ASIC 將超車 GPU？NVIDIA 從 Scale-Up 霸主到全面戰爭

2026 年的 AI 加速器市場，正處於一個關鍵的轉捩點。根據 TrendForce 的數據顯示，以 AI 伺服器總量的成長率來看，雲端服務商（CSP）自研的 ASIC 類別 2026 年成長率會來到 44.6%，大幅超越 GPU 的 16.1%。

圖 1

不過，這並不代表 NVIDIA 的主導地位會立即瓦解。相反地，這場戰役正在從單純的 GPU 性能競賽，轉變為一場更複雜、涉及互連網路與軟體生態的全方位戰爭。過去幾年 NVIDIA 「一路向上」的黃金時代，正迎來一個由多方勢力共同推動的平台期。

面對 ASIC 陣營以成本和效率發起的強勁挑戰，NVIDIA 的應對策略不再只是一味地提升單一晶片性能。他們近期動作頻頻，從技術路徑圖到產品架構，無不顯示出其深思熟慮的戰略轉變：

• NVIDIA 推出 NVLink Fusion：宣布開放 NVLink 技術，允許客戶在自己的 ASIC 中使用，此舉不僅是技術的展示，更是意在打破自身生態系的封閉性，將其護城河從單純的硬體擴展至高速互連的軟體層面。
• NVIDIA 推出 Rubin CPX/VR200 NVL144 CPX：專門針對大型語言模型（LLM）的 Inference（推論）應用，導入了全新的機架概念，並在 Rubin CPX 晶片間採用了 PCIe 6 互連。這項轉變尤其值得關注，它預示著 Inference 的 Prefill 和 Decode 階段將走向分離式架構，NVIDIA 藉此切入過去被視為較低階、但潛力巨大的 Inference 市場。
• NVIDIA 與 Intel 合作：將 NVLink 的使用場景拓展至 x86 CPU，擴大其在伺服器互連領域的影響力。

NVIDIA 的營運策略與市場應對

NVIDIA FY2Q26 資料中心營收占近 88%，GB Rack 預計將在 2H25 因 Oracle 需求顯著起量，但 H20 受中國政策影響，前景仍具不確定性。 了解趨勢 / Get Trend Intelligence

AI 資料中心的互連(Interconnects)之戰

事實上，多個運算節點之間的整合已躍升為 AI 運算的關鍵驅動力，無論是目前為 AI 王者的 NVIDIA 還是 Broadcom 為首的 ASIC 陣營都認知到，資料中心互連網路是大規模 AI 擴展、跨節點協作與超級運算力的關鍵技術，已從配角躍升為決定勝負的核心，這也是為什麼兩大陣營在資料中心互連技術頻頻出招。

AI 基礎建設中的互連網路，根據傳輸頻寬、延遲、節點數和傳輸距離等技術要求，可分為三個層級：

• Scale-Up 定義為垂直擴展單一系統（如單一 Rack 或單一 SuperPOD）
• Scale-Out 定義為水平擴展多個系統（如約 4–16 個 SuperPOD 組成一個 Cluster）
• Scale-Across 定義為跨資料中心擴展

圖 2

表 1. 資料中心的 Scale-Up、Scale-Out、Scale-Across 比較

註： (E) 表示「估計」。
（來源：TrendForce）

網路拓樸與其結構改變對 Switch IC 需求量的影響

在網路架構中，運算節點間所連結的形狀即為拓樸（Topology），大致可分為階層式拓樸（Hierarchical Topology）、直連式拓樸（Direct-connect Topology）、混合式拓樸（Hybrid Topology）。而常見的網路拓樸包括 Clos、Torus、Fully Mesh，以及結合 Clos 和 Dragonfly 的 Dragonfly+。

表 2. 主要網路拓樸類別

連接類型	Hierarchical	Direct-Connect	Hybrid
定義	採用多層結構	節點之間直接互連	結合階層式與直連式
範例	Clos	Torus、Full-Mesh、Dragonfly	Dragonfly+
圖例

（來源：TrendForce）

網路拓樸的優劣可由六大指標評估：

1. 性能（Performance）
2. 彈性（Flexibility）
3. 可模組性（Modularity）
4. 可分割性（Divisibility）
5. 成本效益（Cost-effectiveness）
6. 對稱性（Symmetry）

屬於階層式拓樸的 Clos（圖 3）技術最為成熟，在六大指標皆表現良好。該技術早在五十年前即運用於無阻塞電話網路，如今 2-Tier Clos（Leaf-Spine）架構也廣泛應用於資料中心，支援多種協定與晶片，如 Nvidia SuperPOD 之間的互連。但其缺點為可擴展性不如直連式拓樸。

