深度 | 定制芯片崛起：为何 Hyperscaler 集体「叛逃」GPU？

深度 | 定制芯片崛起：为何 Hyperscaler 集体「叛逃」GPU？

核心观点：AI 芯片市场正在分裂成两个世界——NVIDIA 的 GPU 统治训练，Broadcom 的定制 ASIC 统治推理。这个分裂不是暂时的，是结构性的。当推理消耗 70% 的算力时，成本最低的方案赢。

2026 年 7 月 25 日，三星电子与 Broadcom 签署了一份价值超过 2000 亿美元的 5 年战略合作备忘录。同一天，JPMorgan 将 Broadcom 目标价上调至 580 美元，并给出了一个令人瞠目的情景预测：Broadcom FY2028 AI 营收可能触及 3000 亿美元。一年前，这个数字仅仅是约 200 亿。

Broadcom 不卖 GPU，不和 NVIDIA 正面竞争。但正是这种「不竞争」的姿态，让它成为了 NVIDIA 在 AI 算力市场最危险的对手。Google TPU、Meta MTIA、OpenAI Jalapeño、Apple Baltra——每一颗芯片背后都印着 Broadcom 的设计指纹。

一、Broadcom 到底在卖什么？

理解 Broadcom，先要理解一个反直觉的事实：它不拥有它设计的任何一款芯片的品牌。Google TPU 叫 TPU，不叫「Broadcom TPU」。

Broadcom 卖三样东西：IP 核授权（尤其是 SerDes 高速接口——芯片内部和芯片间数据传输的核心技术）、物理设计服务（把架构图变成能送进晶圆厂的光罩）、网络+计算全栈整合（计算芯片 + Tomahawk 交换机 + CPO 光互联）。

OpenAI 的 Jalapeño——一颗达到光罩极限尺寸的 3nm 芯片，搭载 8 个 HBM 堆叠——从架构到流片仅用了 9 个月。不靠 Broadcom 预验证的 IP 模块和设计方法论，任何团队都无法接近这个速度。

GPU vs ASIC：两个世界的产品逻辑

核心结论：训练需要灵活性和最快的硬件迭代 → GPU 赢。推理需要最低的单位 Token 成本 → 定制 ASIC 赢。

六大客户芯片矩阵

Google 仍占 Broadcom AI 营收的约 45-55%，但 Anthropic 的 3.5GW TPU 订单和 OpenAI Jalapeño 正在快速稀释集中度。$730 亿积压订单正从「一家独大」走向「六分天下」。

二、GPU vs ASIC：不是替代，是分工

「XPU:GPU 达到 50:50」的真实含义

Broadcom 管理层在 2026 年 7 月给出了核心判断：定制 ASIC 与 GPU 的出货量比，最快明年达到 50:50。JMP Securities 预测 2027 年 ASIC 出货 1250 万颗（53%），GPU 出货 1090 万颗（47%）。

这容易让人误读为「GPU 不行了」。实际情况：

1. GPU 绝对出货量仍在增长——AI 加速器整体市场从 $1230 亿（2024）扩张到 $2860 亿+（2030），即使 GPU 份额从 85% 降到 65%，收入仍在增加。
2. GPU 和 ASIC 价格相差 2-3 倍——出货量 50:50 不等于收入 50:50。
3. 训练端 GPU 不可替代——目前没有任何定制 ASIC 在 Frontier 训练上取代 NVIDIA。Google TPU 花了 5 年才让 JAX 可训练大模型。

定制 ASIC 的经济账

多家独立机构给出趋同结论：规模化推理场景下，定制 ASIC 比同代 GPU 节省 40-65% 的 TCO。

一个具体案例：AI 图像平台 Midjourney 将推理从 GPU 迁移到 Google TPU 后，月成本从 $210 万降至 $70 万，降幅 65%。

前提条件是：单客户、大规模、稳定工作负载。创业公司做不起 $1-2 亿的 NRE。

每家 Hyperscaler 都在走「双轨」

训练=买 NVIDIA GPU（必要时加 AMD） 推理=自研 ASIC（Broadcom/Marvell 设计）+ GPU 做 burst

GPU 不会被替代。但推理市场的增量，正在系统性地流向定制 ASIC。

三、竞争格局：双寡头与裂缝

定制 AI 芯片设计服务是一个天然的双寡头市场——Broadcom 80-85%，Marvell 10-12%，合计 ~95%。

Broadcom 的六道护城河：

1. SerDes IP（224G→336G→448G）——chiplet 互联和 HBM4 的核心
2. 3.5D 封装——同时支持 TSMC CoWoS、三星 2.3D、Intel EMIB
3. Tomahawk 交换机 + Jericho 路由 + CPO——NVIDIA 之外唯一同时掌控计算和网络硅
4. 多客户分摊研发成本——6 个客户的体量摊薄 IP 和制程导入的固定投入
5. 与 Google 的 10 年 8 代 TPU——合同锁定至 2031
6. VMware 每季度 $72 亿经常性收入——不受芯片周期影响的研发资金

