一.1
它卖的不是芯片，是把客户的想法变成硅
以及一个反常识的数字：整个 ASIC 类别只有全行业的 8.5%
约 3 分钟·1,034 字·5 题
01
先把三个词分清楚
这三个词经常被混着用，但它们描述的是三种完全不同的生意
| 类别 | 定义 | 例子 | 2025 年规模 |
|---|
ASIC
专用集成电路 | 为特定客户的特定应用或平台设计 | Google TPU（Google + Broadcom）、AWS Trainium（AWS + Marvell/世芯）、Apple A19、Microsoft Maia、诺基亚 Reef Shark 基站芯片 | $680 亿 |
ASSP
专用标准品 | 为多个客户的特定应用设计 | 英伟达 AI GPU、AMD AI GPU、高通骁龙、网络交换芯片、光 DSP | $2,820 亿 |
GP
通用产品 | 多客户 + 多应用 | Intel/AMD 的 PC 与服务器 CPU、存储、模拟、功率、MCU | $4,540 亿 |
| 全球半导体 2025 合计 | $8,050 亿 |
来源：J.P. Morgan 2026-06-18《AI Drives Resurgence in Custom Chips (ASICs)》
第一个该注意的数字：ASIC 只有 $680 亿
占全球半导体的 8.5% 不到。而市面上关于「ASIC 要取代 GPU」的讨论密度，
远远高于这个比例所对应的分量。
这不是说 ASIC 不重要——恰恰相反，
它是全行业增速最快的一格。但先建立这个基数感很重要：
一个小类别的高速增长，和一个大类别的缓慢增长，对不同环节的意义完全不同。
第二个该注意的：英伟达的 AI GPU 属于 ASSP，不是 ASIC，也不是「通用芯片」。
它是「为多个客户的同一种应用设计的专用芯片」——这个分类差别，是理解整场 GPU vs ASIC 之争的起点。
理由一 · 拥有软件栈
如果你拥有整个软件栈，就能针对它定制硅，拿到系统级的性能与功耗优势——
而这是买通用芯片拿不到的。
谷歌拥有 TensorFlow/JAX 与自家模型，所以 TPU 可以为它们量身裁剪；
苹果拥有 iOS 与整机设计，所以 A 系列可以极致优化功耗。
+
理由二 · 经济性
自建芯片团队要花钱。要覆盖这笔投入，要么出货量极大，要么 ASP 极高。
· 苹果：年出货 2.5 亿台（走量）
· 基站 RAN 处理器：量很小，但单价极高
· TPU / Trainium / MTIA / Maia：量很小，但单价极高极高
两条必须同时成立
只有软件栈没有经济性 → 做不起。只有经济性没有软件栈 → 做了也没优势。
这解释了一个常被问的问题：为什么不是所有公司都自研芯片？
因为绝大多数公司两条都不满足——它们既不拥有软件栈，出货量和 ASP 也撑不起一个芯片团队。
而 AI 让第二条突然成立了：
AI 加速器的单价高到离谱（一颗 $13,000–40,000），而 token 变现给了投入回报的理由。
「ASIC 复兴」这件事，本质上是「经济性门槛被 AI 的高 ASP 一次性拉低了」。
注意上面那张表里的写法：Google TPU（Google + Broadcom）。
芯片是谷歌的，Broadcom 是把它做出来的那一方。
更准确地说，Broadcom 提供的是一整套能力：高速 SerDes、互联 IP、先进封装设计、
后端物理实现、以及量产落地——把客户的架构想法，变成一颗能在台积电流片、
能在数据中心里稳定跑的硅。
一个可以量化「它有多难被替代」的数字
过去 12 年，Broadcom 帮谷歌把 14 款最先进的芯片带到了市场。（J.P. Morgan）
这个数字比任何「技术领先」的形容词都有说服力：
它衡量的不是某一次设计有多好，而是「连续交付」这件事本身的可靠性。
而在芯片这个行业，连续交付比单次领先重要得多——
一颗芯片流片失败，损失的是 18 个月和几亿美元。
所以这门课和英伟达那门课是一对
英伟达那门课讲的是一个 780 万美元的机柜——一家公司定义了整个系统。
这一门讲的是站在对面的那家公司：
它帮六家最前沿的模型公司做自己的芯片，从而让它们可以少买英伟达。
而本课要回答的核心问题是：
当一家公司的护城河是「帮客户摆脱对另一家公司的依赖」时，它自己会不会成为下一个被摆脱的对象？
——第三单元会告诉你，谷歌已经在这么做了。
