AI ASIC：博通份额将达60%，联发科成长显著，台积电成最大赢家

电子发烧友报道（文/李弯弯）在人工智能芯片领域，专用集成电路（ASIC）正崛起。随着AI算力需求爆发，ASIC凭借定制化、高效能等优势，在数据中心、AI推理等场景竞争力强劲。研究公司Counterpoint指出，AI芯片热潮进入第二阶段，ASIC与GPU竞争激烈，博通和台积电有望成最大赢家。

Counterpoint预测，AI ASIC市场规模将从2024年的120亿美元增至2027年的300亿美元，年复合增长率34%。供应商格局中，博通预计2027年保持顶级AI服务器计算ASIC设计合作伙伴领先地位，市场份额扩大至60%；台积电几乎拿下全球前十大数据中心及ASIC客户晶圆制造订单，份额近99%。

主要ASIC玩家及其产品

• 博通

博通是ASIC领域领头羊，与谷歌、Meta等科技巨头深度绑定。这些公司加速部署自研AI芯片，减少对通用GPU依赖，博通成为重要合作伙伴。

博通为谷歌设计的TPU采用脉动阵列架构，专注张量运算，能效比达英伟达H100的2 - 3倍，推理成本低30% - 40%。高盛分析师称，TPU从v6迭代至v7，每个token成本下降70%。TPU v7于2025年发布，代号Ironwood，是首款专为AI推理设计的TPU，单芯片FP8算力达4614TFLOPS，配备192GB HBM3e显存，能效比前代提升约2倍，支持构建最高9216芯片集群，FP8峰值性能超42.5 exaFLOPS，已用于训练Gemini 3模型。

此外，2025年9月，据知情人士报道，OpenAI计划2026年与博通联合生产自主研发的AI芯片。10月13日，二者宣布达成战略合作，将共同推出总容量达10GW的定制芯片。同时，12月，博通CEO确认Anthropic已累计向公司下达价值210亿美元的AI系统订单，将直接采购近100万颗TPU v7p Ironwood AI芯片，本地部署在控制的数据中心，博通直接供应基于TPU v7p的机架级AI系统，绕过谷歌，不过谷歌预计仍可从交易中取得IP授权收入。

博通AI营收占比近年显著提升，2025财年AI相关收入较2024财年增长约74%。展望2026财年，分析师预测基于AI的半导体收入可能翻倍，博通2026年预定量大幅增至200K，同比增122%，主要受谷歌TPU外供拉动。

• Marvell

Marvell在ASIC市场占一定份额，但面临挑战。业内预测2027年为关键转折点，届时多家主要厂商将扩大ASIC生产规模。供应商格局中，博通主导，Marvell等企业争夺第二。

Marvell曾与亚马逊合作Trainium 2项目，却因表现不佳失去Trainium 3设计合约，世芯参与开发，处境尴尬，此前被视为博通主要挑战者，如今设计订单增长受阻。Counterpoint估计，即使Marvell总出货量持续增长，设计服务市场份额到2027年仍可能下滑至8%。

Marvell与微软合作Maia芯片。微软推出Maia 200芯片，标志云服务商和AI企业对ASIC竞争进入新阶段。Maia 200是微软2026年1月推出的第二代AI推理加速器，采用台积电3纳米工艺，每颗超1400亿个晶体管，适用于大规模AI工作负载。配备原生FP8/FP4张量核心、重新设计的内存系统，拥有216GB HBM3e内存、7TB/s带宽及272MB片上SRAM，750W SoC热设计功耗内，单颗芯片可提供超10PetaFLOPS的FP4性能和超5 PetaFLOPS的FP8性能，已部署于微软美国中部数据中心，后续扩展至更多区域，为多个大模型提供支持，微软超级智能团队将利用其进行合成数据生成和强化学习，应用于Microsoft Foundry和Microsoft 365 Copilot服务，同时微软开放Maia SDK预览，系统采用水冷设计方案。

微软云与人工智能执行副总裁斯科特·格思里称，Maia 200是微软迄今部署的最高效推理系统，每美元性能比最新一代硬件提升30%，FP4性能是第三代Amazon Trainium的3倍。

