半导体股的抛售让市场对AI基础设施支出可持续性的疑虑升温,但一个较少被讨论的变化正在发生:超大规模云厂商正扩大使用定制设计的AI处理器,博通与Marvell有望在这一趋势中分得份额。

这一转变的核心并非定制ASIC取代GPU,而是处理器组合的多元化如何重新分配半导体收入与HBM需求,即便AI总算力仍在增长。定制芯片可改善训练与推理的经济性、降低能耗,并让云运营商对计算基础设施拥有更强控制力。

博通是定制AI处理器及连接这些处理器的网络芯片的主要供应商。2026年4月,博通披露了一项长期协议,为谷歌开发并供应未来几代TPU,以及谷歌下一代AI机架所需的网络和其他组件,合作最长至2031年。这为其定制芯片业务提供了切实的商业基础,而非仅依赖宽泛的市场预测。博通的竞争优势包括设计复杂加速器所需的工程资源,以及连接数千台设备所需的高速交换技术。这两类机会相互强化:ASIC部署扩大可能提升网络带宽需求,即便处理器本身是为较窄的工作负载设计的。其风险包括客户集中、设计项目成本高昂,以及云客户技术能力增强带来的定价压力。

Marvell的敞口结构有所不同。其2026年8月与谷歌达成的协议覆盖与TPU生态相关的定制芯片项目,包括推理加速器、存储控制器、网络接口控制器、内存接口控制器和近内存计算。这意味着Marvell争夺的是整个AI系统中的半导体内容,而不仅是中央加速器。该协议还包含与采购挂钩的认股权证安排:多数股份按累计定制产品收入分批归属,每5亿美元收入对应一批。这形成了可衡量的商业激励,但合同框架并不保证所有预期收入都会实现。Marvell的机会可观,但其对大客户的依赖和项目执行能力尤其值得关注。

两家公司并非相同的投资标的。博通在定制加速器和网络领域已有成熟业务;Marvell则可能在加速器、控制器和连接性上获得增量份额。对投资者而言,关键指标是设计中标、量产爬坡、利润率和产品的代际延续性,而不仅是宣布的芯片数量。

英伟达和AMD仍是重要竞争者。英伟达继续供应灵活GPU和集成计算平台,在許多大模型部署中占主导,其软件生态和支持模型演进的能力是显著优势。云厂商可能对稳定、高负载的工作选择定制ASIC,同时继续用英伟达GPU进行研究、新模型开发和 demanding 推理任务,两种方式可在同一数据中心共存。AMD也供应AI加速GPU,并提供FPGA技术用于专门的可重构推理,但需面对英伟达的软件装机基础以及为云厂商需求专门设计的定制芯片项目。

英伟达还面临领导层过渡:Jensen Huang于11月12日离任,Colette Kress被任命为临时CEO。这带来了管理层不确定性,但将定制ASIC的兴起主要归因于这一过渡是错误的。超大规模云厂商多年前就开始开发专有处理器,原因是超大规模计算的经济性。

训练与推理的区别至关重要。训练通过处理大型数据集并调整模型参数来开发AI模型;推理则使用训练好的模型生成答案、分析信息或执行任务。两者都可能需要大量计算资源,但性能要求不同,训练强调吞吐量和协调……