英伟达未来最大的竞争对手，可能根本不是AMD，而是那些每年花费数千亿美元购买AI算力的科技巨头自己。谷歌、亚马逊、微软正在加速研发ASIC，$AVGO的AI… · @youngstockuser · TwKit

@youngstockuser

英伟达未来最大的竞争对手，可能根本不是AMD，而是那些每年花费数千亿美元购买AI算力的科技巨头自己。谷歌、亚马逊、微软正在加速研发ASIC，$AVGO的AI半导体收入同比暴增221%，$MRVL的数据中心业务也保持高速增长。现在我越来越认为，未来AI芯片市场可能不再由GPU独享增长红利，但这反而说明整个AI算力产业正在变得更加庞大。$NVDA $AMD $GOOG $AMZN $MSFT 先看最有说服力的财报。9月2日，博通公布2026财年第三季度营收达到295.91亿美元，同比增长86%。其中AI半导体收入达到167亿美元，同比增长221%，环比增长54%。更夸张的是，管理层预计第四季度AI半导体收入进一步增长至217亿美元，同比增长236%。一家已经拥有庞大业务规模的半导体公司，AI相关收入依然能够保持三位数增长，这说明市场对定制AI芯片和高速网络设备的需求，至少在最新财报中没有出现明显衰退。 但这里必须明确，博通披露的167亿美元AI半导体收入，不全部来自ASIC，还包括AI网络相关芯片。不能直接把它理解成客户购买了167亿美元的定制计算芯片。不过，这个增长速度仍然值得关注。因为博通正在成为大型科技公司自研AI加速器的重要合作伙伴，帮助客户将特定计算需求转化为实际芯片设计，同时提供配套的高速网络技术。 再看谷歌。$GOOG已经把TPU发展到了第八代，旗下Ironwood第七代TPU已经投入使用，新一代TPU 8t和8i则分别针对大规模训练和推理进行优化。根据谷歌公布的资料，TPU 8t单个Superpod最多可以集成9600颗芯片，而TPU 8i重点改善大模型推理的计算效率和成本。这意味着谷歌已经不再只是购买外部GPU的云计算企业，而是在尝试掌握整个AI算力平台的核心技术。 更重要的是，谷歌的TPU已经开始获得外部大型AI客户的认可。4月6日，谷歌与Anthropic宣布进一步扩大合作，计划从2027年开始陆续提供数吉瓦规模的TPU算力。这不是一个小规模试验项目，而是一项涉及长期基础设施建设的重大合作。当然，计划中的数吉瓦容量不代表现在已经全部建成，也不意味着未来所有合同都不存在延期风险。 亚马逊同样值得关注。$AMZN在7月30日公布的第二季度财报中表示，AWS的AI业务与芯片业务年化收入运行规模均已超过250亿美元，而且都保持同比三位数增长。这里的芯片业务包含不同类型的自研处理器，并不全是Trainium，也不能直接理解成已经实现250亿美元的全年收入。但这至少说明，自研芯片已经不再只是亚马逊内部用于降低成本的实验性项目，而是成为AWS增长的重要组成部分。 尤其是Trainium。亚马逊已经从Trainium2推进到Trainium3，并且继续规划后续产品。Anthropic等大型AI客户也在扩大对AWS定制算力的使用。过去云厂商采购GPU，更多是根据英伟达提供的产品来建设计算系统；现在大型云厂商拥有自己的芯片、网络和软件平台，能够根据客户的实际模型需求进行更加深入的优化。 微软也在参与这场竞争。今年1月，$MSFT正式发布Maia 200推理加速器，采用台积电3nm工艺，配备216GB HBM3e内存。微软表示，Maia 200在其内部特定工作负载上的单位成本效率，相比此前使用的硬件提高超过30%。当然，这是微软提供的内部性能数据，不能直接证明Maia在所有场景都比英伟达GPU更强，但它说明自研芯片已经开始具备实际商业价值。 为什么这些科技巨头如此执着于自己设计ASIC？原因其实非常简单：当AI计算规模达到数十亿美元甚至数百亿美元，哪怕单位推理成本只下降10%，都可能带来巨大的经济价值。GPU最大的优势是通用性强、软件生态成熟，适合不断变化的模型架构和复杂计算任务。但对于已经高度标准化、需要持续运行的大规模推理任务，专门优化的ASIC有机会获得更好的性能功耗比和单位计算成本。 不过，ASIC并不是想造就能造。先进芯片设计需要庞大的研发投入，还要解决先进制程、HBM供应、封装、网络连接、编译器和软件生态等问题。