英伟达GTC后股价不及预期：定制与通用AI芯片生态如何对决？

21世纪经济报道记者骆轶琪 广州报道

英伟达GTC如今已被视为“AI界风向标”，公司创始人兼CEO黄仁勋在现场的演讲也已经不单单阐释公司本身的发展脉络，也透视了AI产业未来发展风向。

但今年的GTC大会，并没有引发市场对其股票的热捧。甚至当天因为美股整体受挫，拖累美系AI芯片厂商股价集体下挫。在GTC第二天，美系AI芯片厂商股价虽然都有回升，但英伟达的股价涨幅甚至不如其“挑战者”——ASIC芯片龙头博通和Marvell。

国内A股市场截至3月20日收盘，Wind统计的“英伟达产业链指数”也已经连跌两天。

这一方面反映出市场此前对GTC释放的内容有过高期望值，但事与愿违，英伟达展示了其既定规划路径下的全面AI生态布局思路。另一方面，前不久发布财报的定制芯片ASIC大厂博通和Marvell的的确确在持续获得来自云服务大厂的订单，且客户名单在持续增加。

回看本次GTC，黄仁勋强调，英伟达已经不只是一家计算机技术公司，而转向成为AI基础设施提供商；ASIC芯片的两家公司也有类似做法，在AI大潮下提供ASIC定制芯片设计服务，帮助不太具备AI芯片设计能力云服务厂商进行个性化芯片设计，同时丰富通信、带宽等能力。

随着需求差异化、技术路线复杂化，AI芯片巨头之争，已经集体走向生态化竞争。

随着AI大模型定制化推理需求激增，头部科技公司正探索一定程度摆脱对通用芯片的依赖，转向定制化XPU（异构计算单元）开发。博通与Marvell作为重要的ASIC芯片设计服务商，成为其中核心受益者。

博通近日发布的2025财年第一财季报告显示，期内AI收入同比增长77%，达到41亿美元，超出此前38亿美元的收入预期。

博通公司总裁兼首席执行官陈福阳（Hock Tan）称，预计第二财季的AI芯片收入将继续保持44亿美元的势头，因为超大规模合作伙伴将继续投资AI XPU和AI数据中心的连接解决方案。

Marvell刚发布的2025财年第四财季报告也显示，数据中心业务营收同比增长78%、环比增长24%至13.66亿美元，占公司总营收的75%。

“第四季度业绩是数据中心市场的增长推动，同时多个终端市场业务持续复苏。”Marvell董事长兼首席执行官Matt Murphy表示。“公司定制化AI芯片计划现已进入量产阶段，此外还看到互连产品市场的增长。Marvell获得了多项新的design wins（客户设计订单），包括几项定制化芯片项目，来推动未来的增长。预计2026财年第一季度收入同比增长将超过60%，整个财年收入将大幅增长。”

此前Marvell公司预估数据中心市场总量（TAM）将达750亿美元，但这一数据可能将更高，其中很大部分就来自于定制化芯片业务。

两家ASIC芯片巨头的业绩，显示出以谷歌、微软、亚马逊、Meta为代表的云服务厂商（CSP）正持续针对特殊场景，加码研发定制化AI加速器芯片。

这也引发ASIC服务商的持续技术竞赛。

据透露，博通在两方面加大了研发投资。其一，推动打造下一代加速器，公司正在进行业界首个2nmAI XPU、3.5D封装的流片，目标是打造出性能达到10000万亿次浮点运算的XPU。其二，着眼于为超大规模客户扩展50万个加速器的集群规模。

博通着重提到了其定制化客户池在持续扩容的现状。

陈福阳介绍，目前公司有三个超大规模客户各自计划在2027年底前将集群规模提升到100万个XPU，彼此之间也在竞争。预计这三个超大规模客户将在2027财年带来600亿至900亿美元的可服务潜在市场（SAM）。

此外，博通还在与另外两个超大规模数据中心客户深入合作，帮助他们打造自己定制的人工智能加速器ASIC，计划在今年内完成他们的XPU流片；还有另外两个超大规模数据中心客户选择博通来开发定制加速器，以训练他们的下一代前沿模型——也即目前还有四个潜在大客户在与博通进行业务洽谈。这些并未被包含在前述SAM的估算中。

陈福阳认为，这些超大规模数据中心客户（主要指CSP）在软件能力方面很出色，但博通具备硬件优势，因此二者携手合作才能更好优化大语言模型。

不止于对XPU计算类芯片的研发和设计，数据传输和信息交换效率也是AI时代的重要需求，因此可以看到，这两家ASIC厂商都在强调对旗下围绕XPU延伸开的生态部署进展，且这两家厂商早期也都强于研发通信芯片。

博通方面提到，为了使人工智能集群能够通过以太网扩展到100万个XPU，已经完成下一代100太比特TB（terabit）Tomahawk 6交换机芯片的开发。

陈福阳指出，新的前沿模型和技术给人工智能系统带来了意想不到的压力，很难用单一的系统设计来满足所有模型集群的需求。因此，采用XPU的发展趋势将会持续多年。

Marvell高管提到，最终要在解决方案中获得超大的性能提升，就必须将计算芯片与网络和连接技术结合起来。“此外，定制化高带宽内存对我们来说仍然是一项关键的知识产权，我们目前正与主要内存合作伙伴、超大规模数据中心客户合作。”

在刚结束的财季，Marvell光电器件产品和Teralynx以太网交换机出货量强劲，这两条产品线的营收环比均实现了两位数的百分比增长。

从通用AI芯片角度，英伟达则部署更为广泛。通用类GPGPU的落地通常需要考虑更高可适配性，这也是英伟达很早就开始布局CUDA生态和NVLink连接能力的原因所在。

当然，随着定位演进，在此次GTC期间除了迭代旗下AI系列芯片之外，英伟达还发布了CPO交换机，面向终端市场推出桌面端超级计算机DGX Spark等产品；对于Physical AI领域，英伟达还积极与各类机器人厂商和智能驾驶厂商合作。

“AI工厂是一种超大规模的新型数据中心，必须采用全新的网络基础设施才能跟上它的发展步伐。”黄仁勋表示。“NVIDIA将硅光直接集成到交换机中，打破了超大规模和企业网络的旧有限制，为百万GPU AI工厂打开大门。”

英伟达还推出了两款由NVIDIA Omniverse和Cosmos平台提供支持的新蓝图，为开发者提供用于机器人和自动驾驶汽车后训练的大规模可控合成数据生成引擎。

进入AI加速发展时期，定制类AI芯片和通用AI芯片生态之间，目前看来更像是在共同“做大AI市场蛋糕”的发展思路。一方面，云服务厂商与英伟达合作，加速完善AI训练的基础设施能力，另一方面选择与ASIC芯片服务商合作，期望加强各自在细分优势领域（如搜索、社交、推荐等）的AI能力。

此前业绩会上，AMD首席执行官苏姿丰也认为，ASIC芯片目前市场份额不算大，但公司也在该领域有所布局，以提供给有需要的合作伙伴。

而顺着算力硬件持续迭代，围绕于此强化通信能力、存储能力，强化算力世界“铁三角”，成为当前这些计算芯片厂商的共性。只是随着AI大模型持续向后迭代，进入Agentic（代理）时期甚至更后期，如何持续强化软硬件AI计算服务能力、甚至将角色定位向后延伸，也将成为下一个重要看点。