在Google TPUAI芯片的新一代推出5年后，数据中心AI处理器市场迎来了新的热潮。尽管投资巨大，但新进入者面临着来自行业巨头如Google等财力雄厚对手以及已形成的市场格局的挑战。外媒作者BRIAN BAILEY深入探讨了这些新玩家可能遇到的难题。
首先，数据不足是最大问题之一。要多少个数据中心才能实现盈利？设计一个新的AI处理器时，关键在于定义产品灵活性——是为单一任务专门设计还是支持更多工作负载？
其次，成本和时间限制加剧了挑战。“既要在一定成本和时间内设计制造芯片，又要考虑成本回报问题。”Synopsys人工智能产品研发总监Stelios Diamantidis指出，这些限制因素缩小了AI处理器潜在市场。
再者，对于定制化程度越来越高的芯片而言，即使弄清楚多少个数据中心才能盈利，也无法确定设计方案。“如果两年后出现了一个新算法，那为旧算法定制的芯片价值还会如初吗？”西门子EDA战略与业务发展高级经理Anoop Saha提问。
最后，不同企业对于自定义优势有不同的看法。大型企业往往组建自己的芯片部门，为特定高工作负载打造专用芯片。而且，大多数定制都是面向推理，而训练则需要浮点支持。这意味着，在寻找适合自己应用场景的解决方案时，还需考虑到可塑性、市场需求以及硬件与算法迭代速度等因素。
综上所述，对于想要挑战Google TPU AI 芯片的大型公司而言，其它选择并非不可能。不过，要想成功，并不是简单的事业，它们需要早期关注架构选择，以便根据不断变化的情境做出调整。此外，由于硬件和算法快速迭代，加之用户愿意支付价格及预期使用寿命，都将影响最终决策。在这个赢家通吃的市场中，只有那些能迅速适应并提供强大产品黏性的公司才有望获得长远成果。
