ASIC崛起，英伟达的王座还稳吗？

文｜半导体产业纵横

"我们为谷歌的成功感到高兴——他们在AI领域取得了巨大进步，我们也将继续向谷歌提供产品。英伟达目前领先行业一代——我们是唯一一个可以运行所有AI模型、并在各种计算场景中通用的平台。"

11月25日，英伟达在社交平台X上的这番声明，被视为对谷歌TPU近期备受关注的直接回应。

就在声明前一天，有消息传出Meta正考虑从2027年开始在其数据中心部署谷歌的TPU，这一潜在交易金额可能高达数十亿美元。受此影响，英伟达股价一度重挫逾7%，市值蒸发近3500亿美元。这一市场波动清晰地表明，AI算力领域正迎来一场静默而深刻的变革。

在英伟达GPU看似垄断的市场中，一股新生力量正悄然崛起。OpenAI开始租用谷歌的TPU芯片为其ChatGPT提供算力支持，亚马逊宣布其Trainium2芯片性能价格比优于其他硬件30%到40%，博通和Marvell的AI业务收入暴涨，一个明确的信号正在释放：ASIC的时代，已经到来。

ASIC芯片的崛起与繁荣

2025年，全球ASIC芯片市场迎来爆发式增长。据中商产业研究院数据，2024年全球ASIC芯片市场规模已约达120亿美元，到2030年，这一数字有望超过500亿美元。

长期以来，英伟达凭借其GPU和CUDA生态，在AI芯片市场占据了超过90%的份额。 然而，谷歌TPU作为ASIC芯片的代表，正被视为英伟达Blackwell芯片的可行低成本替代方案，逐渐改变市场竞争格局。在AI模型训练成本呈指数级增长的今天，通用GPU虽然灵活，但其本质上仍是为图形渲染设计的硬件，在面对神经网络的特定计算模式时，存在大量的效率损失。

TPU和GPU都能处理训练AI模型所需的大量计算，但实现方式截然不同。英伟达的GPU最初为渲染视频游戏图像而开发，通过数千个计算"核心"并行处理多项任务。而TPU专门为矩阵乘法这类AI相关工作而构建，这是训练神经网络的主要操作。

专用与通用，成为ASIC与GPU的核心差异。英伟达在声明中强调，其芯片相比谷歌TPU等专用集成电路芯片提供"更高的性能、多功能性和互换性"，后者通常只为单一公司或单一功能设计。

谷歌最新版本的TPU名为Ironwood，于今年4月发布，采用液冷设计，专为运行AI推理工作负载而设计。它有两种配置：256个芯片的集群，或更大的9216个芯片集群。TPU在某些AI工作上可能表现优于GPU，因为谷歌可以"去除芯片上许多不适合AI的其他部分"，使其能耗更低、运营成本更低。

先进封装技术成为ASIC发展的重要支撑。根据TrendForce集邦咨询研究，随着云端服务业者加速自研ASIC，为整合更多复杂功能的芯片，对封装面积的需求不断扩大。已有CSP开始考量从台积电的CoWoS方案，转向英特尔的EMIB技术。EMIB拥有数项优势：结构简化，舍弃昂贵且大面积的中介层；热膨胀系数问题较小；封装尺寸也较具优势。随着谷歌决定在2027年TPUv9导入EMIB试用，Meta亦积极评估规划用于其MTIA产品，EMIB技术有望为英特尔IFS业务带来重大进展。