圖 3

直連式拓樸方面，Torus（圖 4）具備優異的對稱性、可模組性、成本效益與彈性，因不需使用 switch，整體成本僅為 Clos 的 20% 以下。Google 目前的 ICI（Inter-Chip Interconnect）網路即採用 3D Torus 架構。然而，Torus 具有分割困難的問題，若擴大整體規模，使用拓樸中的一部分時效能將大幅下滑。例如，若單一 GPU 總頻寬 7,200 Gbps 直接與另外 7 顆 GPU 互連，單一連結頻寬將被拆分為 1,028 Gbps。

圖 4

Full-Mesh（圖 5）使網路直徑隨規模擴大仍能保持恆定，讓其效能優於 Torus，然而仍具有分割困難、缺乏彈性等問題。實際應用如 Tesla 的 TTP（Tesla Transport Protocol）採用的 2D Full-Mesh。

圖 5

Dragonfly（圖 6）則是使多個 Switch 直接互連提升可擴展性，使擴展的成本效益優於 Clos，然而缺點為在局部性能不如 Clos。

圖 6

結合階層式拓樸、直連式拓樸優點的混合式拓樸應運而生，Nvidia 所使用的 Dragonfly+（圖 7）即為 Dragonfly、Clos 的混合體。在 Switch 組內採用 2-Tier Clos 以提升組內通訊效能，每對 GPU-GPU 間的互連頻寬不受 GPU 數量影響；在組間則採用 Dragonfly 的 1D Full-Mesh 網狀結構以提升擴展性。

圖 7

CSP 網路架構正走向混合式拓樸？

過去 CSP 所使用的 Scale-Up 網路多使用不需要 Switch 的 Torus、Mesh 拓樸，但隨著 SuperPOD 所連結的 XPU 數量規模愈來愈大，為了兼具效能、可擴展性、成本效益等優勢，預計未來 CSP 也將逐漸使用結合 Switch 的混合式拓樸，進而提升 Switch IC 的需求。

如 AWS 原先在 Trainium 2 使用的 Neuronlink 3 是使用 3D Torus，但在預計 4Q25 推出的 Trainium 2.5 Teton PDS 中，將改為需要 Switch IC 的混合式拓樸，採用 Astera Labs 基於 Scorpio-X 的客製化 Switch IC。

圖 8

Scale-Up 競爭格局：NVIDIA 的護城河與挑戰者

NVIDIA 憑藉其 NVLink 技術，在 Scale-Up 市場建立了難以撼動的領先地位。其技術路徑圖清晰可見：從 2014 年的 NVLink 1.0 到 2024 年的 NVLink 5.0，單一 GPU 的雙向總頻寬從 160 Gbps 躍升至 1,800 Gbps。

NVIDIA 的 NVSwitch 技術也隨之進化，從最初實現 16 顆 GPU 的全互連，到 NVL576 機櫃實現 576 顆 GPU 的高速連接，其在技術規格上領先對手約一年。

值得注意的是，NVIDIA 的戰略正在從單純的技術規格領先，轉向更全面的生態系防禦：

• 技術規格的穩步推進：從 2014 年的 NVLink 1.0 開始，NVIDIA 幾乎每兩年發布一次新版本，持續提升單一 GPU 的頻寬和節點數。
• 調變技術的革新：從最初的 NRZ 轉向 PAM4，實現傳輸速率翻倍，這顯示其在底層物理技術上亦持續投入。
• 產品架構的多元化：除了傳統的 DGX 系列，NVIDIA 透過 GB200 NVL72、VR200 NVL144 CPX 等產品，提供更多元、更具針對性的機櫃解決方案。

表 3. NVLink 技術演進

註： (E) 表示「估計」。
（來源：TrendForce）

然而，這條護城河並非無懈可擊。各大 CSP 和晶片供應商正積極開發各自的 Scale-Up 技術，試圖降低對 NVIDIA 的依賴。AMD 的 UALink、Broadcom 的 SUE、AWS 和 Google 的自研技術，都旨在提供更開放或封閉的替代方案。

NVIDIA NVLink Fusion 打破封閉，創造新生態

NVIDIA 的 NVLink Fusion 策略，是其對抗 ASIC 陣營的關鍵一步。透過將 NVLink 介面開放為 I/O IP，NVIDIA 允許客戶將其整合至自己的 ASIC 或 CPU 中。這不僅使得客戶能夠享受到 NVLink 的高速傳輸，更重要的是，他們同時也將被鎖定在 NVIDIA 廣泛的軟體工具鏈中。

這是一個巧妙的「以退為進」策略，NVIDIA 讓出硬體層的部分市場，換取在軟體和生態系層面更深層次的控制權。Fujitsu 和 Qualcomm 已率先將其導入自家 CPU 設計中，這也證明了這一策略的有效性。

