輝達賣出了史上最賺錢的晶片，卻養出了一桌最有錢、也最有動機繞開它的客戶。

2026 年 6 月 3 日，博通公佈 2026 財年第二季度財報：單季營收 222 億美元、同比增長 48%，其中來自 AI 的半導體收入 108 億美元、同比暴漲 143%，約佔總營收的一半；經營利潤率 67%，創歷史新高，AI 晶片在手訂單（backlog）超過 300 億美元。[1][2]

這筆錢大半來自一件事：替谷歌、Meta、OpenAI 這些輝達的頭號大客戶，設計並代工他們「自己的」AI 晶片。於是出現了一個耐人尋味的悖論——同一周裡，輝達剛交出資料中心單季 752 億美元、同比 +92% 的紀錄級財報，[9] 可它最大的幾個買家，正一邊下單買 GPU、一邊掏錢造能替代 GPU 的晶片。

下面把這場正在發生的圍剿拆清楚：缺口為什麼先出現在推理這一環、圍剿陣營到底有多大、以及老黃的反制是不是真能補漏。這是本站「輝達護城河觀察」系列的第一篇。

一、為什麼現在寫：博通財報撕開的那道口子

把博通這份財報放到產業鏈裡看，它其實是一張「輝達大客戶出逃地圖」。

博通把這些為單一客戶定製的 AI 加速器稱作 XPU。按第三方統計，博通已拿下定製 AI 加速器市場約 70% 的份額，背後是谷歌 TPU、Meta MTIA 等多個長期專案。[3] 當雲巨頭們決定「不只用輝達」，它們第一個找的設計夥伴，往往就是博通。

更說明問題的是博通自己的指引：下季度（Q3）AI 半導體收入預計同比增長超過 200%、達到約 160 億美元；公司重申 2027 財年 AI 半導體收入將超過 1000 億美元。[1] 這條曲線背後，是一整代超大規模廠商把「自研晶片」從實驗專案變成了主力路線。

問題就擺在這裡：當最賺錢的客戶紛紛繞過 GPU，輝達那條以 GPU + CUDA 築起來的護城河，到底有沒有在漏水？

二、結論先行

一句話：護城河確實被鑿了一道口子，但口子開在「推理」這一層；輝達的應對，是一邊把定製晶片「收編」進自家機架，一邊趕在客戶之前、先把「自己的推理 ASIC」造了出來。

拆開看：

  • 威脅是真的——博通 AI 營收一年漲 143%、訂單簿超 300 億；谷歌、OpenAI、Anthropic 都已把「非輝達」算力做成了可規模化的現實。[1][3][5][6]
  • 但量級仍懸殊——博通整個 2027 財年的 AI 營收目標（1000 億美元）[1]，量級上仍只相當於輝達資料中心業務單季 752 億、年化約 3000 億美元的一個零頭多一點。[9]
  • 戰線很清楚——通用、要靈活的訓練仍是 GPU 的主場；追求極致單位成本的推理，才是定製晶片（ASIC）的突破口。
  • 老黃已經在補漏——Rubin CPX 專用推理晶片 + NVLink Fusion 開放機架 + 繫結 Marvell，三招齊下。[10][12][14]

這既是護城河被侵蝕的故事，也是一家公司主動把自己「ASIC 化」以守住護城河的故事——這層張力貫穿始終。

三、圍剿陣營點名（資料模組）

先把「誰在自己造晶片、造到哪一步」擺成一張表。

陣營自研 / 定製晶片進度設計夥伴來源
谷歌 TPU第七代 雙供應：訓練版（代號 Sunfish）+ 推理版（代號 Zebrafish）；出貨量 2026 年約 430 萬顆、2028 年預計超 3500 萬顆博通（訓練）/ 聯發科（推理）/ Marvell[3][4]
OpenAI與博通合作 10GW 自研加速器，OpenAI 負責設計、博通負責系統與網路；採用 3nm／2nm 工藝，2026 下半年首批部署、2029 完成博通[5]
Anthropic最多 100 萬顆 TPU、超 1GW 算力（2025-10）；2026-04 進一步簽下 5GW 下一代 TPU（2027 起）；同時跨用 AWS Trainium + 輝達 GPU + 谷歌 TPU 三套平台谷歌 / 博通[6][7]
亞馬遜 / 微軟 / MetaTrainium、Maia、MTIA 各自迭代，均走「自研 + 博通/Marvell 代工」路線博通 / Marvell[3]

把這張表連起來看，結論很直白：輝達資料中心營收裡佔大頭的超大規模客戶，幾乎每一家都在認真做「第二供應商」，而且第二供應商往往是自己。[3] 這不是某一家的賭氣，而是一場結構性的「去單一供應商化」。

