藏不住的博通：AI 的钱，正流向 GPU 之外

上周的英伟达财报，证明了 AI 算力需求还远没见顶。

而昨晚博通财报出来，另一条线也更清楚了。

Q3 AI 半导体收入 167 亿美元，高于之前 160 亿的指引，下一季直接给到 217 亿美元，更关键的是预计 FY2027 AI 芯片收入大约 1150 亿美元，FY2028 甚至看到 2300 亿美元。

所以现在再纠结 ASIC 算不算 AI 的第二增长曲线，已经有点晚了——AI 这笔钱，早已不只往 GPU 上花了。

至少在博通这里，这条线已经开始进报表了，而且后面的量比之前想的还大，后面真正要盯的，是 Google、OpenAI、Anthropic 等大项目能不能按期落地，博通最后又能吃下多少。

一切顺利的话，那就继续奏乐，接着舞。

一、GPU 继续狂奔，但大厂也开始新的布局

英伟达财报真正有信息量的地方，其实是在这么高的基数上，云厂商、AI 公司和模型实验室依然没有停止增加算力。

只不过，当 AI CapEx 从几十亿美元走向几百亿美元，最终进入每年上千亿美元甚至更高的量级以后，采购逻辑一定会发生变化。

譬如大厂已经开始更多地去问，同样完成一项 AI 工作负载，需要花多少钱？同样 1GW 的电力，究竟可以生产多少有效算力？如果某些工作负载已经高度稳定，是否还有必要全部使用成本最高的产品？

这正是 ASIC 开始变得越来越重要的背景。

当然，把 ASIC 简单理解成「更便宜的 GPU」，其实并不准确，它真正的优势来自专用化。

定制一颗芯片本身并不便宜，像前期研发投入巨大，开发周期长，还要处理软件、先进封装、网络、系统和供应链的一整套适配问题。

但反过来，一旦某种工作负载足够稳定，部署规模又从几十 MW 走向数百 MW，最终走向 GW，单位成本、性能功耗比和整个系统 TCO 的改善，就可能被迅速放大。

所以 Google 长期坚持 TPU，Meta 不断扩展 MTIA，OpenAI 也开始和博通共同开发自己的处理器，都是意识到，哪怕只把一部分最稳定、最庞大的工作负载从通用芯片迁移到定制芯片，也可能带来巨大的经济价值。

简单梳理的话，会发现这也得益于几个条件恰好正在同时成熟，最关键的变量，就是推理正在成为越来越重要的增量负载。

众所周知，模型训练往往是阶段性的，但 ChatGPT、Gemini、Claude 以及越来越多 Agent 真正进入生产环境以后，推理是一项每天持续发生的工作。

尤其当调用量越来越大、模型结构和服务模式逐渐稳定之后，它天然更适合针对特定 workload 做硬件优化，OpenAI 在今年 6 月正式发布与博通联合开发的首款 Intelligence Processor Jalapeño，定位就是面向 LLM 推理。

更值得注意的是，这并不是一颗孤立的芯片，OpenAI 和博通明确将它定义成一个多代计算平台的第一代产品，计划从 2026 年底开始部署，并在未来按照 GW 级规模扩张。

Meta 的路线也非常类似，正在两年内推进四代 MTIA，重点覆盖推荐、排序以及生成式 AI，其中多款产品明确采用 inference-first 的设计思路。今年 4 月进一步扩大与博通的合作，第一阶段部署已经超过 1GW，后续规划扩展至多个 GW，双方的多代产品合作将延续至 2029 年。

