Nvidia 對 MediaTek 的 35 億美元投資，瞄準 AI 晶片競爭的下一階段

Nvidia 正向台灣晶片製造商 MediaTek 投資 35 億美元，並讓其取得可用於設計客製化 AI 晶片的技術，這些晶片可與 Nvidia 硬體協同運作。這項安排是對 Nvidia 日益增長挑戰的直接回應：大型雲端服務商與 AI 公司正自行開發矽晶片，以降低對該公司 GPU 的依賴。

這項合作讓 MediaTek 在為雲端服務商與 AI 實驗室開發應用特定晶片時，能使用 Nvidia 的 NVLink Fusion 生態系。這些晶片可直接連接到以 Nvidia 為基礎的資料中心，讓客戶在不必放棄 Nvidia 更廣泛基礎設施堆疊的情況下，對特定工作負載的運算擁有更多控制權。

對 AI 建構者與企業基礎設施團隊而言，這筆交易所反映的策略，遠不只是防守 GPU 銷售。Nvidia 正試圖讓其網路、互連、軟體與機架規模系統，成為 Nvidia 處理器與競爭對手客製化矽晶片共同運作的通用層。

這筆交易背後的架構

MediaTek 一直在擴大其資料中心客製化 ASIC 業務，該業務聚焦於針對特定工作負載設計的晶片，而不是通用運算。該公司在 6 月表示，預期該業務將於 2026 年創造 20 億美元營收，但這個數字是公司預測，並非經獨立驗證的結果。

根據新協議，MediaTek 將取得 NVLink Fusion 的使用權。Nvidia 將此生態系描述為讓非 Nvidia 晶片能快速與 Nvidia 處理器及其他元件通訊的方式。實際上，這可能讓雲端服務商在共享資料中心設計中，將自家的 AI 加速器與 Nvidia GPU 並置部署。

這個差異很重要。客製化矽晶片最有價值的時候，是能為某家公司的模型、軟體、功耗預算或推論服務工作負載做高度最佳化。但打造晶片只是運作 AI 工廠的一部分。互連、網路、散熱、軟體相容性與部署標準，才決定這顆晶片能否有效率地大規模使用。

Nvidia 的主張是，客戶可以客製運算層，同時保留 Nvidia 周邊的平台。MediaTek 在智慧型手機、智慧家庭、車輛與無線通訊晶片的既有經驗，讓它能走向更貼近客戶需求的設計，而 Nvidia 則提供基礎設施連結。

Nvidia 正在販售更大的平台

Nvidia 的 HPC 與 AI hyperscaler 基礎設施解決方案資深總監 Dion Harris 將公司描述為一家「AI 基礎設施公司」，而不只是專注於運算晶片的業務。TechCrunch 報導的他的說法，反映了 MediaTek 投資背後的商業邏輯：如果客戶持續標準化採用以 Nvidia 為中心的資料中心架構，Nvidia 可以接受其 GPU 有部分被替代。

根據 TechCrunch，該公司上週也對 Amazon Web Services 採取了類似動作。AWS 計畫再部署 200 萬顆 Nvidia GPU 並整合 NVLink Fusion，但那項安排並未包含報導中的 AWS 直接投資。

因此，MediaTek 交易之所以重要，不只因為規模，更因為它透過晶片設計夥伴延伸了 Nvidia 的平台策略。MediaTek 可以向其客戶群提供客製化矽晶片，而 Nvidia 則多了一條讓這些設計持續連接到其系統的管道。

Nvidia 也持續與 MediaTek 保持相關合作。雙方將繼續共同開發 DGX Spark，這是 Nvidia 以開發者為核心的桌上型 AI 電腦，以及 RTX Spark，這是 Nvidia 將技術帶入消費型 AI PC 的努力。他們也正在合作車輛平台，結合 MediaTek 的車用系統與 Nvidia 的圖形技術及 Drive AGX，用於智慧座艙與自動駕駛工作負載。

