Broadcom通过定制硅和网络解决方案成为Nvidia在AI市场的可信竞争对手。

英伟达已确立其在AI训练硬件供应商中的领先地位，预计今年营收将超过3500亿美元。然而，很少有人关注之后会发生什么。模型训练的费用主要是一次性投资，但持续运营会产生持续成本。ChatGPT处理的每个查询、每个AI辅助搜索结果以及自动化代理的每个操作都代表推理，这在每天跨越数十亿用户的情况下不断运行。在这样的规模下，每次计算的费用不仅仅是一个工程细节——它区分了一个有利可图的AI产品和一个无法产生利润的产品。

这就是Broadcom发挥关键作用的地方。Broadcom不是向任何潜在客户提供通用GPU，而是与大型科技公司直接合作，开发针对其独特工作负载的定制芯片。客户保留架构和知识产权的所有权，而Broadcom将这些设计转化为可制造的硅芯片，监督功率需求、热管理、内存集成以及在TSMC等设施进行生产的最终准备。这个过程需要多年的共享技术专业知识，从零开始的竞争对手不容易复制。一旦超大规模云计算企业围绕定制芯片整合了其软件架构和数据中心设置，替换它就会变得成本高昂。

价格优势是巨大的。顶级英伟达GPU的价格据认为在每个单位30,000至40,000美元之间，而Broadcom为Google设计的定制芯片据估计在2026年每个单位成本约为12,000美元。据称Google芯片的最新一代在推理任务的能耗效率上比等效GPU提高67%。在数百万台持续运行的服务器上，这个效率差距对运营成本产生重大影响。

Broadcom的财务表现反映了这一机遇。AI芯片收入在2026年第一季度同比增长106%至84亿美元，2025财年全年AI收入估计约为200亿美元。半导体毛利率在上一季度达到约69%，营业利润率为60%，略低于英伟达接近75%的毛利率。Broadcom的AI硅芯片订单积压超过730亿美元，占总订单额1620亿美元的近一半——这是硬件行业中罕见的异常高前景可见性水平。

然而，Broadcom的AI半导体部门面临多项风险。收入集中于有限数量的超大规模云计算企业，Alphabet或Meta的战略变化可能会对结果产生重大影响。定制芯片的设计也涉及长期的开发周期，这意味着任何一代中的错误都可能很昂贵且难以纠正。Marvell通过为亚马逊生产定制ASIC芯片取得进展，并加强了与英伟达在网络硅芯片领域的合作。Broadcom与Anthropic的110亿美元合作伙伴关系以及与Meta在MTIA上的多代合作在一定程度上缓解了集中度风险，但该业务仍然依赖于少数几个巨大实体的资本配置选择。