近期，英伟达的大客户 Meta ，搁置曾大量采购英伟达 GPU 的计划，转而与谷歌洽谈 TPU 业务，让英伟达感到了压力。

以至于黄仁勋在谈论AI竞争这个话题时，强调英伟达 GPU 的通用性是核心竞争力，只有英伟达的 GPU 可以运行全球所有的 AI 模型。

其实，英伟达的核心竞争力与其市场地位和生态是分不开的。

1.英伟达GPU通用性的技术基础

通用图形处理器和 CUDA 平台是英伟达 GPU 通用性的基础。

通用图形处理器只是一个抽象的概念，GPU 从单纯的图形计算进化成具有可编程的属性，这样可以满足 AI 算力的需求。

CUDA 既是英伟达 GPU 通用性的平台，也是编程模型。CPU 通常会负责任务分发和准备数据， GPU 负责计算。开发者利用这种层次化的设计，可以更加灵活地分配并行计算的任务。

2.技术优势、生态壁垒加强市场主导地位

英伟达 GPU 通用性能强，与其占在 AI 芯片市场的超高占有率有关。2025年第三季度，英伟达数据中心业务的收入突破500亿美元，进一步证明技术优势和市场地位。

黄仁勋敢说英伟达 GPU 能运行全球所有的 AI 模型，源自 CUDA 的生态影响力。由于支持包括 TensorFlow、PyTorch 在内的主流 AI 框架，英伟达 GPU 成为 AI 研究的首选硬件。研究机构曾统计，全球90%的 AI 研究团队采用英伟达 GPU 进行模型训练与推理。

3.专用 AI 芯片搅局

虽然英伟达 GPU 在 AI 芯片市场占主导位置，但是随着 AI 应用的发展，更多的公司开始将重心转移到AI推理。AI 专用芯片的效率比通用 GPU 高，成本低，因此成为一些科技公司的首选。很多公司采用 ASIC（专用集成电路）架构，自研 AI 芯片，谷歌 TPU 就是典型代表。

随着 TPU 全面进入商业化进程，正在动摇英伟达在 AI 芯片市场的地位。半导体分析机构SemiAnalysis指出，OpenAI 还没有部署 TPU，整个实验室在采购英伟达旗舰 GPU 时，就节省了30%。一些媒体将这解读为，OpenAI 用 TPU 威胁英伟达降价。

谷歌 TPU v7 在技术性能上有了新的突破，通过扩大芯片集群的优势，算力性能得到大幅度提升。这是9216颗 TPU v7 集群与72卡的英伟达 B200 进行对比得出的结果。

虽然谷歌 TPU 给英伟达带来了压力，但是美国银行分析师维韦克·阿利亚指出，英伟达 GPU 具有现成可用，容易在云平台的移植、以及全栈软件和开发者生态，对很多非专业客户仍具有非常大的吸引力。英伟达仍然能够继续在大多数 AI 应用场景中占据主导地位。

虽然 TPU 在售价上更占优势，但是运营成本，也是不得不考虑的问题。

独立分析机构 Artificial Analysis 得出结论，进行推理时，英伟达GPU的运行成本要远低于TPU。这是测试 Llama 3.3 70B 时，得出的结果。

出于多种因素的考虑，谷歌仍强调 TPU 和英伟达 GPU 一样重要。

黄仁勋强调通用性好，兼容全球 AI 模型，就是告诉那些想采购 TPU 的客户，别看便宜，用起来可不容易。

图片来源：英伟达