什麼證據支持了這項說法——以及什麼沒有

這項公告中已確認的要素包括：35 億美元投資、MediaTek 對 NVLink Fusion 的使用權，以及兩家公司在資料中心、PC 與車輛領域持續合作。Nvidia 執行長 Jensen Huang 表示，這項合作旨在把加速運算擴展到更多市場，但那是公司對策略意圖的說明，並非未來商業表現的證據。

Nvidia 也表示，MediaTek 將能協助客戶使用共享的機架規模架構，將客製化晶片與 Nvidia 處理器一同部署。這項能力是這筆交易背後最核心的技術主張。現有報導並未說明會有多少客戶使用、哪些具體晶片正在開發，或這項合作將為任一家公司帶來多少營收。

MediaTek 尚未公開詳細說明其客製化 AI 晶片的客戶基礎。其 ASIC 業務 2026 年 20 億美元營收預期，同樣是由供應商提出的預測。這些資訊缺口使得短期採用情況難以衡量，也難以判斷這項合作是否會實質改變 Nvidia GPU 與客製化加速器之間的平衡。

為什麼建置者與企業應該關注

對 AI 實驗室與雲端服務商而言，這項安排可能降低追求客製化硬體的組織成本。企業可以根據自身模型服務或訓練需求設計加速器，同時使用相容 Nvidia 的基礎設施，而不是打造一套完全獨立的資料中心堆疊。

隨著模型開發者與 hyperscaler 尋求更好的每瓦效能、更可預測的供應，或更低的服務成本，這種彈性可能特別重要。然而，NVLink Fusion 的相容性本身並不能解決客製化矽晶片的難題：晶片設計成本、製造產能、編譯器支援、軟體可攜性、除錯，以及在硬體尚未完全部署前工作負載就已改變的風險。

對 Nvidia 而言，取捨同樣明確。與其平台搭配使用的客製化晶片，可能會取代部分 GPU 需求，但 Nvidia 仍可從周邊基礎設施中獲取價值，並維持其在部署決策中的角色。即使客戶不再希望所有工作負載都在 Nvidia 處理器上執行，這種做法仍可能讓 Nvidia 更難被從 AI 資料中心中移除。

競爭上的關鍵問題在於，Nvidia 的互連與機架規模生態系究竟會成為中立基礎，還是主要作為延伸 Nvidia 影響力的機制。買家需要檢視定價、授權、軟體支援，以及非 Nvidia 加速器在實際部署中的表現，而不是把互通性主張當成效率證明。

接下來要觀察什麼

第一個訊號會是 MediaTek 是否指出具體的客製化 AI 晶片計畫，或使用 Nvidia 相容設計的客戶。若能公開曝光 tape-out、生產時程、工作負載與部署量，會比單純的投資公告更能清楚驗證這項合作。

基礎設施買家也應關注 NVLink Fusion 在 AWS 與其他潛在合作夥伴的推出情況。若能證明多家供應商可在具實質規模下部署客製化加速器，將支持 Nvidia 的平台論述。若採用仍只停留在公告層級，這項策略可能更像是生態系定位，而不是對 GPU 依賴的經證實替代方案。

其他指標還包括混合 Nvidia 與客製化晶片機架的經濟性、此類系統軟體工具的可用性，以及 Nvidia 的網路與互連產品是否能在不依賴 GPU 的情況下仍具價值。MediaTek 朝其所述 ASIC 營收目標前進的進度，也將有助於顯示客製化 AI 硬體需求是否正在成為持久生意。

Creati.ai 觀點

Nvidia 對 MediaTek 的投資，最好的理解方式是其試圖控制 AI 運算的連結組織，而不是從 GPU 退場。透過協助客戶打造自己的加速器，Nvidia 可能降低直接搶下每一分運算收入的壓力，同時提高客製化矽晶片仍與其基礎設施相連的機會。

只有在這個生態系能在成本、延遲、電力使用與部署可靠性上帶來可衡量的好處時，這才會是一項強而有力的策略。在 MediaTek 或其客戶公開可運作系統與量產結果之前，這筆交易更清楚地展現了 Nvidia 的方向，而不是證明市場的反應。