随着AI算力需求持续增长，全球科技巨头对AI芯片的掌控正在从“采购”走向“自研”。谷歌、亚马逊、微软等公司近年来持续推出自研AI芯片，希望针对自身AI业务优化芯片架构，在性能、功耗和成本之间取得更好的平衡。因此，对拥有庞大算力需求的企业而言，定制ASIC（专用芯片）或XPU正成为英伟达GPU之外的重要选择。

　　在自研芯片逐渐成为全球科技巨头的一项普遍战略时，一个新的问题也随之出现：自己设计AI芯片，是否意味着必须与英伟达的软硬件生态彻底“分道扬镳”？

　　英伟达给出的答案是否定的。8月31日晚间，英伟达宣布斥资35亿美元认购联发科发行的可转债，同时双方进一步深化长期合作。联发科将采用英伟达NVLink Fusion及最新的NVHBM技术，为客户开发定制化AI芯片，并使这些芯片能够接入英伟达的机架级AI计算系统。

　　可以看到，英伟达希望让这些定制芯片继续运行在自己的互联、内存和系统生态之中。换句话说，定制XPU与英伟达的通用AI生态并非简单的竞争关系，二者可以共存——客户可以集中资源设计其自研芯片，英伟达则提供“这颗芯片如何进入AI基础设施”的关键能力。

　　过去，英伟达的核心优势主要集中在GPU和CUDA软件生态。但随着AI算力需求从单芯片性能比拼转向大规模集群建设，数据中心对芯片间高速互联、内存带宽、先进封装以及机架级系统的要求也越来越高。

　　而英伟达的布局正在从“提供计算芯片”向“提供完整计算基础设施”延伸。

　　在此次合作中，联发科将采用英伟达NVLink Fusion平台，为客户开发定制化XPU。与传统芯片设计模式不同，客户无需从零开始开发XPU与英伟达计算系统之间的连接和相关系统组件，而是可以借助NVLink Fusion完成芯片与英伟达AI基础设施之间的衔接。同时，英伟达近期推出的NVHBM，又进一步将这一能力延伸至高带宽内存领域。也就是说，英伟达正在试图把芯片互联、内存以及系统级能力整合到同一套技术体系中。

　　这一变化背后的产业逻辑是，未来AI芯片市场很难由单一架构完全主导。随着云厂商和AI企业对专用算力需求的不断增加，GPU、ASIC和XPU（可扩展处理单元）等不同技术路线可能长期并存。对英伟达而言，与其阻止客户自研，不如降低这些定制芯片接入自身基础设施的门槛。

　　从商业逻辑来看，这意味着未来即使部分AI客户选择自研芯片，英伟达也不必然失去这些客户。

　　除此之外，此次35亿美元投资还包括双方在AI PC和汽车领域的合作。今年6月，英伟达与联发科已经推出RTX Spark PC芯片，将英伟达的GPU计算能力与联发科SoC设计能力结合起来。而此次合作将进一步延伸至消费级PC、AI开发设备以及企业级工作站。

　　“AI正在改变每一个计算平台，从全球最大的AI工厂到PC和汽车。我们正在共同构建平台，将英伟达加速计算带入新市场，并赋予客户大规模创造差异化AI系统的自由。”黄仁勋在公告中说。

　　长期以来，联发科最为市场熟知的是手机SoC，但其业务边界正在发生变化。随着智能手机市场进入成熟阶段，联发科近年来持续将业务能力向汽车、连接、PC以及AI计算等领域延伸，其中，AI数据中心正在成为公司重点押注的新增长方向。

　　与英伟达、AMD等以通用GPU为核心的路线不同，联发科切入数据中心的抓手是定制ASIC。其优势也不只在于芯片设计本身，而是过去多年积累的SoC设计、先进封装、内存、互连以及低功耗设计能力，可以进一步向数据中心客户提供定制化的计算方案。

　　从目前披露的信息看，联发科的AI ASIC业务早已不是停留在“概念布局”阶段。公司此前将2026年AI数据中心ASIC收入指引上调至20亿美元，并设定目标，要在2027年规模约为700亿至800亿美元的数据中心市场中占据10%至15%的份额。

　　此外，联发科也正在尝试改变传统ASIC市场的竞争方式。

　　当前，博通在定制AI芯片领域占据较强优势，Marvell等厂商也在加速追赶，联发科则希望依靠自身的芯片设计能力，帮助大型云服务商和AI企业开发更贴合自身工作负载的定制芯片。

　　而此次联发科成为NVLink Fusion的重要合作伙伴，相当于英伟达正在帮助它把“芯片设计能力”进一步延伸到“将定制芯片放进AI数据中心”这一关键环节。

　　Counterpoint预计，随着谷歌等客户采用更为“拆分”的ASIC合作模式（谷歌采用联发科模型，谷歌设计计算模具，联发科提供I/O模具），联发科到2028年有望占据约26%的人工智能服务器计算ASIC出货量。