报道还称，NVIDIA 计划在未来某个时候建立 ASIC 生产线，但目前该公司专注于培养强大的员工基础。Green 团队已加快招聘流程，并决心聘请台湾顶尖人才，以防止他们被“诱骗”到其他公司。各大 IC 设计公司，尤其是联发科，都在寻求获得顶尖员工，这也是 NVIDIA 积极招聘本地人才的原因。
谷歌、亚马逊和苹果等公司都在竞相开发定制 AI 芯片，以减少对 NVIDIA 的依赖，并拥有针对其工作负载进行改进的解决方案。这显然促使 Green 团队专注于定制芯片领域，而且鉴于 NVIDIA 在台湾 ASIC 制造商中享有的声誉，该公司可以在此特定领域获得不错的销售增长。
据传，NVIDIA 正与联发科合作开发用于 AI PC 领域的定制芯片，因此 AI 领域不会是唯一从 Team Green 的雄心壮志中受益的领域。此外，该公司已经在 Nintendo Switch 上使用 Tegra SoC，因此他们确实拥有这方面的专业知识。定制 AI 芯片可能是计算行业的下一个大趋势，它最终将使 Team Green 能够阻止公司开发内部芯片。
网友讨论1：
我认为“专注”这个词在这里用得不太恰当。这将是他们业务的另一个分支。
定制只是另一个业务部门。他们将覆盖一切。通用 GPU 和定制芯片
定制芯片将来应该比 GPU 赚更多的钱。
网友讨论2：
只要 NVIDIA 的 HBM 和 Cowos 供应受限，这个分支就还没有那么赚钱。
他们必须决定是否要将有限的供应花在 Rubin 还是新的 ASICS 上。
但我可以看到，如果 HBM 供应没有问题的话，这在未来几年可能会带来丰厚的利润。
网友讨论3：
随着人工智能算法的进步，芯片将变得更具针对性。
网友讨论4：
随着人工智能走向更多应用edge（例如机器人技术），ASIC 将获胜，
网友讨论5：
数据中心才是至高无上的，应用edge是低利润的垃圾。你需要相当可笑的硬件来大规模运行 o3/AGI。
GPU和CPU之间的深度融合和高度可编程性
- 独立硬件单元：GPU 和 CPU 保持硬件层面的独立性，但通过共享内存和高速互联（如 NVLink 或 AMD 的 Infinity Fabric），实现更高效的协作。
- 混合编程模型：像 CUDA、OpenCL 和最近的 DirectX 12 Ultimate 等技术，已经使得编写 GPU 代码像操作 CPU 一样方便。未来，可能会有更加通用的编程模型，进一步模糊二者之间的界限。
RISC（Reduced Instruction Set Computing）和 ASIC（Application-Specific Integrated Circuit）
它们在计算硬件中代表了两种不同的设计哲学和用途
RISC：
- NVIDIA 的 GSP（GPU System Processor）采用 RISC 架构，目标是提升 GPU 的控制能力，使其不仅擅长计算，还能更高效地处理调度、管理等任务。
- RISC 的简化指令集特点，结合 GPU 的并行计算优势，使其具备更强的灵活性和扩展性，迎合了现代可编程化需求。
ASIC ：
- 是为特定用途设计的定制芯片，不具备通用性，但在特定任务上效率极高。
- 由于硬件直接优化特定功能，ASIC 可以在性能和功耗上达到其他架构无法匹敌的水平。
- GPU 的调度单元（如 NVIDIA 的 GSP）可能基于 RISC 核心，负责管理复杂的任务分配。
- AI 加速器（如 Google TPU）在核心计算单元之外也常嵌入一个 RISC 核心来管理指令。