这一节要带走的一句话 J.P. Morgan 的分类：ASIC 是为特定客户的特定应用设计的芯片（谷歌 TPU、AWS Trainium、苹果 A19）；ASSP 是为多个客户的特定应用设计的（英伟达和 AMD 的 AI GPU 都属于这一类）；GP 是通用产品。2025 年三者规模：ASIC 仅 $680 亿、ASSP $2,820 亿、GP $4,540 亿，全行业 $8,050 亿。ASIC 只占全行业不到 8.5%——这门课讲的是一个很小、但正在极快变大的类别。
检验一下：它卖的不是芯片，是把客户的想法变成硅
5 道题，选完立刻出反馈。做错的那道，恰好是这一节你真正学到东西的地方。
一.2
一张对照表，解释了 ASIC 为什么会崛起
同样的性能，三分之一的价格
约 3 分钟·959 字·5 题
| 指标 | 英伟达 B200 | 英伟达 B300 | Google/Broadcom TPU7x Ironwood |
|---|
| FP8 算力（TFLOPS） | 4,500 | 5,000 | 4,614 |
| 单芯片 HBM3E 容量（GB） | 192 | 288 | 192 |
| HBM 带宽（TB/s） | 7.7 | 8.0 | 7.4 |
| 功耗 TDP（W） | 1,000 | 1,200 | 1,000 |
| 平均售价 ASP | $35,000 | $40,000 | $13,000 |
| 每美元 TFLOPS | 0.13 | 0.13 | 0.35 |
来源：J.P. Morgan 2026-06-18 ASIC 市场综述
这张表最该注意的地方
前四行几乎一样。差别全部在第五行。
算力差 2.5%、带宽差 4%、功耗一样、容量一样——但价格差了 2.7 倍。
所以「ASIC 更便宜」这句话，说的不是性能妥协换来的便宜，
而是同样的东西卖不同的价。
原因一 · 没有平台溢价（这是最大的一块）
英伟达卖的是一整套东西：芯片 + CUDA + 网络 + 机柜 + 供应链保障 + 上万人的生态。
ASP 里包含的不只是硅，是整个平台。
而谷歌买 TPU 时，软件栈是自己的、网络是自己的、机柜是自己的——
它只需要买硅。价格差的很大一部分，就是它自己承担了平台的那部分工作。
这一点很重要：$13,000 不是「更便宜的 GPU」，是「不含平台的芯片」。
谷歌为平台付出的成本没有消失，只是从采购成本变成了内部研发成本。
原因二 · 没有毛利率叠加
英伟达的毛利率在 70% 以上。它卖给客户的每一颗芯片，都包含它自己的这层毛利。
而 TPU 这条链上，Broadcom 收的是设计服务与自有 IP 的钱，
台积电收的是代工的钱，SK 海力士收的是 HBM 的钱——但没有人在整颗芯片的价值上再叠一层平台毛利。
原因三 · 只做一件事
ASIC 是为特定的模型架构、特定的推理场景设计的。它可以砍掉所有用不到的功能——
更少的晶体管做同样的事，就是更小的芯片、更低的成本。
代价是灵活性：模型架构一变，这颗芯片的优势可能就没了。
这是 ASIC 路线最本质的风险，第 15 节会展开。
03
所以 ASIC 会取代 GPU 吗
这是全课最需要说清楚的一个问题
770 万片
2026 年 ASIC 预计出货量
国信证券
45% → 58%
ASIC 出货颗数份额
2026E → 2027E · 2027 年超过 GPU
约 85%
同期英伟达的 AI 加速器收入份额
见英伟达那门课第 8 节
两句话必须一起记
「2027 年 ASIC 出货颗数超过 GPU」和「英伟达收入份额仍约 85%」是同时成立的。
算一下就明白：如果 ASIC 占 58% 的颗数、单价 $13,000，
GPU 占 42% 的颗数、单价 $35,000–40,000——收入比大致就是 1 : 2 出头，
再加上英伟达的网络与系统收入，85% 这个数字并不矛盾。
所以「ASIC 取代 GPU」这个说法，在颗数上是对的，在收入上是错的。
而对不同的公司，这两个口径的意义完全不同：
· 对英伟达：看收入份额（它卖的是平台）
· 对 Broadcom：看颗数和 GW（它按项目收钱）
· 对 A 股的 PCB、光模块、封装：看总量——
因为无论哪一边赢，板子、模块、封装的订单都在（第 14 节会展开）
不是「取代」，是「分工」
国信证券的原话逻辑：英伟达 GPU 拥有更好的 TPS（每秒处理 token 数），
但从 TCO 或者「每 token 成本」的角度，ASIC 优势更显著，因此更适合推理场景。