• 联发科

联发科在ASIC市场势头强劲，得益于谷歌双规格ASIC策略，获两代大批量合约，被视为第二名有力竞争者。谷歌可观出货量提供助力，若赢得Meta下一代ASIC订单，市场地位将增强。目前，谷歌TPU是云端ASIC市场最大且最稳定的量产产品，或成唯一能与英伟达出货规模匹敌的产品。

联发科参与谷歌最新TPU v7 ASIC设计，准备深化合作助力下一代AI加速器量产。2025年12月15日消息，谷歌TPU需求爆发，将交给联发科的下一代“TPU v7e”芯片订单量翻倍，利用联发科与台积电紧密合作关系，争取稀缺产能，缩短上市时间，挑战英伟达。

联发科是谷歌引入的关键新合作伙伴，负责推理专用芯片设计与生产。TPU v7中，负责TPU v7e “Zebrafish”版本，专注高效能推理任务；TPU v8中，负责推理芯片TPU v8e设计。

2026年2月5日，联发科CEO蔡力行指出，2026年数据中心ASIC业务可突破10亿美元，2027年上看数十亿美元，未来ASIC占整体营收比重有望达20%。此外，联发科后续将投资CPO、定制化高带宽存储器、3.5D先进封装等关键技术，重新调整资源布局，将更多精力转向AI专用ASIC和汽车芯片等新赛道。随着AI算力需求爆发，联发科在高速通信技术上有独特优势，对数据中心和AI ASIC至关重要。

• 世芯

世芯处于关键时刻，前景取决于2026年和2027年AWS下一代Trainium芯片生产进展及与英特尔合作。尚未在其他美国主要云服务商客户中取得显著成功，计划拓展中型客户项目，若无法获更大规模云服务商合约，可能在市场份额竞争中落后。

亚马逊Trainium芯片有成本优势，推理成本较H100低30% - 40%，单位算力成本为H100的60%，推理吞吐量高25%。Trainium 3于2025年12月2日发布，采用3纳米制程工艺，性能较第二代提升4.4倍，内存容量与能效分别增加4倍和40%，搭载新一代Neuron Fabric互联技术，单台Trn3 UltraServer可集成144张芯片，总算力达362 FP8 PFLOPs，通过EC2 UltraClusters 3.0架构，芯片集群规模较上一代提升10倍，最高可扩展至100万张芯片，已为Anthropic的“Project Rainier”项目提供算力支持，可降低AI模型训练与推理成本达50%。

不过，Trainium3每枚芯片集成144GB HBM3e，较谷歌Ironwood TPU的192GB和英伟达BlackwellGB300的288GB有容量差距。2026年1月微软发布的Maia 200搭载的高带宽内存容量也超过Trainium3。亚马逊AWS副总裁Ron Diamant表示无意取代英伟达，强调提供高性价比AI训练解决方案，与行业趋势相符。

ASIC与英伟达GPU的对比

英伟达GPU核心优势在于大规模并行计算能力，支持矩阵乘法、卷积运算等AI任务。硬件层面，HBM内存带宽高、GPGPU大规模流处理器阵列是核心武器，从H200、GB200到“Vera Rubin”均如此，性能提升与显存带宽、NVLink互连规模挂钩。

然而，数据中心投入和能耗压力加剧，行业寻求更高效且贴合自身需求的方案，ASIC优势凸显。以博通为谷歌设计的TPU为例，采用脉动阵列架构，专注张量运算，能效比达英伟达H100的2 - 3倍，推理成本低30% - 40%，定制芯片成本更具优势。虽英伟达CUDA软件是维护企业客户的关键护城河，覆盖全球95%以上AI开发者，但业内认为未来几年市场将呈现ASIC与GPU并存局面。

写在最后

ASIC市场快速发展，博通凭借与科技巨头合作和强大技术实力占据领先地位；Marvell面临挑战，仍努力争夺市场份额；联发科势头强劲，通过与谷歌合作拓展业务；世芯处于关键发展期，未来取决于与AWS合作进展。ASIC与GPU竞争中，英伟达GPU有强大并行计算能力和广泛软件生态支持，但ASIC凭借定制化、高效能和成本优势，在数据中心和AI推理等领域逐渐占据一席之地。未来，随着技术进步和市场需求变化，ASIC市场格局可能改变，各玩家需不断创新优化产品，以适应市场挑战和机遇。