微软“Maia 200”强化ASIC崛起叙事 高速铜缆、DCI与光互连站上自研AI芯片风口

智通财经APP获悉，欧洲金融巨头法国巴黎银行(BNP Paribas)周二发布研报称，随着微软(MSFT.US)升级换代后的第二代自研人工智能芯片(AI芯片)“Maia 200”横空出世，且这款自研AI芯片引爆新一轮AI算力产业链投资狂潮，聚焦于大型AI数据中心定制化AI芯片(即 AI ASIC芯片)的ASIC领军者们——例如美国芯片设计巨头迈威尔(MRVL.US)及其最大竞争对手博通公司(AVGO.US)有望最大程度受益这股投资狂潮的算力领军者。

法巴银行的分析师们在研报中强调微软引领的云计算巨头们自研AI芯片趋势可谓大势所驱，未来ASIC与英伟达AI GPU算力集群之间的AI算力基础设施市场份额有可能从当前的1:9/2:8大幅抬升至接近对等。

资深分析师卡尔·阿克曼(Karl Ackerman)领导的法巴银行分析师团队表示，在自研AI芯片趋势触发的新一轮A算力投资狂潮中，除了上述两大AI ASIC领军者们，其次则是数据中心高速互连(DCI)、高速铜缆以及数据中心光互连领军者们也有望大幅受益于新一轮AI算力投资狂潮。

从更深层次的角度洞察整个AI算力产业链体系，不难发现AI ASIC、DCI、高速铜缆以及数据中心光互连，可谓同时受益于微软、谷歌以及亚马逊云计算巨头们主导的AI ASIC超级大势以及英伟达/AMD主导的AI GPU算力基础设施体系。无论是谷歌无比庞大的TPU AI算力集群(TPU也走的是AI ASIC技术路线)，抑或是谷歌、OpenAI、微软等AI巨头们仍然在大举购置的海量英伟达AI GPU算力集群，均离不开数据中心高速互连(DCI)、高速铜缆以及数据中心光互连领军者们。

此外，抛开GPU与ASIC这两大路线，无论是英伟达主导的“InfiniBand + Spectrum-X/以太网”高性能网络基础架构，还是谷歌主导的“OCS(即Optical Circuit Switching，光路交换)”高性能网络基础架构背后都离不开高速铜缆、数据中心高速互连(DCI)与光互连设备供应商们。也就是说，无论是“谷歌主导的AI ASIC算力链”(TPU/OCS)还是“OpenAI 算力链”(英伟达 IB/以太网)，最终都会在同一组“硬约束”上会师——数据中心高速互连(DCI)、数据中心光互连、高速铜缆以及数据存储底座(企业级存储/容量介质/内存测试)。

谷歌在11月下旬重磅推出Gemini3 AI应用生态之后，这一最前沿AI应用软件随即风靡全球，推动谷歌AI算力需求瞬间激增。Gemini3 系列产品一经发布即带来无比庞大的AI token处理量，迫使谷歌大幅调低Gemini 3 Pro与Nano Banana Pro的免费访问量，对Pro订阅用户也实施暂时限制，叠加韩国近期贸易出口数据显示SK海力士与三星电子HBM存储系统以及企业级SSD需求持续强劲，进一步验证了华尔街所高呼的“AI热潮仍然处于算力基础设施供不应求的早期建设阶段”。

在华尔街巨头摩根士丹利、花旗、Loop Capital以及Wedbush看来，以AI算力硬件为核心的全球人工智能基础设施投资浪潮远远未完结，现在仅仅处于开端，在前所未有的“AI推理端算力需求风暴”推动之下，持续至2030年的这一轮全球整体AI基础设施投资浪潮规模有望高达3万亿至4万亿美元。

随着AI推理狂潮席卷全球，属于AI ASIC的黄金时代到来

类似“星际之门”的超大规模AI数据中心建设成本高昂，因此科技巨头们愈发要求AI算力系统趋于经济性，以及电力约束之下，科技巨头力争把“单位Token成本、单位瓦特产出”做到极致，属于AI ASIC技术路线的繁荣盛世可谓已经到来。

毫无疑问的是，经济性与电力层面的重大约束，迫使微软、亚马逊、谷歌以及Facebook母公司Meta都在推AI ASIC技术路线的云计算内部系统自研AI芯片，核心目的都是为了AI算力集群更具性价比与能效比。

微软把 Maia 200的定位直接写成“显著改善AI token generation的经济性”，并多次强调performance per dollar;AWS 也把 Trainium3 的目标写成“best token economics”，并用能效/性价比作为卖点;谷歌云计算平台则将Ironwood定义为“人工智能推理时代”的专用 TPU(TPU也属于AI ASIC技术路线)，强调能效与大规模推理服务。

随着DeepSeek彻底掀起AI训练与推理层面的“效率革命”，推动未来AI大模型开发向“低成本”与“高性能”两大核心聚焦，相比于英伟达AI GPU路线更具性价比优势的AI ASIC在云端AI推理算力需求猛增的背景之下，迈入比2023-2025年期间AI热潮时期更加强劲的需求扩张轨迹，未来谷歌、OpenAI以及Meta等大客户有望持续斥巨资携手博通开发AI ASIC芯片。

