英伟达没有输，但AI算力的胜负规则已经变了

过去三年，AI算力市场习惯用GPU出货量和峰值性能判断胜负。现在，决定竞争力的指标正在下沉到整个系统：什么负载运行在哪类芯片上，能否把计算、内存、网络、软件与数据中心运营协同起来，以及每生成一个token究竟要付出多少成本。

图1｜计分方式从峰值性能转向系统级每 token 成本

英伟达并没有失去主导地位。其2027财年第一季度数据中心收入达到752亿美元，同比增长92%，其中按旧口径，计算收入604亿美元、网络收入148亿美元。[1] 这组数字说明，GPU、NVLink、网络与整机柜构成的全栈平台仍是AI基础设施的核心。

变化来自需求端。头部云厂商与超大规模平台不再满足于采购标准化加速卡，而是把部分稳定、规模化的工作负载迁移到自研定制芯片（ASIC）。它们追求的也不只是更便宜的芯片，而是更低的系统总拥有成本（TCO）：硬件采购之外，还包括内存与网络、供电与冷却、集群利用率、软件迁移和运维效率。

所以，ASIC不是在全面替代GPU。更准确的描述是，AI算力市场开始按负载分层：通用性要求高、模型迭代快的部分继续依赖GPU；规模足够大、算子相对稳定、成本敏感的任务，则留给ASIC。英伟达面对的不是一次性替代，而是头部客户逐步掌握更多芯片选择权、路线控制权与采购议价权。

一、Google TPU的威胁：不是一颗芯片，而是一套垂直闭环

Google是观察这场变化的最佳样本。它同时掌握Gemini模型、JAX/XLA编译体系、TPU、光路交换网络、集群调度和全球数据中心，可以让模型需求反向进入芯片和系统设计，再把硬件能力迅速反馈到模型训练与推理。这种闭环不是单一性能指标，而是一套持续优化单位计算成本的机制。

图2｜Google的竞争优势来自模型—编译器—芯片—网络—数据中心闭环

第七代TPU（代号Ironwood）已经面向Google Cloud客户提供服务。单个TPU7x芯片配备192GB HBM、7.37TB/s内存带宽；一个Pod最多由9,216颗芯片构成。[2] 2026年，Google根据负载类型，又把第八代TPU拆分为面向大规模训练的8t和面向后训练、推理的8i，首次在同一代产品中用两种架构对应不同负载。[3] 这比训练用GPU、推理用ASIC的简单二分更进一步：负载专用化正在进入同一厂商内部。

TPU对英伟达更具威胁的突破，来自外部客户。Anthropic在2025年宣布扩大Google Cloud使用规模，计划接入最多100万颗TPU、形成超过1GW的计算容量；2026年4月又与Google、Broadcom宣布下一阶段的数GW协议，5月进一步把相关下一代TPU容量口径更新为5GW，计划自2027年起上线。[4][5][18] 这说明TPU已经不仅是Google内部的成本工具，也开始成为前沿模型公司的可选基础设施。需要注意的是，这些协议完成的是商业承诺验证，新增容量多数仍待交付。

但可选不等于全面替代。定制芯片的经济性建立在三个条件上：（1）负载足够稳定；（2）部署规模足够大；（3）软硬件团队能够长期协同。

当模型结构快速变化时，GPU的通用性仍能降低试错成本；开发工具、算子库和工程人才仍大量围绕CUDA沉淀；对先进制程、HBM与封装产能的依赖也不会因为采用ASIC而自动消失。Google已经为Ironwood提供JAX和PyTorch支持，生态摩擦正在下降，却尚未消失。[2]

表1｜两种模式并非绝对替代，成立条件取决于负载、规模与软件生态。资料来源：[1][2][3]

二、Google证明了垂直整合走得通，但这条路有几家能走通？

几乎所有头部云厂商都在谈自研芯片，但芯片代际、内部需求、软件栈和商业化程度差异很大。真正需要比较的是四项能力：（1）是否拥有稳定的大规模负载；（2）是否建立芯片、网络、软件闭环；（3）是否形成可复制的部署规模；（4）以及能否把内部效率转化为外部云服务。Meta并非传统公有云厂商，表中将其作为内部型超大规模平台的对照样本。

表2｜云厂商AI基础设施对比。AWS数据来自公司财报；Microsoft与Meta根据公司官方技术资料整理。[7][8][9]

Google的优势在于闭环时间最长。TPU既承接搜索、广告和Gemini等内部需求，也通过Google Cloud向外输出；Alphabet在2026年第一季度披露，Google Cloud收入同比增长63%至超过200亿美元，相关合同积压超过4,600亿美元，较2025年末近乎翻倍。[6] 需要强调的是，这一积压包含多类云服务合同，不能直接等同于TPU订单，而且收入将在多年内确认；它所证明的更多是Google已拥有承接外部基础设施需求的商业渠道。