博通与Marvell，双足鼎立

在ASIC定制芯片的繁荣背后，两大巨头成为最大赢家：博通和Marvell。 这两家公司已形成近乎垄断的双寡头格局，合计占据ASIC市场超过60%的份额。

博通作为绝对霸主，单独拿下55-60%的市占率。从业绩就能直观感受到它的强势 ——Q2 财报里，AI 业务收入直接突破 44 亿美元，同比增长 46%，其中定制 AI 加速器还实现了两位数增长，这种增速在成熟芯片企业里相当亮眼。更关键的是它和大客户的深度绑定，最典型的就是与谷歌的合作：从谷歌第一代 TPU 芯片开始，博通就全程参与设计和制造，现在双方合作已经推进到 3nm 工艺的第六代 TPU，2023 年谷歌单在 TPU 相关合作上就给博通付了 35 亿美元，2024 年这个数字预计会翻倍到 70 亿美元，甚至连第七代 TPU 的供应合同都已经提前锁定。除了谷歌，博通还跟 Meta 敲定了未来两年的 AI 基础设施合作，预计能带来数十亿美元收入；2025 年更联手 OpenAI 启动了 10 吉瓦级的定制 AI 加速器项目，这套系统会装在 OpenAI 全球的数据中心里，靠博通的以太网解决方案实现算力集群扩展，整个项目估值超过千亿美金。而且博通不只是靠单一产品，它 "定制加速器 + 高速互连" 的策略很见效，以太网、PCIe Gen6 这些配套 IP 能牢牢粘住客户，按照规划，2025 年它的 AI 总收入预计能突破 110 亿美元，差不多是 Marvell 同期 AI 收入的 4 倍多。

再看Marvell 的 "逆袭打法"。它虽然份额不如博通，但增长势头极猛：26Q1 数据中心营收达到 14.41 亿美元，占总营收的 76%，同比还暴增了 76%，这背后几乎全靠 AI 定制芯片的大规模出货。Marvell 聪明的地方在于不跟博通正面硬刚，而是走差异化路线。在客户布局上，它搭建了 "亚马逊 + 谷歌 + 微软" 的三角合作网：给亚马逊量产 5nm 的 Trainium 训练芯片，这款芯片占了 AWS ASIC 出货量的 85%，接下来还会接 Inferentia v3 推理芯片的项目；给谷歌代工 5nm 的 Axion ARM CPU 芯片，刚好和博通给谷歌做的 TPU 业务形成互补，不抢饭碗反而互相搭配；最近还拿下了微软 Maia AI 芯片 2026 年的量产订单，靠着这三大客户，Marvell 甚至定下了 2028 年 AI 收入冲刺 70-80 亿美元的目标。

技术上，Marvell 也有自己的侧重点，专门盯着 "能效 + 互联" 做文章。它已经能用上台积电最新的 3nm 制程工艺，还握有 112G XSR SerDes 高速互连 IP、240Tbps Die-to-Die 互连技术，在云数据中心场景里能做到 "性能够强、功耗够低"—— 它和美光合作开发的 HBM 高带宽内存架构，能让 AI 加速器的算力密度提升 25%，待机功耗却降低 66%，正好戳中云厂商想控制总拥有成本的需求。另外，Marvell 还搞了数据中心全栈布局，除了 AI 定制芯片，存储控制器、网络交换芯片这些配套产品也做得不错，比如它的 112G SerDes IP，既能用在 AI 加速器上，也能装在自家的以太网交换机里，这种 "芯片 - 互连 - 存储" 的垂直整合能力，成了它区别于博通的关键优势。

其实这两家能长期垄断，核心是有三道别人难跨的门槛。一是技术壁垒高，两家都掌握了3nm 制程量产能力，还有超 20 年的 ASIC 设计经验 ——Marvell 过去 25 年交付了超过 2000 个定制项目，博通手里有覆盖计算、存储、网络的全场景 IP 库，新玩家想跟上，得先闯过 "制程工艺 + 客户验证 + 生态适配" 这三关。二是客户分化合理，博通主要做谷歌、Meta、OpenAI 这些客户的 "训练侧" 算力需求，Marvell 聚焦亚马逊、微软的 "推理 + 通用计算" 场景，互不抢食，反而能覆盖更多市场。2025 年全球云服务提供商的 ASIC 出货量预计超 500 万颗，其中谷歌 TPU 的 220 万颗、AWS ASIC 的 180 万颗，核心份额还是被这两家分了。三是行业趋势助推，现在生成式 AI 对算力的需求，正从通用 GPU 转向定制 ASIC—— 毕竟 ASIC 在特定任务上算力成本降低了30%到40%，云厂商为了降成本，更愿意跟头部供应商深度绑定，比如 OpenAI 既选博通做定制加速器，又用英伟达的通用算力，这也说明双寡头在 ASIC 领域的地位很难被撼动。

