> **来源：[研报客](https://pc.yanbaoke.cn)** # ASIC芯片崛起：云厂商、芯片设计及光互连投资机遇总结 ## 核心内容概览 随着AI模型的持续发展，算力已成为企业创造价值的核心生产要素。模型商业模式逐步闭环，推理需求快速增长，推动了ASIC芯片的加速放量。云厂商通过自研ASIC芯片，不仅缓解了高端GPU供给压力，还优化了成本结构，增强了市场竞争力。同时，网络与互联基础设施的重要性逐步显现，成为产业链投资的新机遇。 --- ## 主要观点 - **模型商业模式闭环**：2026年以来，模型在可持续执行任务、编程能力、长程任务、工具调用等方面显著提升，标志着模型商业模式逐步形成闭环。 - **算力成为核心生产要素**：算力不再是支持性成本，而是直接决定token产量和企业收入的关键因素。 - **ASIC芯片加速放量**：预计2026年ASIC出货量达770万片，占全球芯片市场的45%，2027年将超过GPU份额达58%，并有望在2030年占据约73%的市场份额。 - **云厂商自研芯片增强竞争力**：自研ASIC有助于提升算力供给能力、优化成本结构，并提升云业务盈利能力。 - **产业链投资机遇**：ASIC设计与制造、光互连及网络基础设施是未来投资重点。 --- ## 关键信息 ### ASIC芯片市场趋势 | 年份 | GPU出货量（万片） | ASIC出货量（万片） | ASIC市场份额 | |------------|------------------|-------------------|--------------| | 2024 | 5,234 | 2,130 | 29% | | 2025 | 6,110 | 2,850 | 32% | | 2026E | 9,570 | 7,700 | 45% | | 2027E | 11,500 | 15,900 | 58% | | 2030E | 16,000 | 43,000 | 73% | ### 主要云厂商自研芯片进展 - **谷歌TPU**：TPU v8t与TPU v8i分别面向训练与推理，TPU v8i已实现单季度盈利，预计2027年出货量达1200万片。 - **亚马逊Trainium**：2026年Q1芯片业务ARR超过200亿美元，预计2027年贡献云收入占比18%。Trainium2和Trainium3已逐步成熟，预计2027年出货量达220万片。 - **微软Maia系列**：Maia 200与Maia 300逐步推向市场，未来将重点布局AI算力与互联。 - **阿里巴巴真武系列**：真武M890性能为上一代3倍，显存144GB，互联带宽800GB/s。真武系列累计出货56万片，服务多个行业客户。 --- ## 投资启示 ### 1. ASIC设计与制造产业链 - **供应链多元化**：云厂商正逐步收回芯片设计主导权，推动供应链多元化，以实现更快迭代、更快交付和更低TCO。 - **台积电CoWoS产能增长**：预计2027年台积电CoWoS产能将达266万片，ASIC厂商的份额将从28%提升至32%。 - **关键厂商**： - **AVGO**：受ASIC放量和连接需求增加影响，但可能因供应链分散而份额受到冲击。 - **MRVL**：尽管面临Trainium份额流失风险，但积极发展XPU Attach业务，并在光互联DSP市场占据主导地位。 - **COHR**：核心受益于光模块需求增长，从800G到1.6T及更高。 - **LITE**：作为谷歌核心供应商，有望在2027年实现10亿美元的OCS芯片年化销售额。 - **ALAB**：受益于PCIe交换芯片放量，从PCIe Retimer向PCIe Switch及光学连接平台跨越。 ### 2. 网络与互联基础设施 - **Scale-up方向**：交换芯片、CPO等技术受益于柜内连接升级，NeuronSwitch-v1带动大量PCIe芯片需求。 - **Scale-out方向**：Google采用的OCS光交换方案及大规模网络架构将推动OCS芯片、光模块及相关器件需求增长。 - **光互联需求爆发**：随着ASIC规模化部署，连接成为新的产业瓶颈，光模块需求持续增长，从800G向1.6T及3.2T演进。 - **高带宽互连技术**：如EFA、NVLink、NeuronLink等技术正逐步成熟，提升系统性能与效率。 --- ## 风险提示 - **宏观经济波动**：可能影响整体市场表现。 - **下游需求不及预期**：若AI应用进展不及预期，将影响ASIC及光互连需求。 - **核心技术升级不及预期**：若芯片技术未能持续迭代，将影响市场竞争力。 - **AI快速迭代平权化**：可能导致竞争加剧，影响企业盈利空间。 --- ## 技术与成本对比 | 芯片类型 | 单GPU TCO（美元/小时） | 单GPU TPS（Token/秒） | 单GPU Cost Per Token（美元） | |----------|------------------------|-----------------------|-------------------------------| | GPU | 2.28 | 高 | 高 | | TPU | 1.28 | 中 | 低 | | Trainium | 0.78 | 中 | 低 | --- ## 结论 ASIC芯片的崛起标志着AI算力从通用GPU向专用芯片转变，成为企业核心生产要素。云厂商自研ASIC不仅提升了算力供给能力，还优化了成本结构，推动了云业务盈利能力。同时，网络与互联基础设施的需求快速增长，成为投资新热点。未来，随着ASIC出货量持续上升，以及光互连技术的广泛应用，相关产业链将迎来显著增长机遇。