法巴银行分析师团队表示，虽然迈威尔以及博通不太可能成为微软自研Maia 200 AI芯片的芯片设计合作伙伴——法国巴黎银行认为与微软共同Maia 200 的独家技术供应商可能是来自中国台湾的Global Unichip，类似于博通和谷歌共同开发TPU AI算力集群的合作伙伴关系。但是法巴银行认为，随着微软点燃新一轮AI算力投资热潮，迈威尔与博通仍可能通过“ASIC绝对领军者”身份标签而前面受益于自研AI风潮引领的投资主题。

摩根士丹利近日发布的一份研报显示，谷歌TPU AI芯片的实际产量在2027年和2028年将分别达到500万和700万块，较该金融巨头此前给出的预期可谓分别大举上修67%、120%。而这一产量激增预期可能预示着谷歌将开启TPU AI芯片的直接对外销售。更具基本面冲击力的是，大摩的这份研究报告测算每50万片TPU外销，便有望为谷歌带来130亿美元的额外营收以及高达0.40美元的每股收益。

市场研究机构Counterpoint Research在最新研报中预测，非AI GPU系列服务器的核心AI芯片——即AI ASIC阵营，在近期将经历高速增长曲线，预计到2027年出货数量将达到2024年的三倍，2028年则有望以1500余万颗的规模反超GPU。报告显示，这一爆炸性增长的背后，是对谷歌TPU基础设施的强劲需求、AWS Trainium集群的持续扩展，以及Meta (MTIA) 和微软 (Maia) 随着其云计算系统内部自研AI芯片产品组合的扩展而带来的产能提升。

高速铜缆、数据中心高速互连(DCI)与光互连

法巴银行在研报中列出的其他潜在受益者包括数据中心高速铜缆(DAC/AEC)领军者安费诺(Amphenol，APH);Lumentum等数据中心光互连参与者们;Arista Networks(ANET.US)这一数据中心高速互连(DCI)领军者们;以及如果使用有源高速铜缆(active electrical cables，即AEC)，则可能还包括Credo Technologies(CRDO.US)和Astera Labs(ALAB.US)。

无论是英伟达主导的 InfiniBand / Spectrum-X 以太网高性能网络，还是Alphabet旗下谷歌(Google) 在 Jupiter 架构中引入的 OCS(光路交换)，最终都要落到“物理互连栈”——服务器/加速卡集群之间互连到交换机之间的高速铜互连(短距)、机架/机房/楼宇尺度的光互连(中长距)，以及在跨楼/跨园区/跨站点时由DCI 光传输/互联把网络与存储域拉通。NVIDIA 自己对其以太网平台的定义就把交换机、网卡/SmartNIC、DPU 与线缆/收发器(LinkX)作为端到端组成部分，并明确列出从DAC 铜缆到AOC/多模/单模光的覆盖范围。

从“星际之门”等全球AI数据中心超级工程层面角度来看，更加精确的表述是：铜缆与光互联各司其职。在超大规模 AI 集群里，“机架内/邻近机架”的短距高速互连(例如交换机到服务器网卡)通常优先用 DAC/AEC(铜缆)来压低延迟、功耗与成本;而当带宽上到 400/800G 且距离拉长(跨机架/跨行/跨机房)时，链路预算和功耗会把方案推向 AOC/可插拔高速光模块级别光互连设备，甚至更激进的硅光/CPO路线。

另一方面，Google 主导的OCS是在数据中心网络架构层面把光路交换引入 Jupiter，以解决规模与演进中的布线/容量问题——它本质上更“偏光”，但同样离不开端口侧的光电接口与高速布线体系。

Lumentum 之所以是谷歌AI大爆发的最大赢家之一，主要是因为它正好做的是与谷歌TPU AI算力集群深度捆绑的“高性能网络底座系统”中的不可或缺光互连——即OCS(光路交换机)+ 高速光器件，TPU数量每多一层量级，它的出货就跟着往上乘。在OpenAI链这一侧，英伟达所主导的“InfiniBand 与以太网”深度捆绑ANET/CSCO/HPE公司的这类交换机与数据中心网络系统，但并不是“排斥光互联”，相反，英伟达“IB+以太网”成功把“铜的确定性 + 光的长距离/高带宽密度”打包成标准化互连体系。

分析师阿克曼等人在致客户们的研究报告中写道：“我们认为，Maia 200机架级别AI算力基础设施系统将包含12个大型计算型trays、4台Tier-1以太网scale-up交换机、6个CPU头节点(CPU head nodes)、2台用于前端网络的机架顶部(ToR)以太网交换机，以及1台带外管理交换机(out-of-band management switch)。”

阿克曼等分析师补充道：“对我们来说最有意思的是，Maia 200可能不会使用后端(backend)的scale-out网络架构。”他还表示：“Maia 200将以6,144颗ASIC为单位，部署在小型scale-up集群中，这些集群将通过CPU头节点和前端以太网交换机连接到‘外部世界’。鉴于Maia 200堪称是为推理(inferencing)工作负载量身定制的，我们认为这种拓扑结构是合理的，因为海量的AI推理工作负载可能不需要由数十万颗ASIC组成且需要同步协作的超级集群(superclusters)。”

阿克曼领导的分析师团队补充称，微软自研的Maia 200 AI算力基础设施大规模部署预计将在2026年下半年开始加速放量，并将在明年进一步推进进一步渗透至微软各大数据中心。