博通與邁威爾自製AI晶片威脅輝達五千億美元市場

AI晶片市場正在分裂為兩個層級——訓練領域由輝達主導，但博通與邁威爾正以成本僅一半的自訂晶片，搶佔一兆美元的推論基礎設施建置商機。

從購買輝達最快的GPU，轉向降低超大規模AI營運成本，正為博通與邁威爾創造日益成長的機會。這兩家公司的自訂晶片成本約為輝達最先進機架的一半。

「超大規模雲端商持續擴大對自訂晶片的投資，以改善整體擁有成本並減少對商用GPU供應商的依賴，」摩根士丹利分析師在近期報告中寫道。

根據Milk Road AI估算，使用博通或邁威爾設計的ASIC機架來建置一千兆瓦的AI基礎設施，成本約在60億至110億美元之間。相比之下，採用輝達GB300處理器的機架成本約為190億美元，而若採用輝達下一代Vera Rubin架構，成本更攀升至250億美元。谷歌、亞馬遜、Meta與微軟之所以在輝達GPU之外同步發展自訂晶片，是因為當每年支出數百億美元時，每提升一個百分點的效率都至關重要。

這四大超大規模雲端商預計明年在AI基礎設施上的支出將超過一兆美元，新增1950萬千瓦的運算容量——幾乎是2025年新增670萬千瓦的三倍。僅谷歌一家就將新增680萬千瓦，超過兩年前所有超大規模雲端商的總和。博通與谷歌在其TPU上合作，也與Meta合作；邁威爾則與亞馬遜合作開發Trainium晶片。無論客戶是自行開發處理器，還是購買更多現成硬體，這兩家公司都能從中受益。

自訂晶片與商用GPU的經濟學對比

特定應用積體電路的吸引力歸根結底在於成本。輝達的GPU仍是訓練前沿模型的黃金標準，其CUDA軟體平台形成了競爭對手難以突破的護城河。但一旦模型部署完成，推論工作負載——回答提示、生成圖像以及驅動AI應用——並不一定需要輝達最強大的處理器，而是更偏重於低成本與高效率。

這正是博通與邁威爾的切入點。它們並非以自己的品牌銷售晶片，而是協助雲端服務商設計針對自身軟體架構與基礎設施進行優化的晶片。谷歌持續與博通合作開發TPU，同時仍大量採購輝達GPU。亞馬遜也遵循類似的雙軌策略，在部署輝達GPU的同時發展Trainium。這種多元化布局不僅讓雲端服務商在談判中獲得籌碼，也能為不同的工作負載匹配最合適的晶片。

輝達的回應與投資邏輯

輝達當然不會坐以待斃。該公司持續從GPU向外擴展至網路、機架級系統與軟體，並已向自訂晶片合作夥伴（包括邁威爾本身）開放NVLink Fusion等技術。然而，超大規模雲端商每設計一款新的自訂AI加速器，就為博通或邁威爾創造一次新的機會。它們正站在一波巨大支出浪潮的必經之路上。

對投資人而言，關鍵問題在於最快的新增成長將出現在哪裡。輝達主導了AI運算的高階市場，尤其是訓練領域，其數據中心營收仍佔據主導地位。但自訂晶片正成為每家超大規模雲端商長期策略中不可或缺的一環。由於博通與谷歌及Meta關係深厚，目前看來處於最有利的位置；而邁威爾則持續強化其與亞馬遜及其他大型客戶的合作基礎。AI基礎設施市場正以前所未有的速度擴張，足以容納多個贏家。

本文僅供資訊參考，不構成投資建議。