生态和供应链，是关键

AI算力竞争远不止于芯片性能本身，更延伸到软件生态和供应链安全。

英伟达凭借CUDA生态系统构建了深厚的护城河，这是其声明中"唯一可以运行所有AI模型"的底气所在。谷歌则通过垂直整合，强化软硬件协同优势。谷歌上周发布了公司最强大模型Gemini 3，这款广受好评的最先进AI模型是在该公司的TPU上训练的，而非英伟达GPU。这一技术成就增强了TPU作为英伟达GPU可靠替代方案的可信度。

供应链多元化成为云巨头的重要考量。研究机构Gartner分析师表示，谷歌尽管拥有自己的芯片，仍是英伟达最大客户之一，因为它必须为客户保持灵活性。如果客户的算法或模型发生变化，GPU更适合处理更广泛的工作负载。与英伟达不同，谷歌不向其他公司出售TPU芯片，而是将其用于内部任务，并允许企业通过Google Cloud租用。

这种模式正在获得认可，当前TPU客户包括OpenAI联合创始人Ilya Sutskever去年创起的初创公司Safe Superintelligence，以及Salesforce、Midjourney和Anthropic。

国内市场方面，巨头企业在ASIC 领域的布局同样亮眼，其中阿里巴巴自研的 PPU 芯片走在前列。据机构研判，这款 PPU 芯片在显存容量、片间互联带宽等关键指标上已超越英伟达 A800，而在显存容量、PCIe 等核心参数上，也能与英伟达 H20 比肩。

上市公司中，芯原股份近年来与互联网巨头展开深度合作，其AI ASIC 业务在今年第三季度实现了翻倍式增长；翱捷科技则聚焦智能穿戴、端侧 SOC 等细分领域，目前 ASIC 业务在手订单充足，机构预计到 2026 年，该公司这一业务的收入将迎来大幅提升。

对于国产AI 芯片的发展，多家券商也给出积极判断。中信证券指出，当前国产 AI 芯片自主可控进展顺利，除了阿里巴巴自研的含光系列 AI 推理芯片外，华为昇腾、寒武纪等企业的自研 AI 芯片也在持续迭代，这些成果有望缓解国内 AI 领域对海外算力的依赖。西部证券认为，企业拥有自研芯片可替代外部供给，能有效确保模型迭代与规模部署的连续性和可预期性。浙商证券则分析称，相较于 GPU，ASIC 芯片在特定场景下具备低成本、高性能、低功耗的优势，专用性和性价比更高，预计到 2028 年，ASIC 市场规模将达到 AI 芯片整体市场的 19%；同时该机构提到，ASIC 芯片单价远低于 GPU，约为 GPU 的 1/5，随着 Meta、微软等企业逐步大规模部署自研 ASIC 解决方案，ASIC 总出货量有望在 2026 年某个时点超越英伟达。

ASIC的崛起并不意味GPU的衰落。正如谷歌发言人所回应的："我们定制的TPU和英伟达GPU的需求都在加速增长。我们将一如既往地继续支持这两者。"这种多元化的策略，可能正是AI算力发展的未来方向——没有单一解决方案能通吃所有场景。

芯片行业"不是只有一个赢家的零和游戏"。即使是最积极的ASIC采用者，也仍在大量采购英伟达芯片。例如，Anthropic在与谷歌达成TPU协议几周后，就宣布了与英伟达的重大交易。

在AI技术快速迭代的今天，算力格局的重塑才刚刚开始。