" 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。

01ASIC 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。

02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。

03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。