CPU被超！GPU成市场新主角

Yole Group 近日发布《2025 年处理器产业状况》报告，指出全球处理器市场正经历由生成式 AI 与云端基础设施推动的深刻变革。

Yole Group 提到，2024 年 GPU 销售额超越 APU 和 CPU，成为各类处理器中销售额冠军。其销售额达 1130 亿美元，占总处理器销售额的 39%，一年内实现 126% 的增长。这一增长主要受 NVIDIA 主导地位及生成式 AI 模型对 GPU 需求增加的推动。

Yole Group 认为，到 2030 年，GPU 市场规模将达 2390 亿美元，是 2024 年的 2 倍以上，增长背后是服务器 GPU 平均售价的上升。同时，美国出口限制已重塑竞争格局，尤其在中国市场。

尽管当前 GPU 占据市场主导地位，但专为人工智能应用设计的集成电路（AI ASIC）正成为战略替代方案。

ASIC（Application Specific Integrated Circuit特定用途集成电路）根据产品的需求进行特定设计和制造的集成电路，其定制程度相比于 GPU 和 FPGA 更高。ASIC 算力水平一般高于GPU、FPGA，但初始投入大，专业性强缩减了其通用性，算法一旦改变，计算能力会大幅下降，需要重新定制。

Google、亚马逊（Amazon）、华为等超大规模云端服务商，正大量投资专有解决方案，以减少对 NVIDIA GPU 的依赖。

Google 早在 2013 年就秘密研发专注 AI机器学习算法芯片，并用于云计算数据中心，取代英伟达 GPU。这款TPU自研芯片2016年公开，为深度学习模型执行大规模矩阵运算，如自然语言处理、计算机视觉和推荐系统模型。Google 其实在 2020 年的资料中心便建构 AI 芯片 TPU v4，直到 2023 年 4 月才首次公开细节。值得注意的是TPU是一种定制化的 ASIC 芯片，它由谷歌从头设计，并专门用于机器学习工作负载。

亚马逊也推出了其自研 AI 芯片 Trainium，以减少对英伟达的依赖并提高自身在 AI 领域的竞争力。该公司投资大量资金用于技术基础设施建设，并已定制芯片以提升数据中心效率，降低成本。亚马逊与被收购的芯片初创公司 Annapurna Labs 合作，旨在打造自有的 AI 芯片，同时也在投资 AI 基础设施。

据预测，2024 年至 2030 年，AI ASIC 市场年复合增长率（CAGR）将达 45%，规模将从 2024 年的 90 亿美元增长至 2030 年的 850 亿美元，成为行业增长最快的部分。

其他类型处理器销售情况好坏不一：DPU 增长与人工智能及服务器需求相关，预计 2030 年将增长至 170 亿美元；FPGA 2024 年销售额出现下滑，但预计将逐步稳定，2030 年前规模达 80 亿美元，增长主要受汽车应用支撑。

市场层面，2024 年电信与基础设施领域收入占比首次超越移动与消费领域，达 53%。预计到 2030 年，这一比例将升至 66%，凸显云端人工智能部署的核心作用。汽车行业，尤其是与 ADAS 及娱乐系统相关的应用，同样是增长引擎，预计 2030 年前年增长率将达 15%。

近日来自大摩的一份报告也给GPU市场热度再添一把火。

摩根士丹利（大摩）最新报告显示，在与英伟达管理层会谈后，对其在人工智能（AI）领域的短期及长期需求信心增强，维持“增持”评级，目标价设定为 210美元，对应总市值约 5.1万亿美元。这一积极的评估，反映了市场对 GPU驱动的 AI 基础设施建设的乐观预期，以及英伟达在这一领域的领先地位。

报告指出，全球云资本支出持续扩张，计算核心正从CPU 向 GPU 加速迁移。这一趋势是英伟达收入增长的主要动力。随着 AI技术在各行各业的深入应用，对算力的需求呈现爆发式增长。英伟达凭借其在 GPU 领域的深厚积累，以及 CUDA 等生态系统的优势，成为了 AI 基础设施建设的核心供应商。大摩预计，到 2030年，AI 基础设施市场规模有望达到 3至5万亿美元，远高于此前的预测，这无疑为英伟达带来了巨大的增长潜力。

针对英伟达与OpenAI 合作引发的供应商融资议题，摩根士丹利的分析师团队认为，这种模式是“需求加速器”。英伟达正通过投资 CoreWeave及英国主权基金等方式扩大数据中心产能，以满足市场日益增长的需求。这种战略不仅能够加速 AI 基础设施的建设，也为英伟达带来了更多的市场机遇。未来，这种合作模式有望复制到更多企业，进一步巩固英伟达的市场地位。