自研 ASIC / 定制 AI 芯片（XPU）
最近更新：2026-06-28 关联：第 5 层（芯片）；相关公司卡 博通 AVGO（设计代工老大）、Marvell MRVL（老二+光互联）、英伟达 NVDA、谷歌 GOOGL、台积电 TSM。投资判断在那边，本卡不展开。
一句话瓶颈
英伟达通用 GPU 又强又贵又缺货。超大厂干脆自己设计专用芯片，只为自家工作负载优化——这是对英伟达霸权最实质的长期威胁。
原理：讲到你能复述
- 通用 vs 专用：GPU 是通用并行处理器，什么活都能干、灵活，但为"灵活"付出了额外的硅面积和功耗。ASIC（专用集成电路）是为单一任务定制的芯片——把用不上的部分全砍掉，只留你这套神经网络要的运算单元。对那个固定任务，它的"每瓦性能 / 每美元性能"能胜过通用 GPU。
- 为什么不是人人都做：ASIC 的代价是 ① 不灵活——芯片流片后写死了，模型架构若大改，定制芯片可能就不好使；② 设计又贵又慢——一次性设计成本（NRE）极高、周期 18–24 个月，得有足够大、足够稳定的自家工作量才摊得平。所以只有谷歌/Meta/亚马逊这种"自家有海量稳定负载"的巨头才划算，长尾客户做不来。
- 为什么是现在爆发：推理（把训练好的模型拿来一遍遍给用户用）是重复、稳定、量极大的负载——正是 ASIC 的主场；训练（前沿、还在快速演化、要灵活）仍偏好 GPU + CUDA。AI 从"拼命训练"转向"大规模推理"，把 ASIC 的账算正了。
- 谁出力：超大厂出"要什么"的规格；博通/Marvell 做最重的芯片设计+集成（design enablement）；台积电制造。
新手词汇表（看懂这张卡需要的几个词）
- ASIC = 专用芯片；GPU = 通用并行芯片。一个为单一任务定制，一个什么都能干。
- XPU / TPU / MTIA / Trainium = 各家自研芯片的名字（谷歌 TPU、Meta MTIA、亚马逊 Trainium）。
- NRE = 一次性工程/设计成本，决定了"要多大量才值得自研"。
- 推理 vs 训练 = 用模型 vs 造模型；推理利好 ASIC，训练仍偏 GPU。
现状与路线图（技术地图，非买卖建议）
- 成熟度：快速放量、趋势确立（不是概念）。博通 AI 收入 FY2026 指引 ~$56B（+180%），2027 目标 >$100B，backlog $73B。
- 谁能做：设计代工——博通（最大，客户含 Google/Meta/OpenAI/Anthropic）、Marvell（第二）；自研方——谷歌（TPU 最成熟）、Meta（MTIA）、亚马逊（Trainium/Inferentia）、OpenAI/Anthropic（在做）；制造——台积电（与英伟达共用产能）。
技术因果：卡住谁 / 利好谁
- 侵蚀：主要从推理端蚕食英伟达可寻址市场（推理可被专用芯片替代）；训练前沿仍偏 GPU。
- 利好：博通、Marvell（设计代工）；台积电是"不下注也赢"——通用还是定制都要它造。
- 结构对冲：同时持有英伟达和博通，可对冲"通用 GPU vs 定制 ASIC 谁赢"的不确定性。
📌 对投资的含义（一行，详见公司卡）
→ "ASIC 侵蚀推理"是英伟达头号长期威胁、也是博通的主增长引擎；估值/多空/盯什么见 博通、二供 Marvell（兼光互联）、对手方见 英伟达、中性赢家见 台积电。深账见 报告/2026-技术专题-ASIC对GPU推理真实账.md。
更新日志
- 2026 H1：博通 Q2 AI $10.8B(+143%)，Q3 指引 $16B(+200%)；定制 ASIC 趋势确立。
- 2026-06-27 去投资化重写：补足原理（通用vs专用 / 不灵活+NRE 门槛 / 推理才是主场），投资含义压成一行链接到公司卡。
- 2026-06-28 更新链接：补上 Marvell MRVL（设计代工老二，兼光互联，已有估值报告）。
来源：Tom's Hardware 自研ASIC综述、TechTimes（主流来源）；个股数据见各公司卡。