輝達公告財報又給市場新的驚喜，更重要的是，輝達不但端出更高的展望，又加上近期微軟、英特爾、超微也同聲看好AI明年發展，台股AI的ASIC、伺服器、先進製程五檔新生力軍正式躍上檯面。

文／黃俊超 十一月ＦＯＭＣ會議維持利率不變，加上美國就業數據大幅降溫，以及十月消費者物價指數（ＣＰＩ）低於市場預期等因素，都使投資人看好美國經濟已走緩到足以讓通膨降溫，且無衰退之虞，因此短線在預期聯準會（Fed）有望終止升息的樂觀情緒下，全球股市迎來強勁反彈，尤其對利率敏感的科技股也獲資金簇擁。

其中，美股七巨頭財報公告壓軸的輝達（Nvidia）在市場預期Ｑ３財報將可望有好表現的帶動下，財報公告前夕股價就已突破八月大量高點、再創歷史新高。而公告後也確實再一次給市場驚喜，單季營收達一八一億美元，優於原先市場預期的一六二億美元，季增逾三成、年增逾兩倍，調整後每股盈餘四．○二美元，季增五成、年增近六倍；且財測展望也相當強勁，Ｑ４營收預測中位數二○○億美元，遠高於一八○億美元的普遍預期，意即年增會繼續突破二○○％。

輝達Ｑ３財報開出好成績

按業務表現來看，核心的資料中心收入年增近二八○％，達到一四五億美元，創下歷史新高，其中有一半是由亞馬遜等雲端服務供應商（ＣＳＰ）所貢獻，另一半則來自消費者網路實體和其他大型公司。而對於市場關注的資料中心的營收是否可以一路成長至二五年，輝達高層也回應「Absolutely（絕對地）！」動能包括輝達日前宣布以H100晶片原型為基礎，推出的HGX H200，搭配最新H200 Tensor core GPU將會是第一款搭配HBM3E記憶體，系統將會在明年第二季出貨。

此外，輝達也宣布推出人工智慧代工服務（AI foundry service），為部署在Microsoft Azure上的企業和新創公司增強客製化生成式ＡＩ應用程式的開發和調整；簡言之，輝達將提供企業客製化ＡＩ服務。法人表示，因為每間公司都有自己的資料與技術，不希望向外採購，故此服務是借鏡台積電成功的晶圓代工模式，顯示輝達積極嘗試ＡＩ各項創新，將全方位滲透人工智慧。 不過，雖上季財報、本季財測輕鬆優於華爾街預期，但盤後股價仍跌逾一％，因為輝達財務長克萊斯（Colette Kress）表示，最近幾季，輝達受到限制出口的產品銷售額約占資料中心收入的二○到二五％，且對中國等國家的銷售預估將在第四季大幅下滑，但仍預期削減的幅度可以藉由其他地區的強勁成長來抵銷。儘管美國政府對半導體出口中國的政策不斷縮緊，繼去年美國政府發布對中晶片出口管制措施後，今年十月美國商務部再頒布新規，又把原先輝達為中企設計的降規版ＡＩ晶片A800、H800納入管制。

但根據外媒報導，輝達已再研發出針對中國市場的最新降規版晶片，包括GX H20、L20 PCIe和L2 PCIe，均基於H100改良而來，產品分別適用於雲端訓練、雲端推理以及邊緣推理，會把性能降到新規定的參數以下。而這已是一年多來輝達第二度被迫為中國客戶重新設計產品，且據悉，輝達已通知中國經銷商，三款新晶片符合美國規定，最快可能在年底前上市。

當前，輝達作為領頭羊持續引領ＡＩ產業，而各大雲端服務商如微軟、Google、亞馬遜等亦皆不斷加大ＡＩ投資力道，推升ＡＩ伺服器需求上揚。根據研究機構TrendForce估算，今年ＡＩ伺服器（包含搭載GPU、FPGA、ASIC等）出貨量逾一二○萬台，年增將達三七．七％，占整體伺服器出貨量達九％；明年將再成長逾三八％，ＡＩ伺服器占比將逾十二％。而除了輝達與超微（AMD）的ＧＰＵ解決方案不斷攀升外，ＡＩ應用還有許多基礎建設像是ＡＩ推論、客製化ＡＩ晶片、特定領域應用等需求，加上目前通用ＧＰＵ市售價格昂貴，且供不應求，因此ＣＳＰ業者擴大自研ASIC晶片的趨勢也成為近期市場熱議的焦點。 ＡＩ晶片吹自研風