这就把问题从「谁赢」变成了「什么场景用什么」：
· 训练：模型架构在变、要试错、要生态 → GPU 更合适
· 推理：架构已固定、要的是每 token 成本最低、要规模 → ASIC 更合适
而 2026 年最重要的产业变化，正是「推理需求进入快速增长阶段」——
这才是 ASIC 崛起的真正驱动力：不是 ASIC 变强了，是需求结构从训练往推理迁移了。
这个判断方式比「谁的技术更好」有用得多：
当你看到一项技术份额上升时，先问「是它变强了，还是需求结构变了」。
这一节要带走的一句话 TPU7x Ironwood 的算力 4,614 TFLOPS、HBM 192GB、带宽 7.4TB/s、功耗 1,000W——和英伟达 B200 几乎一模一样。但 ASP 是 $13,000 vs B200 的 $35,000、B300 的 $40,000。每美元算力：0.35 vs 0.13，差 2.7 倍。国信预测 2026 年 ASIC 出货约 770 万片、份额 45%；2027 年超过 GPU，达 58%——但英伟达那门课给了后半句：颗数份额过半，收入份额仍约 85%。两句话必须一起记。
检验一下：一张对照表，解释了 ASIC 为什么会崛起
5 道题，选完立刻出反馈。做错的那道，恰好是这一节你真正学到东西的地方。
一.3
它不按颗数报业绩，按吉瓦
一个单位的改变，暴露了这门生意的真实形态
约 4 分钟·1,223 字·5 题
正常的半导体公司报业绩，用的是颗数或收入。Broadcom 在 2026 年的业绩会上，
反复使用的单位是 GW（吉瓦）——数据中心的电力容量。
| 客户 | 规模 | 节奏 |
|---|
| FY27 全部客户合计 | 最多 10GW 的数据中心部署 |
| Anthropic | 5GW | 已在放量首个 GW，FY27 起再部署 5GW |
| OpenAI | 1.3GW | FY26 交付初始产品，FY27 部署 1.3GW |
| Meta | 1GW → 3GW | 2H27 交付 1GW，到 FY28 累计出货 3GW |
| Google | 未单独披露 | 多年多代 TPU + AI 网络，长期协议 |
来源：高盛 2026-06-03、J.P. Morgan 2026-06-04
这个单位揭示了三件事
① 它卖的不是零件，是「一整个数据中心里的那一层」。
用 GW 描述订单，意味着它交付的是「支撑这么多电力容量所需要的全部 XPU 和网络芯片」——
这是系统级的销售，不是元器件级的销售。
② 客户的约束条件是电，不是芯片。
当一家公司说「我要部署 5GW」时，它真正的瓶颈在供电、变电、散热——
芯片是跟着电走的。这就是黄仁勋那个「五层蛋糕」里第一层（能源）为什么在最底下。
③ 它把自己的收入和一个可以外部核验的物理量绑定了。
芯片订单可以调整，但数据中心的电力容量是要报批、要建变电站、要拉线的——
这是一个比订单更难造假、也更难突然消失的量。
FY27 指引是「AI 半导体收入显著超过 $1,000 亿，对应最多 10GW 部署」。
粗算下来，每 GW 对应的 Broadcom 收入大约 $100 亿。
这个数字可以用来做两件事：
用法一 · 把客户的 GW 翻译成收入
Anthropic 的 5GW ≈ $500 亿（分摊在若干年里）；Meta 的 3GW ≈ $300 亿；
OpenAI 的 1.3GW ≈ $130 亿。
这不是精确计算——每 GW 里 Broadcom 的份额会随项目不同而变化，
而且 GW 是累计部署、收入是分期确认。但它给了一个量级感：
光是这三家已公开的客户，就对应了接近 $1,000 亿的潜在收入。
用法二 · 反过来验证指引是否合理
如果某一天公司说「FY28 AI 收入 $2,000 亿」，你可以立刻反问：那对应 20GW，
这些电从哪来？变电站建了吗？
这是一个极好用的现实性检验——
因为电力基础设施的建设周期是几年，且是公开可查的（选址、审批、并网）。
芯片可以加班加点造，电网不行。
>$300 亿
本季 AI 订单（bookings）
客户因交期长而提前下单
2028 年
可见度已延伸到
2026–27 供应已锁定，正在做 2028–29
全部锁定
FY27 关键零部件供应
存储、激光器、封装等
「已锁定 FY27 全部关键零部件」这句话的分量
管理层说：公司此前就预判到存储（HBM）、激光器、封装等多个环节会严重短缺，
