@BigbirdflyChan: 6月18日,JP摩根发布了一份非常重要的ASIC行业报告,我提取了一些关键内容和大家分享。 报告最核心的观点是:AI时代正在推动定制芯片ASIC进入新一轮黄金周期,而最大的受益者是Broadcom和Marvell。对的,Mrvl最近风头十…
摘要
JP摩根发布ASIC行业报告,预测AI定制芯片进入黄金周期,Broadcom和Marvell是最大受益者,并预计到2027年AI ASIC出货量将首次超过GPU。
查看缓存全文
缓存时间: 2026/06/22 23:53
6月18日,JP摩根发布了一份非常重要的ASIC行业报告,我提取了一些关键内容和大家分享。
报告最核心的观点是:AI时代正在推动定制芯片ASIC进入新一轮黄金周期,而最大的受益者是Broadcom和Marvell。对的,Mrvl最近风头十足!!独占存储,光通讯,Asic芯片设计三大热点赛道,难怪股价走势如此坚挺!
接着报告提到为什么云剧透要设计自己的XPU芯片:AI训练几乎被NVIDIA GPU主导。GPU的优势是通用性强、生态完整,但问题是成本高、功耗高,而且很难针对云厂商自己的软件栈和模型架构做深度优化。因此,Google、Amazon、Microsoft、Meta、OpenAI、SoftBank等公司都在加速开发自己的AI ASIC芯片。
然后报告提到值得关注的一个预测:JP摩根预计,到2027年,AI ASIC/XPU的出货量将首次超过GPU。报告预测2027年ASIC/XPU出货量达到1250万颗,而GPU出货量为1090万颗。也就是说,ASIC/XPU占比达到53%,GPU占比为47%。
我认为这是整份报告里最重要的产业趋势判断。因为这意味着未来AI加速器市场可能不再是NVIDIA GPU单一主导,而是进入“GPU + ASIC双轨制”的时代。这个判断非常大胆,也非常值得美股投资者关注。
另外报告还解释了为什么云厂商不能完全自己做XPU芯片的原因:云厂商虽然有软件能力、模型能力和系统架构能力,但并不一定具备完整的底层芯片工程能力。真正困难的部分包括高速SerDes接口、HBM接口、chiplet设计、先进封装、2nm/3nm物理设计、功耗验证、热设计、tape-out等,这些能力需要十年以上的积累,正是Broadcom和Marvell的护城河。
对于Broadcom, JP摩根预计Broadcom AI收入将从2025年约200亿美元,大幅增长到2027年超过1500亿美元,这个涨幅非常惊艳,目前市场上很少有这么乐观的预期,值得关注。另外JPM海列举 了AVG目前的Asic项目名称:Google TPU、Meta MTIA、Anthropic TPU、OpenAI ASIC,以及SoftBank/ARM XPU。
相似文章
@TechFlowPost: https://x.com/TechFlowPost/status/2067185245036659061
伯恩斯坦研报预测 Agentic AI 时代将推动 CPU 在数据中心角色逆转,服务器 CPU 可寻址市场2030年或达2230亿美元,看好海光信息、Arm等标的。
@Saccc_c: 跟着老黄走,轻松赚到手,上半年没赚到的兄弟们要抓紧了! 老黄的喊单力也是一绝,昨天产业链背景图刷屏,$NBIS等AI云板块公司直接爆了;现在又是Marvell夜盘暴涨 下一个轮到谁?我把英伟达GTC大会上公布的美股财富密码梳理了一下: 1…
该帖文梳理了NVIDIA GTC大会上提到的AI算力云(如$CRWV、$NBIS、$IREN)、AI工厂软件平台($IBM)、AI数据中心设计建造($CDNS、$J)、供配电与液冷温控($VRT、$ETN、$GEV)以及AI数据中心基础设施($EQIX、$DLR)等领域的上市公司,作为投资参考。
@GoSailGlobal: https://x.com/GoSailGlobal/status/2068243415070826738
AI行业GPU利用率普遍低于50%,前a16z合伙人Anjney Midha创办AMP,旨在将算力像电力一样调度,提升利用效率。文章还探讨了Anthropic的成功策略、DeepMind的论文囤积问题及非NVIDIA芯片的正确打法。
@LinQingV: 之前做LLM推理芯片架构探索的时候,我把四大AI推理ASIC公司的架构都翻过一遍。Groq、SambaNova、Tenstorrent、Cerebras。前三家的思路虽然各有侧重,但底层逻辑都在同一个框架里:片上大SRAM + dataf…
The article analyzes the AI inference ASIC architectures of Groq, SambaNova, Tenstorrent, and Cerebras, highlighting Cerebras's unique wafer-scale engine design. It discusses the benefits of deterministic latency and high bandwidth for LLM inference, while noting challenges like yield, cost, and KV cache bottlenecks.
@WinForKakei: 我拿腾讯举个例子吧,腾讯25年capex比指引还要低,去年的业绩会讲的很清楚了,就是因为买不到N卡(AI chips supply constrain)又不愿意买国产卡。 当然今年妥协了,昆仑芯也开始订购上了,其实马化腾并不像大家说的那么…
The article discusses Tencent's AI capex constraints due to NVIDIA chip shortages and its recent shift to using Kunlun chips, analyzing the company's valuation and strategic positioning in the AI landscape.