其中，Google算是最早投入ASIC晶片研發的巨頭，自一五年以來，Google就於內部使用ＴＰＵ來加速ＡＩ、機器學習和深度學習等任務。公司表示，最新的第四代ＴＰＵ將深度學習效能提升十倍以上，並且降低二○倍以上的二氧化碳排量；更強調與輝達的A100晶片相比，TPU v4加速器在相同建置規模下的算力表現約提升一．七倍，能耗部分則降低一．九倍。且除用於內部外，也向外部合作夥伴提供服務，如ＡＩ新創公司Midjourney已經使用TPU v4來訓練文字生成圖片模型。

而微軟則是新加入者，其日前宣布推出兩款自研ＡＩ晶片，包括專為雲端資料中心設計能夠降低功耗及成本的Arm架構處理器Azure Cobalt，以及專為ＡＩ運算設計及首款雅典娜計畫（Project Athena）加速晶片Azure Maia。業界人士分析，微軟選擇自行研發客製化ＡＩ晶片的策略，與對外採購ＧＰＵ相較，在維持同等ＡＩ算力情況下，可大幅降低建置成本。

目前微軟在ＡＩ運算服務市場可以說已打下穩固基礎，Maia晶片推出，說明微軟會持續朝向自有ＡＩ晶片研發之路發展。此外，微軟明年也將提供客戶採用輝達H200 GPU和AMD MI300X GPU的虛擬機器（VMs）服務，兩款晶片都能用於執行ＡＩ任務。 ＣＳＰ廠ASIC蓄勢待發

亞馬遜近年推出兩款ＡＩ、ＭＬ專用晶片Inferentia與Trainium。Inferentia是推論專用晶片，在處理ＡＩ運算任務時，能比一般ＧＰＵ架構傳輸量更高、延遲更低，但卻能同時降低運算成本；Trainium則為訓練專用晶片，能優化圖片分類、翻譯、語音識別、推薦引擎等深度學習訓練任務，並與ＡＷＳ上的AI/ML開發環境SageMaker搭配有著更出色的運算表現。 另外，還包括Meta的自研MTIA晶片，以及特斯拉開發Dojo 1、英特爾開發ASIC加速器Gaudi等，都可見ASIC正式成為半導體一大新賽道。ASIC之所以在ＡＩ應用逐漸嶄露頭角，簡單來說，ASIC為專門處理相對應的ＡＩ運算任務所誕生，在設計初期就已限定將使用何種ＡＩ模型，其優勢為能夠開發出符合自身需求的晶片，且因是客製處理在效能表現上會優於通用ＧＰＵ，在生產成本、專用度、功耗、算力皆優於ＧＰＵ；然而當需求出現變化時或是運算上、任務上的改變，該晶片將有可能失去所有作用，無法進行支援，且ASIC設計時間較長，通常需要二到三年，因此ＧＰＵ主要用於雲端的訓練、推論功能，而ASIC多用於雲端或裝置端、邊緣端的推論ＡＩ晶片。

對此，輝達執行長黃仁勳先前就提及來自客製化ＩＣ與ＣＳＰ業者的競爭，但其強調，輝達不僅是晶片供應商，也提供軟體、函式庫（library）與演算法等整體運算架構，給予客戶最低成本（ＴＣＯ）的解決方案；同時輝達也正不斷推陳出新，以拉近與ASIC間的不足。綜上來看，在未來擁有極大成長潛力的生成式ＡＩ市場中，究竟輝達能否持續稱霸市場？亦或是ＣＳＰ業者有望抗衡？預期將會是資本市場一大關注重點。 閱讀完整內容