驗。智能手機和筆記本電腦處于嵌入式人工智能發展的前沿，但新型設備也可能出現。

巨頭和新進入者重塑了處理器行業

處理器市場高度集中于少數幾家公司。在五個處理器細分市場中，有三個由一家公司主導，市場份額超過 50%，其中包括占據 CPU 市場 66% 的英特爾和占據 GPU 市場 90% 以上的英偉達。相比之下，APU 和 AI ASIC & DPU 市場更加分散，來自蘋果、高通、聯發科、谷歌、三星、華為、恩智浦、德州儀器等眾多公司的競爭更加激烈。

在競爭激烈的市場中，中國也涌現出一些新玩家，其中一些取得了成功，例如小米在智能手機 APU 領域的成功，以及蔚來在汽車 ADAS APU 領域的成功。APU 市場參與者的多樣性可以用目標終端市場的多樣性來解釋。GPU 市場主要關注服務器、臺式機和工作站，而 APU 市場則涵蓋智能手機、筆記本電腦、智能手表、智能音箱、智能電視、汽車、虛擬現實以及本報告中詳述的許多其他細分市場，并且通常每個市場都有成熟的領導者。

為了占領市場，處理器廠商的共同目標是提供領先于競爭對手的最強大的解決方案。為了實現這一目標，每個市場都面臨著各自的挑戰，無論是在成本方面，還是在物理和技術限制方面。所有細分市場的共同趨勢是逐年向更先進的技術節點邁進，這些節點曾經僅限于智能手機的APU，但現在正逐漸被服務器CPU和其他CPU所采用。在這場技術競賽中，代工廠發揮著核心作用。沒有它們，就不會有iPhone或Nvidia的GPU。在過去的20年里，能夠生產最先進節點的代工廠數量減少了10倍，而向2納米工藝的過渡可能會進一步減少這個數量。臺積電的技術壟斷是重大地緣政治緊張局勢的核心，凸顯了英特爾和三星保持競爭的必要性。

數據中心處理器市場，一路飆升

數據中心處理器市場正在快速擴張，這得益于對需要高性能計算的生成式人工智能應用日益增長的需求。2024 年，全球數據中心處理器市場規模達到 1470 億美元，預計到 2030 年將達到 3720 億美元。GPU 和人工智能專用集成電路 (ASIC) 是生成式人工智能的核心，在很大程度上推動著市場發展，并保持著兩位數的增長率。

CPU 和網絡處理器（例如 DPU）在這個市場中也至關重要，并且正在穩步增長。在 GPU 和人工智能專用集成電路 (ASIC) 占據主導地位的人工智能領域，FPGA 經歷了急劇下滑，預計中期內將保持平穩。比特幣等加密貨幣市場的快速擴張，帶動了加密礦場中加密 ASIC 的強勁增長，而加密礦場對于驗證加密貨幣交易至關重要。

自2022年以來，OpenAI推動的生成式人工智能（Generative AI）已經改變了數據中心處理器市場，并使英偉達的GPU受益匪淺。面對英偉達的主導地位以及人工智能所代表的戰略利益，谷歌和AWS等超大規模計算平臺正在與博通、Marvell和Alchip建立合作伙伴關系，共同設計各自的AI ASIC芯片，以獲得更大的自主權。

資料顯示，由英特爾和AMD領銜的CPU服務器市場，共占據80%的市場份額，對于通用計算而言仍然至關重要，但正面臨壓力。來自超大規模廠商和新玩家的基于Arm的CPU發展勢頭強勁，尤其是亞馬遜的Graviton、谷歌的Axion和英偉達的Grace，它們都聲稱擁有顯著的能效優勢。預計到2030年，CPU市場規模將達到356億美元。

更小的細分市場也在不斷發展，正如 Yole Group 的《生成式人工智能 2025》報告中所詳述的那樣：

• 服務器 FPGA：到 2030 年將達到 15 億美元，

• DPU 和網絡 ASIC：到 2030 年將達到 177 億美元，

• 加密 ASIC：受采礦動態變化的影響，到 2030 年將達到 42 億美元。

在向AI ASIC芯片轉型的浪潮中，Groq、Cerebras和Graphcore等眾多初創公司正以創新方式尋求市場地位，引發了一波并購和融資浪潮。這種對性能效率的追求正在推動向基于ARM架構的CPU的轉型，從而打破英特爾和AMD長期以來在x86架構上的領先地位。憑借在散熱解決方案和高功率容量方面的專業知識，加密貨幣礦場如今也通過部署性能最強大的GPU進入了AI市場。

Yole Group 的分析師指出，整合和并購是推動計算技術革新的關鍵因素。僅在 2024 年，Yole Group 的分析師就已確定了以下重要公告：

• 軟銀收購了Graphcore，

• AWS 向 Tenstorrent 投資 7 億美元，

• 叛亂和 Sapeon 在韓國合并，

• Meta 曾試圖以 8 億美元收購 Furiosa，但未能成功。

• 這些發展凸顯了具有競爭力的人工智能芯片團隊的稀缺性以及人工智能基礎設施中硅片專業知識價值的不斷上升。

尋找新的破局方法

小芯片在 GPU、CPU 和 ASIC 中發揮著至關重要的作用，它不僅可以優化產量，還可以通過更先進的節點實現越來越大的芯片。2024 年，最新的 CPU 將采用 3nm 工藝，而 GPU 和 AI ASIC 仍采用 4nm 工藝，不過預計 3nm 工藝最早將于 2025 年隨著 AWS Trainium 3 的推出而到來。為了滿足 AI 需求，計算性能自 2020 年以來增長了 8 倍，并且還在繼續加速，Nvidia 宣布其 Rubin Ultra 將于 2027 年推出，FP4 推理速度將達到 100 PetaFLOP。

然而，隨著 AI 模型變得越來越大以及對低延遲和高帶寬的需求不斷增加，內存在 AI 應用中起著至關重要的作用。HBM 內存目前在 Nvidia、AMD、Google 和 AWS 解決方案中發揮著這一關鍵作用，但許多 AI ASIC 初創公司，如 Groq 和 Graphcore，正在努力建立基于 SRAM 內存的處理器以提高性能。

隨著人工智能成為全球數字戰略的重要資產，各國政府紛紛投資專用的人工智能數據中心，以確保國家計算能力。與此同時，美國政府持續實施嚴格的出口管制，將全球劃分為不同的監管層級，限制中國獲取尖端人工智能芯片。

作為回應，中國政府正在加速國內半導體產業的發展，而英偉達則致力于開發符合出口標準的芯片。與此同時，華為正在加緊其CPU和AI ASIC的開發，凸顯了AI計算自給自足的戰略緊迫性。

Yole Group 的 Adrien Sanchez 肯定道：“戰略計算成為人工智能基礎設施的核心?！?/p>

https://www.yolegroup.com/press-release/generative-ai-at-the-core-of-a-372-billion-data-center-processor-revolution/

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。

今天是《半導體行業觀察》為您分享的第4101期內容，歡迎關注。

加星標??第一時間看推送，小號防走丟

求推薦