其中最有標誌性意義的是 Anthropic：它把谷歌 TPU 作為訓練前沿模型 Claude 的主力算力底座之一，等於公開驗證了「不靠輝達也能訓出前沿大模型」這條路是走得通的。[6] 對一個長期靠「CUDA 是唯一可靠選擇」立身的生態來說，這種示範效應，比任何一張訂單都更刺痛。

四、為什麼缺口先開在「推理」

要理解這道口子，得先分清 AI 算力的兩種活：訓練和推理。

  • 訓練是把模型「教出來」：演算法天天變、架構反覆試，最吃「通用 + 靈活」。GPU 什麼都能跑，疊加 CUDA 十幾年積累的軟體生態，這一層輝達的優勢短期難撼。
  • 推理是把訓練好的模型「拿去用」：一旦模型定型、開始大規模對外服務，工作負載就變得重複、可預測。這時客戶最在意的不再是靈活，而是每生成一個 token 的成本。

而定製 ASIC 的全部優勢，恰恰在「重複、可預測、追求極致單位成本」的場景裡。第三方測算顯示，在生產級推理上，定製矽相對通用 GPU 的總擁有成本（TCO）優勢可達約 65%；研究機構 TrendForce 則預計，2026 年定製晶片出貨增速約 45%，而 GPU 出貨增速約 16%。[8]

把這層邏輯放回產業鏈的上下游，缺口的位置就清晰了：

  • 基礎設施層（infra）——當算力從「建叢集、做訓練」轉向「鋪產能、做服務」，部署的核算口徑從「峰值算力」變成「單位推理成本」，定製晶片的賬一下子算得過來了。
  • 模型層（models）——前沿模型逐漸定型、開源模型批次可用，「訓練」的邊際需求增速放緩，而「服務」的需求開始指數級放大。
  • 應用層（apps）——智慧體（agentic AI）真正放量後，token 消耗是按「億級呼叫」計的；在這個量級上，哪怕單 token 成本只降兩三成，省下的也是天文數字。

正是黃仁勳自己反覆講的「算力即營收（compute is revenue）」敘事走向成熟，把戰場從輝達最強的訓練，推向了它相對最容易被替代的推理。 客戶越是把 AI 用成生意，就越有動機為推理這道工序，配一顆更便宜的專用晶片。

五、老黃的三道反制

輝達沒有裝作看不見。過去一年，它的應對可以拆成三招，而且三招都很「老黃」——核心不是把對手擋在門外，而是確保無論客戶怎麼選，輝達都在那張機架裡留著一個收費口。

反制一：自己先造一顆「推理 ASIC」——Rubin CPX

最直接的一招，是輝達乾脆趕在客戶之前，把「專用推理晶片」自己造了出來。

2026 年，輝達釋出 Rubin CPX：一顆專為超長上下文（100 萬+ token）推理最佳化的新型 GPU，主打 30 petaFLOPs 的 NVFP4 算力，注意力（attention）處理較上一代 GB300 NVL72 提速約 3×，計劃 2026 年底上市。[10][11] 有評論一針見血：Rubin CPX 犧牲了訓練的通用靈活性、換取 token 服務效率，本質上就是輝達在客戶造出自己的 ASIC 之前，先造了一顆自己的 ASIC。[13]

配合下一代 Vera Rubin 平台，輝達對外給出的承諾是把推理成本壓低約 10×——直接對著定製晶片最鋒利的那把刀（TCO）去的。[13]

提示：上述「10×」「3×」均為輝達官方或第三方評測口徑的廠商目標值，獨立第三方大規模實測尚未跟上，宜保守看待。

第二招更見功力。既然雲巨頭鐵了心要用自己的 ASIC，輝達索性推出 NVLink Fusion：一個開放的機架級平台，讓客戶把半定製的 ASIC 直接插進輝達的互聯與網路生態裡。[12]

在這套方案裡，Marvell 提供定製 XPU 與相容 NVLink Fusion 的擴充套件網路，而輝達繼續供應 Vera CPU、ConnectX 網絡卡、BlueField DPU、NVLink 互聯與 Spectrum-X 交換。[12] 翻譯成大白話：就算這台機架裡的「主晶片」不是輝達 GPU，輝達照樣賣 CPU、賣網路、賣互聯、收一筆「過路費」。 客戶的 ASIC 越是要規模化組網，就越難繞開輝達的機架級生態。

這正是那套「佔位—收租」邏輯：份額可以被蠶食，但輝達要在每一層都留一個收費口。

反制三：把第二名拉進自己陣營——繫結 Marvell

第三招是結盟。定製晶片的另一極是 Marvell，輝達選擇投資並公開站台：黃仁勳在 Computex 2026 期間稱 Marvell 有望成為「下一家萬億美元公司」。[14]

