据业内人士透露，NVIDIA的GPU在AI运算领域扮演了至关重要的角色，正如英特尔8086微处理器曾定义个人电脑市场一样。
IC代理业者指出，尽管Google自研的TPU芯片在处理大型语言模型（LLM）时可能表现更优，但NVIDIA凭借其覆盖上中下游的完整生态系，仍然稳居AI市场的主导地位。尤其是其推出的Jetson Thor平台，专为边缘AI设计，进一步巩固了其技术优势。
Google近期发布的升级版Gemini 3模型和TPU引发了业界对其能否挑战NVIDIA GPU地位的讨论。然而，TPU主要针对数据中心特定运算模式优化，虽然效率更高，但通用性不及NVIDIA GPU。AI技术的普及需要实际需求驱动，例如Chat GPT的出现让更多人感受到AI的实际价值。
AI产业的发展离不开边缘与云端的协同。云端依赖GB200、GB300或H100等高性能GPU完成复杂运算，而边缘AI则通过Jetson Thor平台实现感知、思考和移动。例如，机器人系统中“大脑”负责复杂指令，“小脑”执行实时动作控制，二者均需云端训练的模型支持。
尽管AI机器人市场前景被广泛看好，但供应链业者坦言，机器人训练数据的不足仍是核心技术瓶颈。未来可通过AI生成数据或数码分身技术构建训练场景，推动实际应用落地。
