要点
英伟达（NVDA -4.27%）长期以来一直是人工智能芯片领域的主导力量。其一流的 GPU（图形处理单元）提供了任何竞争对手所无法比拟的灵活性和性能组合。不过，也许它最大的优势是 CUDA 编程接口，可以将代码转换为处理器的指令——而且仅限于处理器。
多年来，开发人员构建了依赖 CUDA 和 Nvidia 架构的框架，这基本上锁定了许多数据中心使用 Nvidia 的芯片。
但 Alphabet (GOOG +0.73%) (GOOGL +1.18%)、Meta Platforms (META +5.12%) 和 Oracle (ORCL +3.18%) 可能会通过一些新的发展来破坏这种巨大的竞争优势。如果投资者不注意，他们可能会忽略一些关键细节。
Alphabet 能挑战 Nvidia 吗？
PyTorch 是当今最常见的 AI 代码开发框架之一，最初由 Meta Platforms 开发。 Meta 使用 PyTorch 进行深度学习和大型语言模型开发，并且开源框架是整个行业的标准。重要的是，PyTorch 针对 Nvidia 的 CUDA 进行了优化，与 Nvidia 的库和硬件功能直接集成。这加强了对英伟达芯片的锁定。
想要在不同芯片上运行软件的开发人员需要将其代码移植到不同的硬件接口，这通常需要进行大量更改。但最近情况发生了变化。 Alphabet 上个月发布了 TorchTPU，这是一个开源技术堆栈，允许开发人员在其 TPU（张量处理单元）上运行 PyTorch 工作负载，只需进行最少的代码更改。同样，亚马逊也宣布了自己的后端，在其 Trainium 芯片上支持 PyTorch 代码。
NVDA-- 英伟达
纳斯达克 · 截至 2026 年 11 月 9 日美国东部时间下午 4:00
Meta 与这两家公司合作，以确保它可以使用竞争的人工智能加速器芯片，并避免被迫坚持使用 Nvidia 的芯片。
Meta 的 PyTorch 工程总监 Jana van Greunen 在 Alphabet 的新闻稿中表示：“在 Meta，推进人工智能前沿需要巨大的计算规模和深厚的硬件多样性。我们不能受到单一硬件架构的限制。”
事实上，Meta 面临着与其他开发前沿人工智能模型的人相同的挑战：由于 Nvidia GPU 供不应求，因此获得它们的机会有限且昂贵。最近的软件层开发可能会缓解这一挑战，并最终导致英伟达失去其目前在数据中心芯片领域占据主导地位的大量市场份额。
需要注意的是，PyTorch 现在可以轻松地在 Alphabet 的 TPU 和亚马逊的 Trainium 芯片上运行，但这并不意味着它在这些芯片上的运行效果与在 Nvidia 的 GPU 上的运行效果一样好。如前所述，PyTorch 仍然针对 CUDA 和 Nvidia 的硬件进行了优化。也就是说，最近的发展为进一步优化和易于移植打开了大门，并且竞争芯片在未来可能会变得更加性能。
Alphabet 正在将其芯片带给更多开发者
有兴趣使用 Alphabet 的 TPU 进行人工智能训练或推理的开发人员此前必须直接与 Alphabet 的谷歌云平台合作才能访问这些芯片。不过，这种情况正在开始改变。今年早些时候，Alphabet 开始向选定的第三方销售 TPU 系统，并且销量迅速增长。尽管如此，TPU 系统的获取仍然相对紧张。
但 Alphabet 上月底宣布与 Oracle 达成一项协议，将从 2027 年开始将其 TPU 引入 Oracle 云基础设施。此举使已经与 Oracle 合作的开发人员有机会在 TPU 上部署一些工作负载，相对于 Nvidia 的 GPU，TPU 可以提供更好的性能和/或定价。更重要的是，它可以为锁定 Oracle 的开发人员提供使用 TPU 的机会，因为他们将数据库托管在云提供商处。
GOOGL - 字母表
甲骨文将部分资金投入 Alphabet 芯片而不是英伟达或其他 GPU 制造商的举动值得注意。这反映出云提供商有可能从竞争的人工智能加速器中获得丰厚的投资回报，这将进一步削弱英伟达的地位。由于 PyTorch 的发展，Alphabet 和亚马逊等公司的定制芯片的实用性不断提高，这一地位进一步被削弱。
英伟达对数据中心支出的控制正在减弱，最近的事态发展表明，其竞争护城河可能并不像一些投资者之前想象的那么宽。由于竞争对手的芯片成本更低且功能不断增强，英伟达要想继续按照投资者预期的快速增长可能会面临挑战。尽管如此，其股票估值在一段时间内已经反映出了这种潜在风险：目前股价约为预期收益预期的 22 倍。然而，即使按照这个价格，我也愿意持有其他人工智能股票，包括 Alphabet，该公司凭借自己的芯片取得了巨大进展。