一家主要的汽車與能源公司正在重塑其AI基礎設施策略。根據最新聲明，該公司到年底將累計約$10 億美元的GPU硬體支出，主要用於神經網絡訓練和視頻處理工作負載。這一策略性舉措結合了第三方加速器與自有的AI晶片，以優化計算效率。這種雙晶片方案證明至關重要：如果不利用自訂晶片與行業標準處理器相結合，總硬體投資很可能會翻倍。這一計算凸顯了科技行業的一個更廣泛趨勢——企業為了實現成本效益的AI擴展，越來越多地投資於半導體設計。通過降低對外部晶片供應商的依賴，企業可以大幅降低計算開銷，同時保持對海量數據管道的處理能力。