陸追美「幾奈秒」差距 衝28奈米製程 2030搶過半產能
輝達從最初遊戲圖形處理器GPU起家，到發展成AI晶片領域領導者，不過市場上其實還有因應不同產業，推出不同類型的AI晶片。中國大陸方面，儘管受川普AI晶片禁令衝擊，卻還是積極擴充28奈米以上的「成熟製程」，市場就預估，到了2030年，全球的半導體「成熟製程」產能，將會有超過一半由中國占去。
全球AI晶片市場正呈現多元發展趨勢，從輝達的GPU到各種專用AI晶片百花齊放。輝達憑藉其強大的平行運算能力，從遊戲圖形處理器起家，發展成為AI領域領導者。同時，為因應不同需求，雲端業者開始研發客製化ASIC晶片，手機等終端裝置則採用NPU實現邊緣AI運算，而FPGA則提供靈活性。在美國限制下，中國積極擴充成熟製程產能，預計2030年將占全球成熟製程產能逾半，但先進製程仍是未來競爭核心。
輝達執行長黃仁勳先前宣布推出的新一代GeForce RTX 50系列採用Blackwell架構，這些原本主要用於電玩遊戲和電影特效的GPU，憑藉其規模龐大的平行運算能力，幫助輝達成為全球AI領域的霸主。輝達AI基礎架構部門Dion Harris解釋，GPU是專為提供平行運算而設計的，當需要渲染影像或場景時，必須同時計算所有像素，而這種能力恰好適合AI計算的兩個主要階段：訓練與推論。訓練是教AI模型從大量資料中學習模式，推論則是AI根據新資訊做出判斷，也就是AI在日常應用中的呈現方式。
The Futurum Group執行長Daniel Newman指出，無論是使用星巴克App買咖啡、使用Salesforce工作，或透過AirPods交談，都是靠推論運作。Dion Harris進一步表示，現在已有後訓練技術使模型更強大，而要真正提取價值就需要推論，人們實際使用AI的方式就是透過推論。若拿物品做形容，GPU有點像是萬用瑞士刀，功能多但昂貴且容易缺貨。因此為了省錢和速度，單一用途的客製化晶片ASIC快速崛起，成為各大雲端業者的新寵兒。
晶片戰爭作者Chris Miller表示，ASIC在執行特定工作負載時效率可以高出很多，但一旦設計成專用晶片並刻進矽晶圓就無法改動，所以在效率和彈性間會出現取捨。Google、亞馬遜、Meta、微軟、OpenAI等公司都開始打造自己的ASIC，這些晶片更小、更便宜、更容易取得，還能降低對輝達GPU的過度依賴。
AI不只能在雲端運行，手機、筆電、車用晶片也開始內建AI加速器，這種稱為邊緣AI（Edge AI）的技術可減少網路延遲和對頻寬的依賴。進步研究院Saif Khan解釋，使用者可能想在個人裝置上運作AI模型，因此晶片中處理器可能會包含具備AI運算能力的模組，這樣就不必一直回傳資料到資料中心，還可以在手機上保護個人資料隱私。專門應對這些挑戰而生的神經處理單元NPU就是一種主要的邊緣AI技術。
Apple平台架構部副總裁Tim Millet強調，裝置端AI之所以重要，是因為在裝置端完成運算能以最佳方式管理使用者隱私，同時更節能、更即時，使公司更能掌控整體使用體驗。另外還有一種名為FPGA「現場可程式化邏輯閘陣列」的晶片，與客製AI晶片不同，這種晶片出廠後還能由使用者重新設定功能，調整它適合執行的任務，優點是靈活度高、開發成本較低。
面對競爭激烈的晶片市場，中國也嘗試尋找出路。大陸計量科學研究院工程師田琦表示，他們使用超聲顯微鏡給晶片做類似B超的檢測，以發現晶片問題。此外，中國還研發了機器人動作捕捉系統，協助校正機器人動作，相關科技已開始運用在汽車製造和工業機器人生產領域。浙江省質量科學研究院工程師趙梓辰指出，他們的系統測試精度可達亞毫米左右，下一步計劃使用更多相機和更強大的數據處理算法。
市調機構集邦科技指出，中國晶圓廠正積極擴充28奈米以上的成熟製程，預計到2030年，中國將囊括全球超過一半的成熟製程產能。然而，隨著全球AI晶片需求暴增，真正兵家必爭之地還是7奈米以下的先進製程，台灣因此仍是晶片供應鏈的關鍵核心。