文｜半導體產業縱橫

"我們為谷歌的成功感到高興——他們在AI領域取得了巨大進步，我們也將繼續向谷歌提供產品。英偉達目前領先行業一代——我們是唯一一個可以運行所有AI模型、并在各種計算場景中通用的平臺。"

11月25日，英偉達在社交平臺X上的這番聲明，被視為對谷歌TPU近期備受關注的直接回應。

就在聲明前一天，有消息傳出meta正考慮從2027年開始在其數據中心部署谷歌的TPU，這一潛在交易金額可能高達數十億美元。受此影響，英偉達股價一度重挫逾7%，市值蒸發近3500億美元。這一市場波動清晰地表明，AI算力領域正迎來一場靜默而深刻的變革。

在英偉達GPU看似壟斷的市場中，一股新生力量正悄然崛起。OpenAI開始租用谷歌的TPU芯片為其ChatGPT提供算力支持，亞馬遜宣布其Trainium2芯片性能價格比優于其他硬件30%到40%，博通和Marvell的AI業務收入暴漲，一個明確的信號正在釋放：ASIC的時代，已經到來。

ASIC芯片的崛起與繁榮

2025年，全球ASIC芯片市場迎來爆發式增長。據中商產業研究院數據，2024年全球ASIC芯片市場規模已約達120億美元，到2030年，這一數字有望超過500億美元。

長期以來，英偉達憑借其GPU和CUDA生態，在AI芯片市場占據了超過90%的份額。 然而，谷歌TPU作為ASIC芯片的代表，正被視為英偉達Blackwell芯片的可行低成本替代方案，逐漸改變市場競爭格局。在AI模型訓練成本呈指數級增長的今天，通用GPU雖然靈活，但其本質上仍是為圖形渲染設計的硬件，在面對神經網絡的特定計算模式時，存在大量的效率損失。

TPU和GPU都能處理訓練AI模型所需的大量計算，但實現方式截然不同。英偉達的GPU最初為渲染視頻游戲圖像而開發，通過數千個計算"核心"并行處理多項任務。而TPU專門為矩陣乘法這類AI相關工作而構建，這是訓練神經網絡的主要操作。

專用與通用，成為ASIC與GPU的核心差異。英偉達在聲明中強調，其芯片相比谷歌TPU等專用集成電路芯片提供"更高的性能、多功能性和互換性"，后者通常只為單一公司或單一功能設計。

谷歌最新版本的TPU名為Ironwood，于今年4月發布，采用液冷設計，專為運行AI推理工作負載而設計。它有兩種配置：256個芯片的集群，或更大的9216個芯片集群。TPU在某些AI工作上可能表現優于GPU，因為谷歌可以"去除芯片上許多不適合AI的其他部分"，使其能耗更低、運營成本更低。

先進封裝技術成為ASIC發展的重要支撐。根據TrendForce集邦咨詢研究，隨著云端服務業者加速自研ASIC，為整合更多復雜功能的芯片，對封裝面積的需求不斷擴大。已有CSP開始考量從臺積電的CoWoS方案，轉向英特爾的EMIB技術。EMIB擁有數項優勢：結構簡化，舍棄昂貴且大面積的中介層；熱膨脹系數問題較小；封裝尺寸也較具優勢。隨著谷歌決定在2027年TPUv9導入EMIB試用，meta亦積極評估規劃用于其MTIA產品，EMIB技術有望為英特爾IFS業務帶來重大進展。