AWS更像把自研芯片做成标准云产品。Amazon披露，Trainium3已于2026年初开始交付；此前12个月公司落地超过210万颗AI芯片，其中超过一半为Trainium，同时仍计划扩张NVIDIA GPU部署。[7] AWS的优势不只是芯片本身，而是能把计算实例、模型服务、开发工具和客户账单放进同一套产品体系。它展示的不是自研或采购二选一，而是把异构算力统一产品化。

Microsoft以内部需求为切入点推动 Maia 芯片落地。Maia 200已经进入Azure，配备PyTorch、Triton编译器和自研SDK，并以Foundry、Microsoft 365 Copilot及OpenAI模型作为需求入口；Microsoft称其在现有机群中可实现30%的每美元性能提升，但该指标属于公司自测，仍需更广泛部署验证。[8] Meta则已在生产环境部署数十万颗MTIA，并把路线从推荐推理扩展到推荐训练和生成式AI；其价值首先体现在内部效率，而不是形成独立的云端替代方案。[9] 值得注意的是，据彭博7月初报道，Meta正筹划对外出售闲置算力（内部代号Meta Compute），但尚未落地。

图3｜四家自研芯片路线的闭环成熟度差异

注：色块表示相对成熟度，不代表量化评分

由此看，Google并非唯一拥有自研芯片的云厂商，但它仍是垂直整合程度最高的玩家；AWS胜在把自研芯片做成了可规模销售的云产品；Microsoft需求最确定、自研起步最晚，正在加速追赶；Meta的目标则更偏向内部成本优化。四者都不会停止采购GPU，却会把更多稳定负载分流到自己的芯片上。

三、ASIC设计服务：Broadcom领先，Marvell扩张，MediaTek追赶

云厂商自研潮把ASIC设计服务从工程外包推向系统级交付。客户需要的不再只是完成RTL设计，而是把计算架构、高速SerDes、HBM接口、Chiplet、网络、先进封装与量产供应链连接起来。博通、Marvell和联发科都在争夺这一位置，但能力底座并不相同。

表3｜三家公司的优势分别集中在项目兑现、互联扩张与成本协同。资料来源：[10]—[17]

Broadcom的领先首先体现在已经兑现。2026年4月，公司在提交美国证券交易委员会的文件中确认，与Google签署未来多代TPU的开发与供应协议，并另行签署下一代AI机架网络及其他组件的供应保障协议，后者期限最长至2031年；文件同时披露，Anthropic自2027年起将通过Broadcom路径使用约3.5GW的下一代TPU容量，属于其后续公布的5GW总协议的一部分，实际消耗仍取决于商业表现。[10][18] 2026财年第二季度，Broadcom的AI半导体收入达到108亿美元，同比增长143%，该口径同时包含定制加速器和AI网络；102.4Tbps的Tomahawk 6也已进入批量出货。[11][12] 定制计算与以太网交换的组合，使其最接近完整的系统级平台。

Marvell的差异化不在于复制Broadcom，而在于把连接变成中心。公司在2026年完成对Celestial AI和XConn的收购，分别补入光互连、PCIe与CXL交换能力；随后又与NVIDIA达成NVLink Fusion合作，并获得20亿美元投资，Marvell将提供定制XPU和兼容的纵向扩展网络。[13][14][15] 这笔合作揭示了一个容易被忽略的变化：ASIC服务商不一定只能站在英伟达的对立面，也可以把定制芯片接入英伟达的系统生态。Marvell的上限很高，但收购技术能否按计划转化为收入，仍是核心检验。

联发科是最值得关注的追赶者。其优势来自消费电子时代积累的复杂SoC集成、低功耗设计与供应链执行能力，同时正在补齐数据中心所需的高速互联。公司披露，首个美国超大规模客户的AI加速器ASIC项目按计划推进，预计在2026年第四季度开始出货，预计贡献约20亿美元收入，并在2027年扩大至数十亿美元。技术侧，联发科的212.5Gb/s DSP型PAM4收发器获得ISSCC技术论文奖，说明其SerDes能力正在进入数据中心要求区间。[17] 它是三家中增长弹性最大的玩家，也是客户集中度、网络产品深度和量产履历最需要持续验证的一家。

图4｜Broadcom、Marvell与联发科通往系统级交付的三条路线

注：路线判断依据截至2026年7月中旬的公开披露

四、推理时代降临：规则变了，但不是简单换王

训练决定模型能力，推理决定商业成本。随着大模型进入规模化应用，算力消耗的重心正从一次 性的训练转向持续发生的推理：每一次调用都在生成 token，也都在产生成本。推理负载有两个 特征：（1）算子相对稳定；（2）规模随业务量线性增长，这恰好是定制芯片经济性成立的前提， 也让内存带宽、互联与能效取代峰值算力，成为系统的关键约束。Google 把第八代 TPU 拆出专 门面向推理的 8i、Microsoft 让 Maia 200 聚焦推理，都是同一信号。正是这一结构性转移，推动 AI 基础设施发生三层变化。第一，算力按负载分层：不同模型阶段和业务形态开始使用不同加速 器，而不再由一种芯片覆盖全部任务。第二，价值向系统外溢：HBM、SerDes、交换芯片、光互 连、封装、供电和软件工具共同决定有效算力。第三，竞合关系取代阵营对立：云厂商一边采购 GPU、一边扩大 ASIC；Marvell 既服务定制芯片，又加入 NVLink Fusion。

