AI 基礎設施供應商依賴：為什麼有更多 AI 晶片可以選，還是不一定容易更換供應商？
AI 基礎設施供應商依賴：為什麼有更多 AI 晶片可以選，還是不一定容易更換供應商？
Apple 據報考慮以自家晶片打造 AI 推論伺服器，並與 NVIDIA 討論 NVLink Fusion。這個訊號提醒企業，評估 AI 基礎設施時，除了運算晶片，還需要檢查互連技術的替換能力與更換成本。
Apple 據報考慮以自家晶片打造 AI 推論伺服器，並與 NVIDIA 討論 NVLink Fusion。這個訊號提醒企業，評估 AI 基礎設施時，除了運算晶片，還需要檢查互連技術的替換能力與更換成本。
據 The Information 報導，蘋果（Apple）正在研究重新進入企業伺服器市場，以自家晶片打造 AI 推論伺服器，並曾與輝達（NVIDIA）討論採用 NVLink Fusion。產品據報可能使用未來的 M8 Ultra，最快約 2029 年推出，但計畫仍可能修改或取消。Reuters 報導這項消息時也明確表示，尚未獨立驗證相關內容。
因此，現在還不能把它當成 Apple 已經確定的產品路線。
但這個仍在研究中的方案，已經提出一個值得企業提前思考的問題：
如果未來有更多 AI 晶片可以選，是否就代表企業更容易降低對單一基礎設施供應商的依賴？
答案可能沒有這麼簡單。
有更多晶片可以選，只解決了一部份問題
企業談 AI 基礎設施的供應商依賴時，通常會先看運算晶片。
除了 NVIDIA GPU，市場還有 AMD、自行設計的 AI 加速器，以及愈來愈多客製化晶片。選擇增加，確實可能改善供應來源、成本與議價空間。
但大型 AI 系統並不是把更多晶片放進伺服器就能完成。
當 AI 推論需要跨越多個運算單元執行時，這些晶片還必須快速交換資料、協調工作，並組成更大的運算系統。
因此，企業至少需要把兩件事分開看：
誰負責運算？
以及：
這些運算單元靠什麼技術連成一套系統？
Apple 據報與 NVIDIA 討論的 NVLink Fusion，正好讓這個差別變得更清楚。
NVIDIA 推出 NVLink Fusion 時，就把它定位為讓第三方客製化 CPU、XPU 等運算晶片接入 NVIDIA AI 基礎設施的技術。換句話說，一套系統即使不用 NVIDIA 的運算晶片，仍可能使用 NVIDIA 的互連技術。
這不是 Apple 方案才出現的技術可能性，而是 NVLink Fusion 原本的產品設計方向。
如果 Apple 最終採用這套架構，就會出現一個很清楚的組合：
運算使用 Apple 自家的晶片，晶片之間的連接則使用 NVIDIA 的技術。
企業可能在運算晶片這一層增加選擇，卻仍在另一個環節依賴 NVIDIA。
供應商依賴不能只看用了誰的晶片
如果企業只問：
我們有沒有第二家 AI 晶片供應商？
我們有沒有第二家 AI 晶片供應商？
答案可能不足以說明真正的更換成本。
還要繼續問：
如果更換運算晶片，原本的互連技術能不能繼續使用？
如果更換運算晶片，原本的互連技術能不能繼續使用？
反過來：
如果更換互連技術，既有晶片、系統架構與軟體又需要調整多少？
如果更換互連技術，既有晶片、系統架構與軟體又需要調整多少？
最後衡量的是兩件事：能不能換，以及換一次要牽動多少既有系統。
一家企業即使同時使用多家晶片供應商，也不代表整套 AI 基礎設施容易移轉。反過來說，某一層即使集中使用單一供應商，只要替換介面與移轉方式設計得當，實際的退出成本也未必如表面看起來那麼高。
所以，供應商多元化不能只靠計算用了幾家公司的產品。
更實際的檢查方式是：
如果明天要替換其中一層，還有哪些東西會被迫一起更換？
如果明天要替換其中一層，還有哪些東西會被迫一起更換？
NVIDIA 的位置，也不能只從 GPU 看
NVLink Fusion 的設計，就是讓第三方運算晶片可以接入 NVIDIA 的 AI 基礎設施。NVIDIA 也已經與 MediaTek、Marvell、Alchip 等客製化晶片業者建立相關合作。
這還不能證明 NVIDIA 已經在互連技術建立另一個難以挑戰的市場位置，也不能推論互連技術將取代 GPU，成為下一個 AI 基礎設施瓶頸。
但如果未來有更多非 NVIDIA 運算晶片進入 NVLink Fusion 生態，只看 GPU 市占，可能就不足以完整理解 NVIDIA 在 AI 基礎設施中的位置。
因為企業可以選擇由誰提供運算晶片，也可能另外選擇由誰提供把這些晶片連成系統的技術。
兩個選擇不一定來自同一家供應商。
這也代表，AI 基礎設施的競爭開始出現更分層的跡象。
真正要問的是：哪一層最難換？
Apple 的企業 AI 伺服器目前仍只是據報研究中的計畫，而且最快可能要到 2029 年，因此它不是企業現在改變採購策略的理由。
它比較像是一個提前出現的架構訊號。
當企業未來擁有更多 AI 晶片選擇時，「我們用了幾家晶片供應商」可能不再足以衡量整套基礎設施的彈性。
資訊長、技術長與 AI 基礎設施負責人需要再往下問：
運算晶片能不能換？
互連技術能不能換？
更換其中一層時，會牽動多少既有系統？
更多 AI 晶片選擇當然有價值，但它只回答了一部份問題。
企業最後需要知道的是：
如果未來有更多 AI 晶片可以選，哪些基礎設施環節仍然最難替換？
如果未來有更多 AI 晶片可以選，哪些基礎設施環節仍然最難替換？
Decision Insight｜決策提示
企業評估 AI 基礎設施的供應商依賴時，不應把「有更多晶片可以選」直接等同於「更容易更換供應商」。運算晶片與互連技術應分開評估，真正需要比較的是每一層能不能替換，以及更換時會牽動多少既有系統。
企業評估 AI 基礎設施的供應商依賴時，不應把「有更多晶片可以選」直接等同於「更容易更換供應商」。運算晶片與互連技術應分開評估，真正需要比較的是每一層能不能替換，以及更換時會牽動多少既有系統。
#AIInfrastructure #EnterpriseAI #NVIDIA #Apple #DecisionIntelligence
作者＝InfoAI 編輯部
你不需要讀完所有 AI 新聞。你需要掌握的是：哪些變化值得關注、哪些應用值得理解、哪些風險不能忽略，以及這些訊號可能如何影響企業決策。
訂閱 InfoAI 電子報，把全球 AI 訊號，轉化為更清楚的商業判斷。
InfoAI Line 群提供最新文章發佈通知，讓你不用每天上網查看，也能快速掌握新上線的 AI 產業解讀、應用案例與知識內容。
版權聲明與授權須知
本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。
AI 協作與人工編輯聲明
本文由 InfoAI 編輯部進行主題判斷、內容策劃、事實查核與文字編輯，並使用 AI 工具協助資料整理與內容製作。最終觀點、內容取捨與發佈版本均由人工編輯確認。
你不需要讀完所有 AI 新聞，你需要知道的是：
有哪些變化值得注意，可能會如何影響你的產業、工作與決策。