博通的崛起：AI 资金流向超越 GPU

正文：

上周，英伟达发布的财报显示，AI 算力的需求仍在持续增长，远未达到顶峰。

第三季度，AI 半导体的收入达到了167亿美元，超过了之前预期的160亿美元，而下个季度的预测则提升至217亿美元。更引人注目的是，预计到2027财年，AI 芯片的收入将达到约1150亿美元，2028财年甚至可能达到2300亿美元。

因此，现在再讨论ASIC是否构成AI的第二增长曲线，似乎有些滞后——AI的资金早已不再仅仅集中在GPU上。

在博通的财务报告中，这一趋势已经开始显现，而且未来的增长量比预期的更为显著。接下来需要关注的是，Google、OpenAI、Anthropic等重大项目能否按时落地，博通能从中获取多少份额。

英伟达财报的真正价值在于，在如此高的基数上，云服务商、AI公司和模型实验室仍在不断提升算力。

然而，随着AI资本支出从数十亿美元上升到数百亿美元，并最终迈入每年千亿美元甚至更高的级别，采购逻辑必然会发生变化。

例如，大型企业开始更多地询问，完成特定AI工作负载需要投入多少资金？同样的1GW电力，能够提供多少有效算力？如果某些工作负载高度稳定，是否还有必要全部使用成本最高的产品？

这正是ASIC变得愈发重要的背景。

当然，简单地将ASIC视为“更便宜的GPU”并不准确，它的真正优势在于其专用化。

定制芯片的开发并不便宜，前期研发投入巨大，开发周期漫长，还需解决软件、先进封装、网络、系统和供应链等一整套适配问题。

然而，一旦某种工作负载足够稳定，部署规模从几十MW扩展到数百MW，最终达到GW级别，单位成本、性能功耗比以及整个系统的TCO改善将可能迅速显现。

因此，Google长期坚持使用TPU，Meta不断扩展MTIA，而OpenAI也开始与博通共同开发专属处理器，都是意识到即使只将部分最稳定和庞大的工作负载从通用芯片迁移至定制芯片，依然可能带来巨大的经济效益。

如果仔细分析，会发现这得益于几个条件的共同成熟，最关键的因素是推理工作负载正在变得越来越重要。

众所周知，模型训练通常是阶段性的，但随着ChatGPT、Gemini、Claude等越来越多的Agent在生产环境中的应用，推理成为了一项持续性的工作。

特别是当调用量激增、模型结构和服务模式逐渐稳定后，推理更适合针对特定工作负载进行硬件优化。今年6月，OpenAI正式发布与博通联合开发的首款智能处理器Jalapeño，专为LLM推理设计。

值得关注的是，这并不是一款孤立的芯片，OpenAI和博通明确将其视为多代计算平台的首代产品，计划于2026年底开始部署，并在未来按GW级规模扩张。

Meta的战略与之相似，正在两年内推进四代MTIA，重点覆盖推荐、排序和生成式AI，其中多款产品采用了以推理优先的设计思路。今年4月，Meta进一步扩大与博通的合作，第一阶段的部署已超过1GW，未来规划扩展至多个GW，双方的多代产品合作将持续到2029年。

这表明，当前的大型AI客户正在逐渐从单纯追求峰值性能，转向另一种游戏规则：如何更低成本地生成Token。

当AI真正商业化后，一百万个Token的成本、每瓦电力所能产生的有效算力以及整个数据中心的TCO将变得愈加重要。

ASIC的本质，实际上是大型AI公司开始尝试重新掌控这部分成本控制权。

理解这一点后，再看博通的财报将更为清晰。

上一季度，博通的总营收达到221.87亿美元，同比增长48%；其中，AI半导体的收入为108亿美元，同比增长143%。

公司对下个季度的展望更为激进，总营收预计约为294亿美元，其中AI半导体收入预计达到160亿美元，同比增长超过200%。

160亿美元的意义何在？这相当于博通预计当季总营收的54%左右。

换句话说，如果这一预期得以实现，仅AI半导体业务就可能为博通贡献超过一半的收入——这里甚至已经包括了VMware等基础设施软件业务。

也就是说，AI正在直接改变这家公司的收入结构。

但需要注意的是，160亿美元并不完全等同于“ASIC收入”，其中还包括以太网交换芯片、SerDes、PCIe、光互联等AI网络产品。

在上一季度，网络业务占AI半导体收入的近40%。Hock Tan同时指出，这一比例可能已接近阶段性高位，长期来看更可能回归到约30%附近。

因此，博通实际上正在同时扩展两条业务线，一条是Custom XPU，另一条是AI Networking，这也是与许多纯芯片公司最大的区别。

随着AI集群从几千颗芯片扩展到数万颗、十几万颗乃至更大的规模，算力之间的连接显得愈加重要。

来源：Odaily星球日报