这说明，今天的大型 AI 客户正在从单纯追求峰值性能，逐渐进入另一套游戏规则：Token 到底能不能生产得更便宜。

当 AI 真正开始商业化以后，一百万个 Token 的成本、每瓦电力能够产生多少有效算力，以及一整个数据中心的 TCO，都会越来越重要。

ASIC 的本质，其实就是大型 AI 公司开始尝试把这部分成本控制权重新拿回自己手里。

二、博通真正押注的，不只是 ASIC，而是整个 AI 集群继续变大

理解这一点之后，再看博通的财报就会容易很多。

上一季，博通总营收达到 221.87 亿美元，同比增长 48%；其中 AI 半导体收入达到 108 亿美元，同比增长 143%。

公司给出的下一季指引更加激进，总营收约 294 亿美元，其中 AI 半导体收入预计达到 160 亿美元，同比增长超过 200%。

160 亿美元是什么概念？它相当于博通预计当季总营收的 54% 左右。

也就是说，如果指引兑现，仅 AI 半导体这一项业务，就可能贡献博通超过一半的收入——这里甚至已经把 VMware 等基础设施软件业务一起计算进去了。

换句话说，AI 正在直接改变这家公司的收入结构。

但这里有一个很容易产生的误解，160 亿美元不能直接等同于「ASIC 收入」，也包括 Ethernet 交换芯片、SerDes、PCIe、光互联等 AI 网络产品。

上一季，网络业务占 AI 半导体收入已经接近 40%。Hock Tan 同时指出，这一比例可能已经接近阶段性高位，长期更可能回到约 30%附近。

所以博通其实是两条业务正在同时扩张， 一条是 Custom XPU，另一条是 AI Networking，这也是和很多纯芯片公司的最大区别。

AI 集群从几千颗芯片走向几万颗、十几万颗乃至更大的规模以后，算力之间如何连接，本身就越来越重要。

Broadcom 正在把 AI 网络进一步拆成 scale-up、scale-out 和 scale-across：从机架内的高速互联，到数据中心内部的大规模网络，再到多个数据中心之间的连接。

那只要 AI 集群继续变大,如果大型云厂商增加自研 ASIC，Broadcom 可以参与 Custom XPU；如果 GPU 集群继续扩张，开放 Ethernet 网络市场同样可能继续扩大。

这让博通处在一个很有意思的位置，它实际上是在押注整个 AI 基础设施的复杂度继续上升。

当然，这也并不意味着这门生意已经没有竞争。

Google 虽然已经与博通签署长期协议，合作开发未来几代 TPU 和下一代 AI 机架相关组件，协议最长覆盖至 2031 年；但 Google 最近同时扩大了与 Marvell 的定制芯片合作。

这至少说明，大客户并不会轻易把整个未来架构完全交给一家供应商。

三、1000 亿之后，会怎样？

市场早就知道博通的 AI 会很强。

所以这次财报原本要看的，就不是 160 亿能不能做到，好在答案也出来了。

至少从现在看，博通这条线已经不是「有没有第二增长曲线」的问题了，而是这条曲线最后能有多长，但这也意味着，市场后面会越来越挑剔。

以前 1000 亿本身就是惊喜，现在 1150 亿、2300 亿都摆出来以后，接下来要看的反而是这些数字怎么兑现。

Google、Meta、OpenAI、Anthropic 的项目能不能按计划往 GW 级走，第一代芯片量产之后，第二代、第三代还能不能继续拿到，网络业务能不能跟着集群规模一起长。

这些会比某一季多卖几十亿美元更重要。

另外一个问题也越来越绕不开，大客户不会只养一家供应商。

Google 已经开始扩大和其他厂商的合作，Meta、OpenAI 以后也大概率都会保留多供应商体系。所以博通现在的优势是真的，但还没到「客户锁死」的程度。

从这个角度看，它后面要证明自己能不能长期留在这些客户的核心供应链里，这将是一个关键的胜负手。

无论如何，博通这份财报算是提醒我们，定制芯片、网络、互联，这些以前更像“配套”的环节，正在慢慢变成主线。

也在提醒市场，AI 这轮基础设施投资，可能还远没到只剩下存量竞争的时候。

只要大厂还在继续建更大的集群、买更多的电、算更多的 Token，新的瓶颈就会不断出现，新的利润池也会跟着长出来。

AI 这场生意，正在从一颗芯片，慢慢长成一整套基础设施，这也是更大的想象空间所在。