如果产品设计不适应未来模型架构，或者客户实际使用规模不足，前期投入同样可能难以收回。这也是为什么大量企业即使希望降低对英伟达的依赖，也不会轻易完全放弃GPU。 而且英伟达真正强大的地方，从来不只是某一颗GPU的计算性能。CUDA生态、NVLink、高速网络、机架级系统和开发工具，共同构成了它的竞争优势。对大量AI开发者而言，购买一套成熟的英伟达平台，可能比花费数年自行开发芯片更加高效。尤其在前沿模型训练、模型结构快速变化以及复杂的多租户云服务环境中，通用GPU依然拥有明显优势。 这也是为什么我认为，未来GPU和ASIC更可能长期共存，而不是其中一方彻底淘汰另一方。前沿模型训练、科研和复杂推理可能继续大量使用GPU，而部分规模庞大、算法相对稳定的工作负载则逐渐迁移到定制芯片。大型云厂商最终会根据性能、成本、供应能力和软件适配情况，在不同计算平台之间分配任务。 再看$MRVL。8月27日公布的2027财年第二季度财报显示，公司营收达到27.39亿美元，同比增长37%，数据中心业务收入同比增长46%。管理层表示，AI相关订单需求仍然强劲，预计定制芯片业务在财年下半年明显加速。Marvell不仅参与定制计算芯片开发，也布局高速互连和数据中心网络，因此它的增长同样不能全部归因于ASIC。 这恰恰是我认为ASIC行业值得长期研究的地方。AI算力市场可能正在从单一供应商主导，逐渐转向多种芯片架构共同增长。对于博通和Marvell而言，它们不需要完全击败英伟达才能获得商业机会。只要云厂商持续增加定制芯片投入，它们就可能获得更多设计、互连和网络设备订单。 与此同时，$TSM也可能继续受益。因为无论最终采用英伟达GPU、谷歌TPU、亚马逊Trainium还是微软Maia，大量高性能AI芯片仍然需要先进晶圆制造和封装能力。芯片设计环节的竞争加剧，不意味着整个上游制造产业链的需求必然下降。 但我必须承认，这对英伟达长期估值确实构成值得研究的风险。过去市场给予$NVDA极高的估值，不只是因为AI芯片需求增长，更因为投资者相信它能够长期维持强大的市场地位和利润率。如果未来ASIC持续扩大份额，即使英伟达的绝对收入继续增长，市场也可能重新评估它未来的增长速度和定价能力。 反过来说，ASIC需求快速增长也不意味着$AVGO和$MRVL的股票就一定值得追高。定制芯片业务存在客户集中度高、开发周期长、项目延期、利润率变化等风险。一家企业宣布增加ASIC投资，不代表供应商已经获得确定收入；获得长期设计项目，也不代表未来每个季度都能按照最乐观的预测交付。 尤其现在AI数据中心建设还面临电力供应、资本开支回报率和融资成本的问题。博通CEO陈福阳近期也公开提醒，AI产业未来扩张面临的重要瓶颈之一是资本。市场不能只看芯片需求有多大，而忽略这些芯片最终由谁购买、通过什么方式融资，以及部署以后能否创造足够的现金流。 所以我始终认为，AI基本面有没有变化，需要观察整个产业链的实际经营数据，而不是简单根据英伟达股价判断。如果GPU需求真的全面崩溃，我们应该看到云厂商削减采购、定制芯片订单下降、半导体收入指引恶化。但目前公布的英伟达、博通、Marvell以及大型云厂商数据，并没有显示这种全面逆转。 我接下来会重点关注四个指标：英伟达数据中心收入和毛利率、博通AI半导体收入能否兑现217亿美元的季度指引、Marvell定制芯片业务的实际增长，以及谷歌和亚马逊能否持续提高自研芯片的使用规模。 我依然是AI长期多头，但现在越来越相信，未来AI投资不能只研究GPU。随着算力需求扩大，产业链的利润可能逐渐在GPU、ASIC、先进制造、网络和云计算平台之间重新分配。 英伟达未必会失去领导地位，但它也不一定能够永远独享整个AI市场的增长红利。 对我而言，ASIC快速崛起不是AI产业衰退的证据，反而说明越来越多企业愿意投入真实资本，争夺未来算力基础设施的市场。 真正需要警惕的是，产业需求继续增长的同时，某些股票却因为此前估值过高而持续调整。 这就是为什么我长期看好AI，但短期仍然强调控制仓位。技术方向正确，不代表任何价格都值得买入；行业规模越来越大，也不意味着每一个参与者都能获得同样丰厚的利润。

曝光 487 · 评论 0 · 点赞 0 · 书签 0