Counterpoint Research指出，隨著大型雲端業者持續發展自有AI晶片，包括Google TPU及AWS Trainium，AI運算市場的採購策略正逐漸多元化。輝達領導層變動可能促使部分客戶重新評估供應商組合，但實際採購決策仍取決於運算效能、成本、軟體生態系及投資報酬率。
Counterpoint Research研究副總監Brady Wang預測，伺服器AI ASIC出貨量將於2027年超越GPU。這意味著大型雲端業者除了採購輝達GPU，也將持續擴大自研晶片布局，透過客製化ASIC滿足特定運算需求，降低對單一晶片供應商的依賴。
對台灣半導體供應鏈而言，GPU與ASIC雙軌發展，也可能帶來新的業務機會。無論是ASIC晶片設計、晶圓代工、先進封裝，或是後端測試與伺服器系統整合，都有機會隨著雲端業者自研晶片需求增加而擴大市場。不過，不同ASIC專案的架構、製程及封裝需求各異，實際受惠程度仍須視客戶專案與量產進度而定。
另一方面，Counterpoint認為，輝達短期產品路線並不會因領導層變動立即改變。從Blackwell到Vera Rubin的產品規劃已逐步建立，既有研發團隊及供應鏈合作關係可望支撐未來18至24個月的產品推進，台積電先進製程與CoWoS封裝、HBM記憶體，以及鴻海、廣達、緯創等AI伺服器供應鏈，短期仍有既定產品需求支撐。
不過，中長期而言，AI晶片市場競爭將不再只是GPU效能之爭，還包括客製化晶片的成本效率、軟體生態系及整體系統整合能力。Counterpoint認為，隨AI產業從高速擴張逐步轉向規模化部署與成本效率，GPU與ASIC供應鏈可能走向不同發展節奏，台灣業者能否同時掌握兩條技術路線，將成為下一階段競爭關鍵。
