慧博投研报告指出，AI芯片竞争格局正经历深刻变革。2022年英伟达以67.6%的市占率独占鳌头，但2024年其份额已有所下降，AMD以及其他云商自研ASIC比例正逐步提升。谷歌TPU已迭代至第七代Ironwood（单芯片4614 TFLOPS），亚马逊Trainium3采用3nm制程，微软Maia100算力超A100 28%【7†L6-L10】。云厂商自研ASIC正从“补充方案”走向“核心力量”，重塑AI芯片市场格局。
英伟达份额承压，ASIC厂商加速追赶
英伟达在AI加速卡领域仍占据主要供应商地位，但优势正在被侵蚀。据Trendforce统计，2022年英伟达独占全球AI芯片市场67.6%的份额，2024年市占率预计将有所下降。AI芯片竞争格局中，三类玩家正在重新划分市场版图：全球龙头英伟达、其他商业AI加速卡公司（AMD、Intel、昇腾等）、云厂商自研ASIC。其中云厂商自研ASIC的崛起最为迅猛。
云厂商自研ASIC的驱动力来自成本和灵活性的双重优势。英伟达4Q24毛利率已达73%，采用自研加速卡将帮助云商在有限资本开支下获得更多AI算力。同时，云厂商可根据自身模型训练和推理需求进行AI芯片和服务器架构的定制化设计，实现更好的训练和推理效果。博通作为全球头部ASIC设计厂商，在定制化芯片领域已有三十余年经验，与谷歌建立约十年合作关系，是谷歌自研TPU的主要制造商，在AI芯片领域已成为仅次于英伟达的第二大供应商【7†L4-L7】。
谷歌TPU：从v1到v7的七年迭代之路
谷歌是ASIC自研的先行者。2015年推出TPU v1主要用于推理任务，此后保持约每1-2年迭代一代的节奏【7†L6-L10】。2024年发布的TPU v6 Trillium采用4nm制程，BF16算力达459 TFLOPS，配备95GB HBM、2765GB/s带宽，与上一代v5e相比单芯片峰值计算性能提升4.7倍，能源效率提升67%【7†L6-L10】。谷歌已建立超100000个TPU v6 Trillium芯片的算力集群，用于训练Gemini 2.0等大模型【7†L6-L10】。
2025年4月谷歌正式推出第七代TPU Ironwood，标志着AI芯片算力迈入新量级。Ironwood每芯片提供4614 TFLOPS峰值计算能力，配备192GB HBM（是Trillium的6倍）、7.2Tb/s内存带宽（是Trillium的4.5倍）【7†L6-L10】。包含9216颗TPU的集群总计算能力达42.5 Exaflops，是全球目前最大超级计算机El Capitan的24倍以上【7†L6-L10】。Ironwood每瓦性能是Trillium的两倍，相比2018年首款TPU提升近30倍【7†L6-L10】。谷歌在TPU研发上还改变了此前仅与博通合作的单一供应链模式，新增联发科形成双供应链布局【7†L6-L10】。
亚马逊、微软、Meta全面出击
亚马逊在AI芯片领域布局最为全面，涵盖推理芯片Inferentia和训练芯片Trainium两大系列。Trainium 2提供667 TFLOPS BF16算力、96GB HBM、2900GB/s带宽，Trn2实例价格效能比目前一代GPU型EC2 P5e和P5en实例更好30-40%【7†L8-L10】。Trainium 2 Ultra通过NeuronLink将64个芯片联机，Scale up带宽达640GB/s【7†L8-L10】。下一代Trainium 3采用3nm制程，性能较上一代提升2倍、能效提升40%【7†L8-L10】。目前包括Adobe、AI初创公司Poolside、Databricks以及高通都通过Trainium 2训练AI模型，苹果也使用亚马逊Inferentia和Graviton芯片服务搜索业务【7†L8-L10】。
微软Maia100采用台积电5nm制程和CoWoS-S封装，配备64GB HBM2E（1.8TB/s带宽），设计最大功耗700W TDP【7†L8-L10】。MXFP4数据格式下性能达3200 TFLOPS，BF16下达800 TFLOPS，算力超过英伟达A100约28%【7†L8-L10】。Maia100搭载16个集群×4个图块，网络带宽600GB/s【7†L8-L10】。下一代Maia v2设计已确定，由GUC负责后端设计及量产交付【7†L8-L10】。Meta的MTIA v2基于台积电5nm，INT8算力达354 TFLOPS，较MTIA v1性能提升3.5倍，计划2026年推出MTIA v3并扩展至训练任务【7†L8-L10】。
头部云厂商ASIC芯片关键参数对比| 厂商 | 芯片 | 制程 | 算力（BF16/FP16） | HBM容量 | 发布时间 |
|---|
| 谷歌 | TPU v6 Trillium | 4nm | 459 TFLOPS | 95GB | 2024 |
| 谷歌 | TPU v7 Ironwood | — | 4614 TFLOPS | 192GB | 2025 |
| 亚马逊 | Trainium 2 | 5nm | 667 TFLOPS | 96GB | 2023 |
| 亚马逊 | Trainium 3 | 3nm | 预计提升2倍 | — | 2025（计划） |
| 微软 | Maia 100 | 5nm | 800 TFLOPS | 64GB HBM2E | 2023 |
| Meta | MTIA v2 | 5nm | 354 TFLOPS（INT8） | — | 2024 |
