發表
我的網誌
客製化ASIC與晶圓代工迎來AI新需求，Marvell、Broadcom與臺積電或成下一波硬體贏家。
開場吸睛： Nvidia（NVDA）過去三年股價狂飆約600%，但在最新10月財報後股價意外回落，市場開始討論：AI硬體的下一步究竟是更強的GPU，還是為特定工作調校的「客製化晶片」？
背景說明： 長期以來，Nvidia 的通用GPU稱霸資料中心AI運算，因其靈活性可支援多種模型與應用。但隨著各大科技公司追求成本效益與能耗最佳化，客製化ASIC（應用特定積體電路）、專用TPU與定製化推理晶片的需求快速浮現；這類晶片可針對特定AI模型做精準最佳化，顯著提升效能與降低計算成本。
事實與資料： - Nvidia過去三年股價漲幅約600%，但近期財報後出現回檔，顯示動能短期難以維繫。 - Broadcom（AVGO）第一季度針對客戶的應用特定ASIC銷售倍增至84億美元；公司管理層估計AI相關營收有望快速成長，單位規模預期顯著提高。Broadcom 與 Alphabet 擴大合作，將為Google的TPU設計提供支援，合約延伸至2031年。 - Marvell（MRVL）報告2026年業績受AI拉動成長顯著，總銷售成長42%達82億美元，且為Amazon Trainium等專用晶片提供關鍵設計合作；Nvidia亦宣佈對Marvell投資20億美元以深化合作。 - TSMC（TSM）第一季銷售年增41%，達350億美元；每股ADR純益跳增58%至3.49美元。公司自稱持有約70%全球晶片代工市佔，於「先進AI製程」市佔更高達約90%。管理層預估2026全年銷售仍可成長約30%。 - 產業觀察：Semianalysis 指出，Google 的 TPU 在某些情境下可將運算成本降低約62%（相較於採用Nvidia GPU）；市場研究也預估今年客製化ASIC成長率可達約45%，而GPU 2026年成長率估約15%。
論點與分析： 1) 為何客製化晶片能改變遊戲規則？客製化ASIC與TPU可針對特定模型或推理/訓練流程做架構與電源效率最佳化，對於追求每次token成本或大規模服務化的公司（如Alphabet、Amazon、Microsoft）吸引力極高。當成本結構與延展性成關鍵競爭優勢時，客製化方案的採用率將上升。 2) 三家公司分工合作、互補性強：Broadcom、Marvell專注於ASIC設計與客戶整合，TSMC提供製造與先進製程，三者若都掌握關鍵設計/製程技術，將共享AI硬體成長紅利。 3) Nvidia非必然被取代：GPU生態系（軟體生態、開發者工具、現有客戶基礎）仍是巨大優勢；事實上客製化晶片常與GPU併用，做分工而非完全替代，例如在某些訓練或推理流程中並行使用。這代表市場仍大到可以容納多方贏家。
駁斥替代觀點： - 「Nvidia不可取代」：確實，Nvidia的生態和市場規模短期難以取代，但技術路徑分歧與成本驅動會讓部分負載移向ASIC/TPU。 - 「客製化只是小眾需求」：大型雲端廠商的採用（Alphabet、Amazon、Microsoft 皆有自研或外包案件）與成長資料（ASIC年成長估45%）顯示，需求正由試驗階段轉向規模化部署。
案例支援： - Broadcom 與 Alphabet 的TPU設計擴充套件合約、Marvell 與Amazon的Trainium合作、以及Microsoft 與Marvell共同設計 Maia 200，都說明大型AI使用者正積極部署或採用客製化解決方案。Anthropic 與 Broadcom 的3.5GW計畫亦凸顯需求規模。
總結與展望／行動號召： 到2030年能否超越Nvidia並非必然，但趨勢明確：客製化晶片與晶圓代工將在AI硬體生態中扮演愈來愈重要的角色。投資者若想從AI硬體浪潮受益，可考慮： - 分散佈局：Nvidia 的軟體與GPU優勢仍關鍵，但同時持有設計端（Marvell、Broadcom）與製造端（TSMC）能分享不同環節的成長。 - 關注關鍵指標：客戶合約、出貨量、製程良率、毛利率與長期供應鏈風險（地緣政治、產能瓶頸）。 - 留意成本與生態系：若客製化方案持續顯著降低運算成本（如TPU案例），採用率可能加速。
總之，Marvell、Broadcom、TSMC有條件成為下一波AI硬體受惠者，但Nvidia仍是現階段不可或缺的關鍵玩家。投資決策應基於風險承受度、對產業趨勢的判斷，以及對各公司基本面與合作夥伴關係的持續追蹤。
點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37
免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。