博通與Marvell，雙足鼎立

在ASIC定制芯片的繁榮背后，兩大巨頭成為最大贏家：博通和Marvell。 這兩家公司已形成近乎壟斷的雙寡頭格局，合計占據ASIC市場超過60%的份額。

博通作為絕對霸主，單獨拿下55-60%的市占率。從業績就能直觀感受到它的強勢 ——Q2 財報里，AI 業務收入直接突破 44 億美元，同比增長 46%，其中定制 AI 加速器還實現了兩位數增長，這種增速在成熟芯片企業里相當亮眼。更關鍵的是它和大客戶的深度綁定，最典型的就是與谷歌的合作：從谷歌第一代 TPU 芯片開始，博通就全程參與設計和制造，現在雙方合作已經推進到 3nm 工藝的第六代 TPU，2023 年谷歌單在 TPU 相關合作上就給博通付了 35 億美元，2024 年這個數字預計會翻倍到 70 億美元，甚至連第七代 TPU 的供應合同都已經提前鎖定。除了谷歌，博通還跟 meta 敲定了未來兩年的 AI 基礎設施合作，預計能帶來數十億美元收入；2025 年更聯手 OpenAI 啟動了 10 吉瓦級的定制 AI 加速器項目，這套系統會裝在 OpenAI 全球的數據中心里，靠博通的以太網解決方案實現算力集群擴展，整個項目估值超過千億美金。而且博通不只是靠單一產品，它 "定制加速器 + 高速互連" 的策略很見效，以太網、PCIe Gen6 這些配套 IP 能牢牢粘住客戶，按照規劃，2025 年它的 AI 總收入預計能突破 110 億美元，差不多是 Marvell 同期 AI 收入的 4 倍多。

再看Marvell 的 "逆襲打法"。它雖然份額不如博通，但增長勢頭極猛：26Q1 數據中心營收達到 14.41 億美元，占總營收的 76%，同比還暴增了 76%，這背后幾乎全靠 AI 定制芯片的大規模出貨。Marvell 聰明的地方在于不跟博通正面硬剛，而是走差異化路線。在客戶布局上，它搭建了 "亞馬遜 + 谷歌 + 微軟" 的三角合作網：給亞馬遜量產 5nm 的 Trainium 訓練芯片，這款芯片占了 AWS ASIC 出貨量的 85%，接下來還會接 Inferentia v3 推理芯片的項目；給谷歌代工 5nm 的 Axion ARM CPU 芯片，剛好和博通給谷歌做的 TPU 業務形成互補，不搶飯碗反而互相搭配；最近還拿下了微軟 Maia AI 芯片 2026 年的量產訂單，靠著這三大客戶，Marvell 甚至定下了 2028 年 AI 收入沖刺 70-80 億美元的目標。

技術上，Marvell 也有自己的側重點，專門盯著 "能效 + 互聯" 做文章。它已經能用上臺積電最新的 3nm 制程工藝，還握有 112G XSR SerDes 高速互連 IP、240Tbps Die-to-Die 互連技術，在云數據中心場景里能做到 "性能夠強、功耗夠低"—— 它和美光合作開發的 HBM 高帶寬內存架構，能讓 AI 加速器的算力密度提升 25%，待機功耗卻降低 66%，正好戳中云廠商想控制總擁有成本的需求。另外，Marvell 還搞了數據中心全棧布局，除了 AI 定制芯片，存儲控制器、網絡交換芯片這些配套產品也做得不錯，比如它的 112G SerDes IP，既能用在 AI 加速器上，也能裝在自家的以太網交換機里，這種 "芯片 - 互連 - 存儲" 的垂直整合能力，成了它區別于博通的關鍵優勢。

其實這兩家能長期壟斷，核心是有三道別人難跨的門檻。一是技術壁壘高，兩家都掌握了3nm 制程量產能力，還有超 20 年的 ASIC 設計經驗 ——Marvell 過去 25 年交付了超過 2000 個定制項目，博通手里有覆蓋計算、存儲、網絡的全場景 IP 庫，新玩家想跟上，得先闖過 "制程工藝 + 客戶驗證 + 生態適配" 這三關。二是客戶分化合理，博通主要做谷歌、meta、OpenAI 這些客戶的 "訓練側" 算力需求，Marvell 聚焦亞馬遜、微軟的 "推理 + 通用計算" 場景，互不搶食，反而能覆蓋更多市場。2025 年全球云服務提供商的 ASIC 出貨量預計超 500 萬顆，其中谷歌 TPU 的 220 萬顆、AWS ASIC 的 180 萬顆，核心份額還是被這兩家分了。三是行業趨勢助推，現在生成式 AI 對算力的需求，正從通用 GPU 轉向定制 ASIC—— 畢竟 ASIC 在特定任務上算力成本降低了30%到40%，云廠商為了降成本，更愿意跟頭部供應商深度綁定，比如 OpenAI 既選博通做定制加速器，又用英偉達的通用算力，這也說明雙寡頭在 ASIC 領域的地位很難被撼動。