中國戰場：本土 Scale-Up 巨頭的崛起

在 AI 算力競賽中，中國市場已形成一套獨立於 NVIDIA 生態之外的競爭格局。 除了 CSP 自研 ASIC 的通用趨勢外，本土的技術巨頭，尤其是華為，正在 Scale-Up 領域建立起自己的生態系統，對 NVIDIA 的市場主導地位構成直接挑戰。

目前，中國主要的自研 Scale-Up 技術標準包括：

• 華為的靈衢（Unified Bus, UB）： 領先的封閉式解決方案，正在轉向開放。
• 阿里巴巴主導的 ALS（Alink System）： 一個由阿里的雲端部門與 AMD 共同推動的開放聯盟。
• 騰訊主導的 ETH-X： 一個專注於優化乙太網（Ethernet）效能的開放標準。

2025 全球及中國 AI 資料中心佈局與展望

美系業者持續全球部署，並加大對美投資；中國業者除了維持在地化，也透過自研晶片外擴全球，雙方的未來都將能源穩定性擺在首要位置。 了解趨勢

華為 UB 的技術力與市場野心

華為的 UB 協議是中國市場中技術最成熟、部署規模最大的 Scale-Up 解決方案。2025 年，華為基於 UB 1.0 發布了 Atlas 900 A3 SuperPOD，其核心亮點在於規模與互連效率。

這套系統實現了 384 顆昇騰 910C NPU 的高速互連，單通道頻寬高達 400 Gbps。值得注意的是，其 CloudMatrix384 架構採用了 2D-Full Mesh 混合式設計，這意味著它在單一板卡層級和單一機架層級都實現了高密度的互連，而非單純的線路堆疊。

圖 9

更具戰略意義的是，華為預計在 2026 年推出的 Atlas 950 SuperPOD，將採用下一代 UB 2.0 協議，目標是實現 8,192 顆 NPU 的龐大規模互連。

這一數字不僅遠超當前市場主流部署，更透露出華為在超大規模模型訓練市場的勃勃野心。

同時，華為宣佈 UB 2.0 將對外開放，這一舉動與 NVIDIA 的 NVLink Fusion 策略異曲同工，旨在將其技術標準化，並藉此擴大其生態影響力，跨入其他 XPU 的市場。

中國開放標準推動 Scale-Up 市場發展

除了華為的封閉轉開放策略，中國市場也積極發展多個開放標準，以降低對單一供應商的依賴。

• ALS：由阿里巴巴和 AMD 主導，聯盟成員涵蓋 Broadcom 和 Intel 等十多家公司。這套標準與 AMD 的 UALink 協定有異曲同工之妙，旨在透過開放的聯盟模式，推動 Scale-Up 領域的多元化競爭。
• ETH-X：由騰訊主導，聯盟成員多達三十多家。該標準專注於改良 Ethernet 架構，並結合 RoCE 技術來提升頻寬。與 ALS 不同，ETH-X 的技術核心在於透過調整傳輸編碼方式來提升傳輸效率，這在提供高頻寬的同時，也可能導致更高的運算複雜度和延遲。這與 Broadcom 主導的 SUE（Scale-Up Ethernet）協定有相似之處。

表 4. NVLink 與中國 Scale-Up 技術比較

（來源：TrendForce）

從性能之爭到生態系之戰，AI 晶片戰的終極戰場

綜觀這場圍繞 AI 加速器的戰役，我們看到一個清晰的趨勢：單純的硬體性能競賽，已不再是唯一的決勝點。

從 NVIDIA 近期推出 NVLink Fusion 讓客戶在其自有 ASIC 中使用 NVLink，到中國華為宣布將其 UB 2.0 協議對外開放，這些舉動都證明，AI 晶片巨頭們正將戰場從硬體規格的軍備競賽，轉向更深層次的生態系與軟體護城河之戰。

NVIDIA 深知，雖然其 GPU 仍主導著高端訓練市場，但若要維持其 AI 王座的地位，必須透過其無可匹敵的 CUDA 生態系，將客戶更深地鎖定在其技術架構中。這種「以退為進」的策略，是讓出部分硬體控制權，換取在軟體和工具鏈層面更廣泛的影響力。

與此同時，以 Broadcom 為首的 ASIC 陣營，也正透過推動開放標準，為 CSPs 提供擺脫單一供應商限制的替代方案。華為、阿里巴巴等中國巨頭，則積極在國內市場建立獨立的生態系，試圖複製 NVIDIA 的成功模式。

未來的市場主導者，將是那些能夠提供最完善、最易用的軟硬體整合方案的玩家。這場戰役將不再由單一晶片的性能來定義，而是由生態系的廣度、深度和黏著度來決定。