目前已经拿到支撑 FY27 收入预测所需要的全部零部件，并正在为 FY28 锁定供应。
为什么这句话重要？因为在 2026 年，
限制 AI 芯片出货的不是需求，是供给——
SK 海力士那门课讲了存储短缺（HBM 需求未来三年远超供给），
台积电那门课讲了 CoWoS 产能是硬约束。
在一个人人缺货的环境里，「我已经锁好了」本身就是一种竞争优势。
J.P. Morgan 的调研印证了这件事：基板、HBM、CCL 等瓶颈环节的 3–5 年长约越来越普遍，
只有先进制程晶圆还在按年谈。
但订单不等于收入 —— 这条要一直记着
$300 亿订单、可见度到 2028、供应已锁定——这三件事加起来的确定性，
比绝大多数公司都高。但它们仍然是「订单」和「产能」，不是「已确认的收入」。
J.P. Morgan 提到客户提前下单的原因是交期长——
不只是晶圆和存储，还有「电力就绪度」。
而提前下单的另一面是：一旦某个环节延误，整个部署节奏就会往后推。
SK 海力士那门课第 4 节的两个问题在这里同样适用：
这些长约在下行周期被验证过吗？违约的代价相对于违约的收益够不够大？
「按吉瓦报业绩」把第二层和第一层直接连起来了
本站的产业链框架是黄仁勋的「五层蛋糕」：①能源 ②芯片系统 ③基础设施 ④模型 ⑤应用。
Broadcom 属于第二层（芯片系统），
但它用第一层（能源）的单位来描述自己的业务。
这不是修辞，是产业现实：当算力的瓶颈从「买不到芯片」变成「接不上电」时，
电力容量就成了整条链上最靠前的那个约束。
实用推论：跟踪 AI 算力扩张，跟踪「新增并网容量」和「变电站建设」
可能比跟踪芯片出货更领先。这是本节最值得带走的一条。
这一节要带走的一句话 FY27 指引：AI 半导体收入「显著超过 $1,000 亿」，对应最多 10GW 的数据中心部署。客户侧也全是 GW：Anthropic FY27 起再部署 5GW、Meta 2H27 交付 1GW（到 FY28 累计 3GW）、OpenAI FY27 部署 1.3GW。本季 AI 订单超过 $300 亿，可见度已延伸到 2028 年，并已锁定 FY27 全部关键零部件供应（存储、激光器、封装），正在锁 FY28–29。用吉瓦报业绩意味着：它卖的不是芯片，是「一整个数据中心里的那一层」。
检验一下：它不按颗数报业绩，按吉瓦
5 道题，选完立刻出反馈。做错的那道，恰好是这一节你真正学到东西的地方。
一.4
财报很好，股价两周跌 21%
总收入超预期，但市场只看了其中一行
约 5 分钟·1,353 字·5 题
$222 亿
FQ2'26 收入
4 月季，2026-06-04 披露
77.1%
非 GAAP 毛利率
营业利润率 67.3%
$108 亿
AI 半导体收入
同比 +143%，占总收入 49%
$2.44
每股收益
半导体 $150 亿 / 软件 $72 亿
过去十二个月（TTM）：收入 $754.6 亿（同比 +47.9%）、净利润 $293.2 亿（同比 +85.4%）、
经营现金流 $336.2 亿、自由现金流 $272.1 亿——
自由现金流占经营现金流 81%，说明这不是一门靠堆资本开支换收入的生意。
净资产收益率 37.3%。
插一条基本功：TTM 数据要交叉核对
本课用的数据源里，TTM 收入和净利润与四个季度加总是对得上的（$754.6 亿 / $293.2 亿 ✓），
但 TTM 毛利润 $575.7 亿与季度加总的 $515.2 亿对不上，营业利润率 48.99% 与季度口径的 44.1% 也对不上。
所以本课凡涉及利润率一律用公司口径与季度序列，不用那两个数。
这就是 SK 海力士那门课第 5 节讲的四步核对（加总 / 勾稽 / 量级 / 换源）——
同一类问题在不同公司、不同数据源上会反复出现，这不是偶发的。
| FQ3'26 指引项 | 公司指引 | 市场预期 | 差异 |
|---|
| 总收入 | $294 亿 | $286 亿 | ✅ 超预期 $8 亿 |
| AI 半导体收入 | 约 $160 亿（同比 +200%+） | $172 亿 | ❌ 低于预期 $12 亿 |
| 基础设施软件 | 约 $89 亿 | $76 亿 | ✅ 超预期 $13 亿 |
| 毛利率 | 约 74% | — | ❌ 环比降约 300bps |
| 每股收益 | 约 $3.25 | — | — |
