人工智能是一门综合性的学科，尽管市场整合是不可避免的，但除了英伟达GPU之外，仍然还有其他芯片存在的市场空间。这是咨询公司J.Gold Associates的一份研究报告中的结论。

鉴于人工智能的多种用途和工作环境，包括数据中心、云和边缘计算，人工智能系统的处理器市场广阔且高度多样化。咨询公司总裁Jack Gold总结道，目前没有一家供应商能够独占市场，未来一两年内，专业供应商将上线，进一步丰富可用解决方案。

Gold预计，供应商格局将不只是现有占主导地位的少数几家。他指出，人工智能系统不断变化的需求和高速增长将为各种芯片供应商提供重大机遇，这些供应商将专注于特定的人工智能系统类型和处理领域。

“市场有足够的宽度和广度来让所有供应商都能立足。” Gold说。“如果我们展望两到三年，大多数人工智能工作流程将不会使用英伟达 H100，那是高端机器学习所需要的。还有很多需求是推理负载，主要在边缘端运行，有些也会出现在个人电脑和移动设备上，物联网也会有一些。因此，人工智能领域将有一系列广泛的工作负载，这些工作负载不仅部署在英伟达的高端芯片上。”

在不同细分市场，从云和超级数据中心开始，Gold认为亚马逊云科技等公司将利用自己的定制芯片技术为客户提供接近英伟达水平的性能，但价格低于昂贵的英伟达芯片。

“我们预计，随着人工智能训练需求的日益多样化，以及一些基于高端推理的工作负载，超级数据中心将出现多种处理器。虽然短期内英伟达在该领域的主导地位可能不可动摇，但长期来看（两年以上），我们预计其市场份额将大幅减少。”他写道。

在数据中心方面，他预计，随着数据中心服务器向基于推理的工作负载以及现有模型的微调和RAG优化转变，将有更多传统的数据中心服务器运行人工智能工作负载。推理与训练相比，对处理能力的要求要低得多，可以在传统的CPU上完成，而不是更昂贵的GPU。

这为大型云服务提供商提供的人工智能即服务（AI as a Service）提供了机会，企业可以在昂贵的硬件上完成人工智能训练，然后用自己的设备进行更新或推理，而无需在只需使用一次的硬件上进行大量资本投资。

“随着更新、更高效的建模方法的开发，它们越来越有可能在传统服务器上运行，这既具有成本/性能优势，也提高了计算可用性。这将有利于那些拥有成熟数据中心业务的传统企业。”Gold写道。

在边缘计算方面，Gold预计，在未来两到三年内，绝大多数人工智能工作负载将迁移到基于边缘的系统。边缘的定义包括一系列广泛的系统和处理能力——从传感器阵列中的小型内部处理到重型机械、自动驾驶汽车和医疗诊断等等。

Gold预测，与英伟达CUDA等专有解决方案相比，开源平台和开发环境将在这个领域发挥关键作用。“像Arm和x86这样的开放和兼容的生态系统将具有显著优势，因为它们从小型到大型计算需求都能满足。它们允许根据处理需求进行扩展或缩减，而且解决方案还具有移植和重用的便利性。”他写道。

物联网领域与边缘计算有很多重叠之处，因此需要一个开放的生态系统来提供可扩展的解决方案，这与边缘计算情况非常相似。只是物联网设备往往更小、功耗更低，但该领域有很多参与者。

近年来，围绕人工智能的炒作很多，人工智能处理器市场涌现出大量初创企业，未来几年还将有更多。但Gold表示，由于这些初创企业是相对较新的参与者，缺乏稳固的市场地位和经过验证的能力，因此很难在它们各自擅长的领域中找到有效的定位。

“我们确实预计一些新进入者最终会取得成功，而许多其他公司将在未来两到三年内逐渐消失或被收购，”他写道。他特别提到了Cerebras，这是一家采用晶圆级技术的初创企业，其市场定位高端，直接挑战英伟达的主导地位。