提示：「下一家萬億美元公司」是黃仁勳的個人評價、屬第三方觀點。

把博通的頭號競爭對手拉進 NVLink Fusion 生態，既分化了定製晶片陣營，又給輝達自己的「收租」機架補上了關鍵一環。這一手的算盤很清楚：與其讓定製晶片完全長在博通體系裡，不如讓其中一支長在輝達的機架上。

六、量級校準與反方（防一邊倒）

講到這裡，必須把天平擺正——「護城河漏水」是一個有分寸的判斷，不是「帝國將傾」。

  • 量級仍然懸殊。 博通整個 2027 財年的 AI 營收目標是 1000 億美元[1]，而輝達單季資料中心營收已達 752 億、年化約 3000 億美元。[9] 即便把博通的 AI 收入全部算作「搶輝達的蛋糕」（其中相當部分其實是 AI 網路、並非直接替代 GPU），量級上也只是輝達的一個零頭多一點。
  • 增速快，但基數小。 定製晶片 45% 的出貨增速確實遠高於 GPU 的 16%[8]，但這是從一個小得多的基數起跳；高增速能維持幾年、會不會隨雲資本開支波動而回落，仍要後續季度資料驗證。
  • CUDA 生態仍是真護城河。 客戶能自研晶片，不代表能輕鬆複製十幾年沉澱的軟體棧、編譯器、運算元庫與開發者習慣。ASIC 通常只服務單一客戶、單一工作負載，一旦模型架構跳變，靈活性短板就會暴露——這也是為什麼訓練側至今沒有被撼動。
  • 「自研」未必等於「斷奶」。 Anthropic 的做法很典型：TPU、輝達 GPU、AWS Trainium 三套並用。[6][7] 多數巨頭要的是「議價權」和「第二供應商」，而非真把輝達踢出去。

所以更準確的說法是：輝達不會被定製晶片掀翻，但它在推理這一層「獨佔式」的定價權，正在被結構性地侵蝕——而定價權，恰恰是過去幾年支撐其 75% 級別毛利率的關鍵。[9]

七、對產業鏈意味著什麼（五層視角）

這場「圍剿與反制」還原到產業鏈上，就是一條因果鏈。

沿著產業鏈看，這場博弈正在重塑 chips→infra→models 三層的利益分配，可以情景化地（以下均為產業推演、非預測，第三方資料已歸因）這樣理解：

  • 被抬升的環節——定製晶片的設計與代工方（博通、Marvell）、以及承接 TPU／XPU 製造的代工與封裝鏈，會隨「去單一供應商化」直接受益；這從博通 AI 營收 +143%、訂單簿超 300 億已能看到旁證。[1][3]
  • 被重新定價的環節——輝達在推理晶片上的超額定價權面臨壓力，這也是它主動推出 Rubin CPX、用「成本敘事」迎戰的原因。[10][13]
  • 格局未變的環節——訓練側、以及機架級的 CPU／網路／互聯（Vera CPU、Spectrum-X、NVLink），輝達通過 NVLink Fusion 把「替代」轉化成了「共生」，反而可能在客戶用 ASIC 的同時繼續收租。[12]

真正要緊的是結構性問題，而非某一天的股價：當客戶從「只能買輝達」變成「能買、能租、也能自己造」，真正值得長期追蹤的，不是 GPU 賣了多少，而是輝達能不能在推理這道新戰場上，把「佔位」繼續轉化為「收租」。 這正是「輝達護城河觀察」系列接下來要持續盯的事。

八、反方與不確定性

  • 「投產」≠「放量」。 Rubin CPX 官方口徑是 2026 年底上市，真實出貨曲線、良率與客戶採納節奏，仍需後續季度驗證。[10]
  • 自研晶片同樣有兌現風險。 OpenAI 的 10GW 計劃要到 2029 年才完成[5]，谷歌 TPU 的 3500 萬顆出貨是 2028 年的預測[4]；這些長週期目標都可能因資本開支、產能或良率而打折。
  • 廠商口徑需打折看。 文中「10×」「3×」「65% TCO」等均來自廠商或第三方測算，獨立大規模實測尚未跟上，應保守解讀。
  • 政策與宏觀變數。 出口管制、雲資本開支週期都會改變這場博弈的節奏，此處不展開。

結語

Computex 之後已有一句話流傳：「再用『一家 GPU 公司』概括輝達已經不夠了。」這裡可以補一句：輝達正在親手把自己變成一家「也賣推理 ASIC、也賣機架、也賣網路」的全棧收租者——因為它比誰都清楚，護城河最先漏水的地方在哪裡。

博通們的圍剿是真的，推理這道口子也是真的；但老黃顯然沒打算站著捱打，而是一邊自造 ASIC、一邊把對手的 ASIC 收進自己的機架。護城河會不會漏水，最終取決於推理這道閘守不守得住——而這，正是「輝達護城河觀察」系列要長期盯住的地方。

延伸閱讀