来源：摩根士丹利 2026-06-04、高盛 2026-06-03、Bernstein 2026-06-04
总收入超预期是靠软件补上的
把上表加起来看：AI 少了 $12 亿，软件多了 $13 亿——总数超预期 $8 亿，
但结构完全不是市场想要的那一种。
为什么市场只认 AI 那一行？
因为在 65 倍 TTM 市盈率的位置上，估值里定价的是 AI 的增长斜率，不是软件的稳定现金流。
软件业务（主要是 VMware）同比只增长 9%，它撑得住利润，撑不住估值倍数。
这是一个通用的读法：一份财报里，哪一行超预期比超多少更重要。
要先知道市场在为哪一行付钱。
下季毛利率要从 77.1% 降到约 74%，环比降约 300 个基点。这条在当天引发的讨论最多。
读成坏消息
竞争加剧、定价权在削弱。联发科、Marvell 都在抢 ASIC 订单，
毛利率下滑是价格战的领先指标。
如果这个解释成立，74% 只是开始，后面还会继续降。
vs
读成结构变化
是产品组合（mix）变了。AI 半导体（定制 XPU）的毛利率结构性低于软件业务，
AI 收入占比从 49% 继续往上走，整体毛利率必然被稀释。
如果这个解释成立，毛利率下降恰恰是 AI 业务放量的证据，
而且绝对利润在增加。
怎么判断是哪一种 —— 用一个可验证的动作
看毛利率下降的同时，毛利润的绝对额是增是减。
若收入从 $222 亿升到 $294 亿、毛利率从 77.1% 降到 74%，
毛利润是 $171 亿 → $218 亿，增加了 $47 亿。
这是典型的「组合稀释」形态，不是「价格战」形态。
价格战的形态长什么样？收入增速放缓、毛利率下降、毛利润绝对额停滞或下降——三件事同时发生。
这一季不是。但要注意：这个判据只能证伪当期，不能预测未来。
第 6 节会把毛利率这条线单独讲透。
同一句话，第二次说和第一次说，含义完全不同
FY27「AI 半导体收入显著超过 $1,000 亿」——这句话公司之前就说过。
这一次是重申（reiterate），不是上调（raise）。
为什么市场在意？因为在这三个月里，
公司拿到了超过 $300 亿的新订单、
公布了 OpenAI 1.3GW / Meta 3GW 的新部署。
新增了这么多可见的量，指引却一个字没动——
市场的推论是：要么之前的指引里已经含了这些，要么某处有对冲的减项。
业绩会上有投资者直接说：「我们都知道你明年会超过 $1,500 亿。」
摩根士丹利的评论是：有可能，但不确定。
把三行合起来看，股价的反应就不奇怪了
① AI 指引低于预期 → 增长斜率不及预期
② 毛利率环比降 300bps → 单位经济性在变化
③ FY27 指引只重申不上调 → 预期已经打满，没有向上的意外
在 65 倍 TTM 市盈率的位置上，这三条都指向同一件事：
股价里定价的乐观程度，高于这份财报能提供的乐观程度。
股价路径：6 月 3 日 $479.23 → 6 月 16 日 $376.71（−21%）→ 7 月 24 日 $381.92 → 8 月 2 日 $389.28。
跌完之后横了一个半月没有恢复——这不是「情绪过度」的形态，是市场重新定了一次价。
和 SK 海力士那门课放在一起看
SK 海力士：利润同比 +405%，股价六周跌 33%。
Broadcom：AI 收入同比 +143%，股价两周跌 21%。
两次都是「业绩极好 + 股价大跌」，但原因完全不同：
海力士是周期股在担心周期见顶（市场在给未来打折），
Broadcom 是成长股的增长斜率没有超过已被定价的斜率（市场在核对已经付过的钱）。
识别这两者的差别，是第 16 节要解决的核心问题。
它们需要完全不同的估值方法，也需要完全不同的跟踪指标。
这一节要带走的一句话 FQ2'26（4 月季，2026-06-04 披露）：收入 $222 亿、非 GAAP 毛利率 77.1%、每股收益 $2.44、AI 半导体收入 $108 亿同比 +143%，占总收入 49%。下季指引收入 $294 亿（市场预期 $286 亿）也超预期。但股价从 6 月 3 日的 $479.23 跌到 6 月 16 日的 $376.71，两周 −21%。原因在三行细项里：AI 收入指引 ~$160 亿低于市场的 $172 亿、毛利率环比要降约 300bps 到 ~74%、FY27 的「超过 $1,000 亿」是重申而不是上调。
检验一下：财报很好，股价两周跌 21%
5 道题，选完立刻出反馈。做错的那道，恰好是这一节你真正学到东西的地方。