1. 首頁 > 生活百科 > >

AI數據中心芯片市場，增速放緩

aicpuit芯片gpu芯片

AI數據中心芯片市場，增速放緩

文章圖片

AI數據中心芯片市場，增速放緩

文章圖片

AI數據中心芯片市場，增速放緩

本文由半導體產業縱橫（ID：ICVIEWS）綜合
GPU和AI加速器出貨金額2025年預計增至2070億美元 ， 2030年將達2860億美元 。

Omdia最新發布的《云與數據中心AI處理器預測報告》顯示 ， AI數據中心芯片市場持續快速增長 ， 但已有跡象表明增速開始放緩 。
AI基礎設施的蓬勃發展推動預測值大幅上調：2024年GPU和AI加速器出貨金額達1230億美元 ， 2025年預計增至2070億美元 ， 2030年將達2860億美元 。 雖然2022至2024年間市場年增長率超過250% ， 但2024至2025年的增速預計將回落至67%左右 。 AI基礎設施支出占數據中心總支出的比例預計在2026年達到峰值（屆時幾乎所有增量支出都將由AI驅動） ， 之后將逐步回落至2030年 。
Omdia高級計算首席分析師Alexander Harrowell表示：“增長的關鍵驅動力在于AI應用的普及、AI微調技術的日益民主化 ， 以及推理模型的使用——這些模型會產生大量未用于最終輸出的令牌 。 另一方面 ， 向小型化專業模型的轉變正在降低對AI算力的需求 ， AI模型效率的代際提升也在產生同樣效果 ， 包括訓練數據集優化、基礎模型設計進步以及推理環節的運營優化 。 ”
盡管英偉達仍是主導供應商 ， 但Omdia觀察到2025年GPU替代方案正獲得市場關注 ， 包括谷歌TPU等定制ASIC芯片 ， 以及華為昇騰系列、Groq和Cerebras等商用ASSP 。 AMD通過2024年對軟件的重大投入 ， 其Instinct系列GPU也取得顯著進展 。
Yole預測：數據中心處理器市場預計到2030年將達到3720億美元根據Yole預測 ， 數據中心處理器市場正處于快速擴張階段 ， 核心驅動力是生成式人工智能應用需求的持續增長 ， 這類應用需要高性能計算支持 。 2024年 ， 全球數據中心處理器市場規模已達1470億美元 ， 預計到2030年將突破3720億美元 。
其中 ， GPU與 AI ASIC是生成式人工智能的核心組件 ， 也是市場增長的主要引擎 ， 保持著兩位數的增長速度 。 CPU與網絡處理器同樣是該市場的關鍵組成部分 ， 目前呈現穩步增長態勢 。 FPGA在GPU和AI ASIC主導的人工智能場景下 ， 其市場份額已大幅下滑 ， 預計中期內將維持平穩狀態 。 此外 ， 比特幣等加密貨幣市場的快速擴張 ， 推動了加密貨幣礦場中加密ASIC的強勁增長 ， 這類芯片對驗證加密貨幣交易至關重要 。

英偉達在人工智能領域的競爭中處于領先地位 ， 但谷歌和亞馬遜云科技（AWS）正大力押注自研AI ASIC 。 自2022年起 ， 在OpenAI的推動下 ， 生成式人工智能不僅改變了數據中心處理器市場格局 ， 也讓英偉達的圖形處理器（GPU）大幅受益 。 面對英偉達的主導地位以及人工智能背后的戰略價值 ， 谷歌、亞馬遜云科技等超大規模科技公司 ， 正與博通、邁威爾、通富微電等企業合作 ， 聯合設計自研AI ASIC ， 以實現更高的技術自主性 。
目前市場格局正在發生著三大關鍵變化 ， 其一是初創企業入局 ， 在行業向 AI ASIC 轉型的過程中 ， Groq、Cerebras、Graphcore 等眾多初創公司憑借創新技術爭奪市場份額 ， 帶動了一波并購與融資熱潮 。 其二是CPU架構競爭 ， 對性能效率的追求正推動行業向 ARM 架構 CPU 轉型 ， 這一趨勢沖擊了英特爾和AMD長期以來在 x86 架構領域的領導地位 。 其三是跨界玩家進入 ， 擁有散熱解決方案和高供電能力優勢的加密貨幣礦場 ， 如今也通過托管高性能GPU ， 正式進軍人工智能市場 。

多芯片組架構與先進制程節點正共同塑造生成式人工智能的未來 。 芯片組在GPU、CPU和AI ASIC中發揮著關鍵作用：一方面能優化生產良率 ， 另一方面可支持采用更先進制程節點、尺寸更大的芯片裸片（dies） 。 2024年 ， 最新CPU已采用3納米制程 ， 而GPU與AI ASIC仍停留在 4 納米；不過預計最早2025年 ， 隨著AWS Trainium 3 的推出 ， 3 納米制程的GPU與AI ASIC也將落地 。
生成式 AI的兩大核心技術需求 ， 第一是算力持續飆升 ， 為滿足AI需求 ， 計算性能自2020年以來已增長8倍 ， 且增速仍在加快 。 英偉達已宣布計劃在2027年推出Rubin Ultra ， 其FP4精度推理算力將達到100 PetaFLOPs 。

第二是內存成為關鍵瓶頸 ， 隨著AI模型規模擴大 ， 對低延遲、高帶寬內存的需求急劇上升 ， 內存性能已成為影響 AI 應用的核心因素 。 當前 ， HBM是主流選擇 ， 英偉達、AMD、谷歌和亞馬遜云科技的解決方案均依賴其支撐性能 。 但眾多AI ASIC初創公司 ， 如Groq和Graphcore ， 正嘗試基于靜態隨機存取存儲器（SRAM）開發處理器 ， 以期進一步提升性能 。
*聲明：本文系原作者創作 。 文章內容系其個人觀點 ， 我方轉載僅為分享與討論 ， 不代表我方贊成或認同 ， 如有異議 ， 請聯系后臺 。
【AI數據中心芯片市場，增速放緩】想要獲取半導體產業的前沿洞見、技術速遞、趨勢解析 ， 關注我們！

    推薦閱讀