生態和供應鏈，是關鍵

AI算力競爭遠不止于芯片性能本身，更延伸到軟件生態和供應鏈安全。

英偉達憑借CUDA生態系統構建了深厚的護城河，這是其聲明中"唯一可以運行所有AI模型"的底氣所在。谷歌則通過垂直整合，強化軟硬件協同優勢。谷歌上周發布了公司最強大模型Gemini 3，這款廣受好評的最先進AI模型是在該公司的TPU上訓練的，而非英偉達GPU。這一技術成就增強了TPU作為英偉達GPU可靠替代方案的可信度。

供應鏈多元化成為云巨頭的重要考量。研究機構Gartner分析師表示，谷歌盡管擁有自己的芯片，仍是英偉達最大客戶之一，因為它必須為客戶保持靈活性。如果客戶的算法或模型發生變化，GPU更適合處理更廣泛的工作負載。與英偉達不同，谷歌不向其他公司出售TPU芯片，而是將其用于內部任務，并允許企業通過Google Cloud租用。

這種模式正在獲得認可，當前TPU客戶包括OpenAI聯合創始人Ilya Sutskever去年創起的初創公司Safe Superintelligence，以及Salesforce、Midjourney和Anthropic。

國內市場方面，巨頭企業在ASIC 領域的布局同樣亮眼，其中阿里巴巴自研的 PPU 芯片走在前列。據機構研判，這款 PPU 芯片在顯存容量、片間互聯帶寬等關鍵指標上已超越英偉達 A800，而在顯存容量、PCIe 等核心參數上，也能與英偉達 H20 比肩。

上市公司中，芯原股份近年來與互聯網巨頭展開深度合作，其AI ASIC 業務在今年第三季度實現了翻倍式增長；翱捷科技則聚焦智能穿戴、端側 SOC 等細分領域，目前 ASIC 業務在手訂單充足，機構預計到 2026 年，該公司這一業務的收入將迎來大幅提升。

對于國產AI 芯片的發展，多家券商也給出積極判斷。中信證券指出，當前國產 AI 芯片自主可控進展順利，除了阿里巴巴自研的含光系列 AI 推理芯片外，華為昇騰、寒武紀等企業的自研 AI 芯片也在持續迭代，這些成果有望緩解國內 AI 領域對海外算力的依賴。西部證券認為，企業擁有自研芯片可替代外部供給，能有效確保模型迭代與規模部署的連續性和可預期性。浙商證券則分析稱，相較于 GPU，ASIC 芯片在特定場景下具備低成本、高性能、低功耗的優勢，專用性和性價比更高，預計到 2028 年，ASIC 市場規模將達到 AI 芯片整體市場的 19%；同時該機構提到，ASIC 芯片單價遠低于 GPU，約為 GPU 的 1/5，隨著 meta、微軟等企業逐步大規模部署自研 ASIC 解決方案，ASIC 總出貨量有望在 2026 年某個時點超越英偉達。

ASIC的崛起并不意味GPU的衰落。正如谷歌發言人所回應的："我們定制的TPU和英偉達GPU的需求都在加速增長。我們將一如既往地繼續支持這兩者。"這種多元化的策略，可能正是AI算力發展的未來方向——沒有單一解決方案能通吃所有場景。

芯片行業"不是只有一個贏家的零和游戲"。即使是最積極的ASIC采用者，也仍在大量采購英偉達芯片。例如，Anthropic在與谷歌達成TPU協議幾周后，就宣布了與英偉達的重大交易。

在AI技術快速迭代的今天，算力格局的重塑才剛剛開始。