NVIDIA GPU在AI市场虽占主导地位，但高价、高功耗及延迟问题频遭批评。新创企业指责其依赖增加核心数与存储器提升性能的“蛮力”方式。为应对市场需求，新创们追求更高效的“优雅”设计。
AI模型训练与推论应用需求激增，NVIDIA虽有针对特定应用芯片，但架构变革成本高企。业界担忧，若AI运算方法革新，GPU统治地位或动摇。
美国新创业者比喻NVIDIA做法如车厂一味增大引擎，炫目却低效。日本Preferred Networks（PFN）等则致力于开发新型AI加速器，通过优化软件与硬件协作，减少核心数，提升效率，挑战NVIDIA B200。
GPU与存储器间频繁数据传输导致的功耗与延迟问题亦受关注。PFN看好日本封装技术，认为能改善连接效率。EdgeCortix则设计低功耗AI芯片，减少存储器存取，避免使用昂贵HBM。
台裔美籍专家许富菖的Neo Semiconductor推出3D X-AI芯片，结合神经电路层与300层存储器，减少GPU处理负担。加拿大Tenstorrent亦在减少GPU与存储器传输需求上取得突破，声称在某些AI领域可替代GPU与HBM。
