🔍Evercore ISI
📌2026 年第一季度 AI 渠道调研：GPU 与 ASIC
🌐 我们询问了 50 多位 AI 工程师以及与 AI 基础设施领域各公司合作的专家，探讨了 AI 基础设施的竞争格局。
💡 主要主题包括：1）AI 工作负载正在从训练主导转向推理主导（到 2026 年底）；2）对每代币成本、投资回报率和总拥有成本的关注日益增加，这正在加速超大规模企业对自研 ASIC 和其他加速器的投入；3）英伟达拥有广泛的生态系统护城河，但其市场份额在超大规模企业 / 前沿实验室层面正受到考验；4）推理场景下异构计算环境的可能性似乎越来越大；5）随着小型语言模型的改进，”边缘推理” 的兴趣日益浓厚。
📊 推理成为主流：渠道调研显示，从训练繁重的 2025 年转向推理占主导的 2026 年，多位受访者预计到 2026 年底，推理需求将占到 50% 至 60%，且随着时间推移还会大幅增长。（参见《查找图书 文艺复兴演进》）
📉 ROI 压力挤压 XPU 利润率：推理工作负载将购买标准从 “最大吞吐量 / 带宽” 转向 “每代币成本、功耗、散热、利用率”。
⚠️ 英伟达声称的 35 倍性能提升并未引起共鸣，超大规模企业认为英伟达的 GPU 价格过高，愿意使用 ASIC 或 “足够好” 的替代方案来提高经济效益。
📈 英伟达训练份额依然高企，推理份额到 2028 年降至 50%：专家预计英伟达在训练领域将保持领先（长期份额 > 70%），但推理份额预计到 2028 年将降至 50%，因为 AMD、TPU、Trainium、Maia、SRAM 芯片都在改进。
✅ Vera Rubin 进展顺利 – B300 交货周期延长：调研显示，没有严重的供应链问题，超大规模企业在第二季度收到机架，企业级 ODM/Neocloud 在第三季度收到。
📉 Blackwell 的需求 vs 初期预期较低，对 Rubin 的兴趣更大。
⏳ B300 的交货周期从上季度的 12 周延长至 16 周。
🤖 代理驱动解码特定芯片：调研显示，解码可能需要与传统 GPU/HBM 中心化架构不同的硅架构（例如英伟达、Groq LPU、Cerebras）。