这正是英伟达没有输，但规则变了的准确含义。英伟达仍拥有最强的通用平台、开发者生态和系统交付能力；Google TPU、AWS Trainium及其他自研芯片，则在特定负载和超大规模部署中重新分配采购份额与议价权。未来的胜负不会由一颗芯片的峰值参数决定，而取决于谁能让模型、芯片、内存、网络和数据中心以更低成本持续运转。

图5｜不同负载层的GPU与定制芯片边界

注：条带宽度为市场体量示意，不代表量化份额

对国内厂商的意义在于，海外ASIC竞赛的启示不是照搬Google或Broadcom，而是重新定义设计服务商的价值。客户购买的将不只是RTL和后端实现，而是从可复用IP、系统架构、软件栈到流片量产的确定性交付。国内需求更分散、单一客户规模相对有限，更需要服务商把一次性项目沉淀为平台，以摊薄先进制程和复杂封装的高昂成本。

芯原是国内最接近平台型定义的样本。其SiPaaS模式以自有处理器IP和经硅验证的设计平台为底座，服务覆盖芯片定义、IP集成、设计流片、软件开发，以及晶圆制造、封装测试的委外管理。[19] 这套能力的优势是复用范围广、软硬件接口完整；但要进入云端AI ASIC主战场，仍需证明在超大算力芯片、高速互联、HBM与先进封装协同上的规模化交付能力。

灿芯股份走的是更典型的一站式定制路线。公司披露，其能力覆盖芯片定义、IP选型、架构与前后端设计、流片方案和量产服务，并已形成高性能异构计算等可复用SoC平台；但高端AI基础设施项目的公开验证仍有限。[20] 中茵微电子则把先进工艺接口IP、ASIC服务、Chiplet和先进封装作为重点方向。其已公开32G多协议SerDes、LPDDR5X/5 PHY等产品信息，但规模化量产和客户验证材料相对有限，因此更适合作为潜在补位者观察，而不宜与上市公司做同口径比较。[21]

真正的分水岭，不是能否做出一颗ASIC，而是能否把四类能力同时产品化：可复用架构与高速接口IP，先进制程、HBM和先进封装协同，编译器与软件支持，以及流片、良率和量产供应链管理。

图6｜国内平台型ASIC服务商应接受四项能力检验

参考来源

本文数据截至2026年7月中旬。财务数据按各公司财年口径引用；公司披露的性能与价格指标仅代表其自测范围，不作跨平台统一结论；容量协议属于商业承诺，不等同于已完成部署。未获公司确认的TPU代号、具体供应商分工及客户身份均未作为确定事实写入正文。

参考来源：

编号 来源

[1] NVIDIA｜NVIDIA Announces Financial Results for First Quarter Fiscal 2027 

[2] Google Cloud｜TPU7x (Ironwood) architecture and specifications 

[3] Google Cloud｜TPU 8t and TPU 8i: Technical deep dive 

[4] Anthropic｜Expanding our use of Google Cloud TPUs and Services 

[5]  Anthropic｜Anthropic expands partnership with Google and Broadcom for multiple gigawatts of next-generation compute 

[6] Alphabet / SEC｜Quarterly Report for the period ended March 31, 2026 

[7] Amazon｜Amazon.com Announces First Quarter Results 

[8] Microsoft｜Maia 200: The AI accelerator built for inference 

[9] Meta｜Scaling AI for billions: Inside Meta's MTIA roadmap 

[10] Broadcom / SEC｜Form 8-K: Google TPU and AI rack supply agreements; Anthropic capacity 

[11] Broadcom｜Second Quarter Fiscal Year 2026 Financial Results 

[12]  Broadcom｜Broadcom Now Shipping World's First 102.4 Tbps Switch in Production Volume 

[13] Marvell｜Marvell Completes Acquisition of Celestial AI 

[14] Marvell｜Marvell Completes Acquisition of XConn Technologies 

[15] Marvell｜NVIDIA AI Ecosystem Expands as Marvell Joins Forces Through NVLink Fusion 

[16] MediaTek｜MediaTek 1Q26 Earnings Call Transcript 

[17] MediaTek｜MediaTek receives ISSCC Anantha P. Chandrakasan Distinguished Technical Paper Award 

[18] Anthropic｜Anthropic raises $65B in Series H funding at $965B post-money valuation 

[19] 芯原股份｜芯片定制解决方案 

[20] 灿芯股份｜2025年年度报告 

[21] 南京市集成电路行业协会｜中茵微电子（南京）有限公司