三道裂缝：

• 联发科切入 Google TPU（2028 年预计占 35%）→ 每 10% 份额转移 = 年收入损失 $80-100 亿
• Anthropic 直接与三星谈 2nm 定制 → 设计服务和晶圆代工可能解耦
• Amazon Annapurna 全栈自研模式 → 如果被证明最优，Meta/OpenAI 可能跟进

Marvell 的两张差异牌：收购 Celestial AI 获得硅光互联（16 Tbps/chiplet，延迟 <150ns），以及 NVIDIA $20 亿投资 + NVLink Fusion 生态。但短板是没有交换机产品线，客户粘性弱于 Broadcom。

四、中国市场：平行宇宙

中国定制 ASIC 市场逻辑与全球相同但驱动力不同：

• 全球：经济驱动 → 推理成本优化 → 定制 ASIC
• 中国：经济驱动 + 出口管制 → 国产替代刚需 → 定制 ASIC 是唯一可行选项

核心玩家：芯原股份（最接近 Broadcom 模式，2026 年新签订单 82.4 亿，AI 占比 91%）、华为海思（中国 AI 芯片 62% 份额）、阿里平头哥（真武 M890 累计出货 56 万片）、DeepSeek（秘密自研推理 ASIC 超一年）。

一个意味深长的信号：华为正计划从 NPU（ASIC）架构转向 GPGPU 架构，新芯片将配备 CUDA 兼容中间件。即便出口管制最严厉的中国市场，纯 ASIC 路线也面临灵活性的天花板。

根本约束：中国最先进代工能力（中芯 N+2 等效 7nm）与 Broadcom 用的台积电/三星 2nm 之间差了三代。Chiplet 是当前最现实的「代差补丁」，但物理规律不是商业模式能绕过的。

五、三星-Broadcom $2000 亿：一次赌注，三重意义

这不仅是钱多。它在三个层面改变了格局：

供应链双源化：AI 芯片史上最大规模的非台积电先进制程承诺。如果三星能将 2nm 良率从 50-60% 提到接近台积电水平，行业将获得第二个先进制程源。

全栈整合：三星是全球唯一能同时提供「逻辑代工 + HBM 存储 + 先进封装」的供应商。台积电做不到——它不生产 HBM。

地缘对冲：非台湾地区的 2nm 产能，对 Broadcom 的美国客户具有战略价值——降低对台海风险的单一暴露。

但三星 2nm 良率仍落后台积电 10-15 个百分点，$2000 亿能兑现多少取决于执行力。

六、我的判断

我说一个我的判断：AI 芯片市场不会出现「GPU 被 ASIC 取代」的剧情，而是分裂成两个平行世界。

第一个世界是「GPU 世界」——NVIDIA 主导，服务训练、科研、创业公司和所有需要灵活性的场景。CUDA 生态 20 年的积累不是技术问题，是社会契约——数百万开发者的肌肉记忆、数十万篇基于 CUDA 的论文、每一家云厂商的 GPU 实例模板。这个世界将继续增长。

第二个世界是「ASIC 世界」——Broadcom（和 Marvell）赋能，Google/Meta/OpenAI/Apple 各自为战。服务规模化推理——每天千亿 Token 生成、万亿参数推荐系统。每一颗芯片为单一客户定制，单位成本比 GPU 低 40-65%。

Broadcom 在两个世界之间扮演「赋权者」——不选边，给两边都提供武器。GPU 世界里，卖 Tomahawk 交换机连接 NVIDIA GPU。ASIC 世界里，为每个 Hyperscaler 设计定制芯片。

我预判，2027-2028 年是一个转折点：当 ASIC 推理市占率突破 50%，NVIDIA 将被迫回应——要么推出半定制 GPU 变体，要么大幅降毛利率从 75% 到 ~40%。NVIDIA 利润率面临结构性压力，不是「会不会」，是「什么时候」。

但对于中国产业，先不下结论。国产定制 ASIC 的逻辑自洽，但制造端差距是物理规律。芯原股份 82 亿新签订单是实在的进步，但 4nm 设计放台积电流片 vs 放中芯 N+2 流片，是两颗不同的芯片。中国定制 ASIC 的终局，取决于中芯国际能否在 2030 年前量产 5nm——需要持续跟踪，不应过度押注。

AI 辅助深度研究，人工视角解读。每周二、四、六更新。