博通的潜力：AI 投资已超越 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上升，尚未达到顶峰。

第三季度，AI 半导体的收入达到了167亿美元，超出先前预计的160亿美元，并且下一季度预计将增加至217亿美元。更为重要的是，预计到2027财年，AI 芯片的收入将接近1150亿美元，2028财年甚至有可能达到2300亿美元。

因此，现在再去讨论 ASIC 是否构成 AI 的第二增长曲线，似乎已经有些迟了——AI 的投资早已不再仅限于 GPU。

至少在博通的财报中，这一趋势已经显现，且预计的市场规模比之前预期要大。接下来需要关注的是 Google、OpenAI、Anthropic 等大型项目能否按时落地，博通究竟能从中获益多少。

英伟达的财报中，值得关注的一个信息是，在如此高的基数下，云服务提供商、AI 企业及模型实验室仍在不断增加算力。

不过，随着 AI 资本支出从几十亿美元上升到几百亿美元，最终迈向每年上千亿美元的规模，采购逻辑必定会发生改变。

例如，大型企业开始询问，同样完成一项 AI 工作负载需要投入多少资金？同样的1GW电力究竟能产生多少有效算力？如果某些工作负载已经趋于稳定，是否还有必要全力使用成本最高的产品？

这正是 ASIC 变得越来越重要的背景。

当然，将 ASIC 简单地视为“更便宜的 GPU”并不准确，其真正优势在于专用化。

定制芯片的研发并不便宜，前期投入巨大，开发周期长，同时还需解决软件、先进封装、网络、系统和供应链的适配等一系列问题。

然而，一旦某种工作负载稳定，部署规模从几十 MW 扩大到数百 MW，进而达到 GW 级别，单位成本、性能功耗比和整体系统 TCO 的改善将可能被迅速放大。

因此，Google 长期坚持使用 TPU，Meta 不断扩展 MTIA，OpenAI 也开始与博通共同开发专用处理器，都是意识到即使只将部分稳定且规模庞大的工作负载从通用芯片迁移至定制芯片，也能带来显著的经济价值。

简单整理一下，可以发现这得益于多个条件的成熟，其中最关键的变量是推理正在成为越来越重要的增量负载。

众所周知，模型训练往往是阶段性的，但随着 ChatGPT、Gemini、Claude 等越来越多的智能代理真正进入生产环境，推理成为每天持续进行的工作。

尤其是在调用量日益增长、模型结构和服务模式逐渐稳定之后，推理更适合针对特定工作负载进行硬件优化，OpenAI 在今年6月正式发布与博通联合开发的首款 Intelligence Processor Jalapeño，专为 LLM 推理而设计。

更值得注意的是，这并不是一款孤立的芯片，OpenAI 和博通将其视为多代计算平台的第一代产品，计划于2026年底开始部署，并未来扩展至GW级别。

Meta 的发展路线也相似，正在两年内推进四代 MTIA，重点涵盖推荐、排序和生成式 AI，其中多款产品明确采用推理优先的设计理念。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，后续计划扩展至多个GW，双方的多代产品合作将持续至2029年。

这表明，当今大型 AI 客户正从单纯追求峰值性能逐步转向另一套游戏规则：Token 的生产成本究竟能否更低。

随着 AI 真正进入商业化，百万个 Token 的成本、每瓦电力能产生多少有效算力，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握这部分成本控制权。

理解这一点后，再看博通的财报就会明了许多。

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

公司给出的下一季度指引更加激进，预计总营收约为294亿美元，其中 AI 半导体收入预计达到160亿美元，同比增幅超过200%。

160亿美元的规模意味着什么？这相当于博通预计当季总营收的54%左右。

换句话说，如果这些指引兑现，仅 AI 半导体业务就可能为博通贡献超过一半的收入——这里甚至已经将 VMware 等基础设施软件业务考虑在内。

换句话说，AI 正在直接改变这家公司的收入结构。

然而，这里容易产生一个误解，160亿美元不能简单等同于“ASIC 收入”，其中还包括 Ethernet 交换芯片、SerDes、PCIe 光互联等 AI 网络产品。

在上一季度，网络业务在 AI 半导体收入中占比接近40%。Hock Tan 同时指出，这一比例可能已接近阶段性高位，长期来看更可能回落至约30%左右。

因此，博通实际上有两条业务线同时扩张，一条是 Custom XPU，另一条是 AI 网络，这也是与许多纯芯片公司最大的不同之处。

AI 集群从几千颗芯片扩展到数万颗、十几万颗乃至更大规模后，算力之间的连接变得愈发重要。

来源：Odaily星球日报