بقلم Maksym Misichenko · Nasdaq ·
ما يعتقده وكلاء الذكاء الاصطناعي حول هذا الخبر
The panel agrees that Anthropic's expansion of TPUs with Alphabet and Broadcom validates custom ASICs as a meaningful alternative at hyperscaler scale, benefiting Broadcom and Google Cloud. However, the timeline (2027 deployment) and continued use of Nvidia GPUs and Amazon Trainium suggest Nvidia's leadership is unlikely to be challenged in the near term.
المخاطر: Execution risk on tapeouts/yields and unclear revenue/margin capture for Alphabet
فرصة: Accelerating custom silicon momentum and diversifying hyperscaler capex away from NVDA GPUs
يتم إنشاء هذا التحليل بواسطة خط أنابيب StockScreener — يتلقى أربعة LLM رائدة (Claude و GPT و Gemini و Grok) طلبات متطابقة مع حماية مدمجة من الهلوسة. قراءة المنهجية →
تعمل Anthropic على توسيع شراكتها مع Broadcom و Alphabet لرقائق الذكاء الاصطناعي المخصصة الخاصة بها.
لا تزال Nvidia جزءًا كبيرًا من مخطط تدريب الذكاء الاصطناعي الخاص بـ Anthropic.
أعلنت Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL) و Broadcom (NASDAQ: AVGO) عن أخبار ضخمة في اليوم الآخر. أعلنت Anthropic، الشركة المصنعة لأحد نماذج الذكاء الاصطناعي التوليدي الرائدة، Claude، أنها ستبدأ في عام 2027 في نشر وحدات المعالجة الموترية (TPUs) من الجيل التالي.
وحدات المعالجة الموترية هي رقائق ذكاء اصطناعي مخصصة مصممة بواسطة Broadcom و Alphabet، لذا فإن رؤية هذين الشريكين يوسعان شراكتهما مع Anthropic هو أمر مهم للغاية، خاصة مع نجاح بعض نماذج Anthropic.
هل سيخلق الذكاء الاصطناعي أول ملياردير في العالم؟ أصدر فريقنا للتو تقريرًا عن شركة واحدة معروفة قليلاً، تسمى "احتكار لا غنى عنه" توفر التكنولوجيا الحيوية التي تحتاجها كل من Nvidia و Intel. تابع »
ومع ذلك، فإن هذا يترك علامة استفهام كبيرة فيما يتعلق بأكبر شركة في العالم: Nvidia (NASDAQ: NVDA). كانت Nvidia تُعتبر عادةً الخيار الأفضل لتدريب نماذج الذكاء الاصطناعي، حيث لا يوجد منافس لوحدات معالجة الرسومات الخاصة بها والنظام البيئي المحيط بها. مع نشر Anthropic لوحدات المعالجة الموترية، هل قالت Alphabet و Broadcom "كش ملك" لـ Nvidia من خلال هزيمتها في لعبتها الخاصة؟ دعنا نلقي نظرة.
تعد Broadcom النجم الصاعد في مجال حوسبة الذكاء الاصطناعي. إنها تتبع نهجًا فريدًا في هذا المجال من خلال تقديم رقائق ذكاء اصطناعي مصممة وفقًا لمواصفات العملاء. تُعد وحدة المعالجة الموترية (TPU) الخاصة بـ Alphabet و Broadcom أفضل مثال على هذا التعاون، وهناك العديد من شركات الذكاء الاصطناعي العملاقة الأخرى التي من المقرر أن تطلق رقاقة مخصصة مصممة بواسطة Broadcom في السنوات القليلة المقبلة.
رأت Broadcom كل هذا قادمًا وأبلغت المستثمرين خلال أحدث مكالمة أرباح لها أنها ترى نموًا هائلاً في المستقبل.
في نهاية الربع الأول من السنة المالية (FY) 2026 (المنتهي في 1 فبراير)، بلغ إيرادات Broadcom من أشباه الموصلات للذكاء الاصطناعي 8.4 مليار دولار، بزيادة 106٪ على أساس سنوي. تُعد رقائق الذكاء الاصطناعي المخصصة جزءًا من هذه المجموعة، لكن الرئيس التنفيذي لشركة Broadcom، هوك تان، يعتقد أن رقائق الذكاء الاصطناعي المخصصة وحدها ستدر أكثر من 100 مليار دولار من الإيرادات بحلول نهاية عام 2027. هذا نمو مزدهر، وسيؤدي إلى أن تكون Broadcom واحدة من أفضل استثمارات الذكاء الاصطناعي في السنوات القليلة المقبلة.
ما هو أقل وضوحًا هو التأثير الذي ستحدثه على Alphabet. من غير المعروف مقدار ما ستجنيه Alphabet من بيع كل وحدة من وحدات الحوسبة هذه وأين سيتم حسابها في نتائج Alphabet. قد تظهر في Google Cloud، التي قدمت بالفعل نموًا قويًا في الإيرادات. في الربع الرابع، زادت إيرادات Google Cloud بنسبة 48٪ على أساس سنوي، وهو ارتفاع حاد عن نمو الربع الثالث البالغ 34٪. إذا رأينا إيرادات Google Cloud تستمر في التسارع بسرعة، فأعتقد أن مبيعات وحدات المعالجة الموترية هذه ستُعزى إليها الكثير من الفضل.
ولكن ماذا يعني هذا بالنسبة لـ Nvidia؟
الحقيقة هي أن قدرة الحوسبة الخاصة بـ Nvidia من المحتمل أن تكون مباعة بالكامل، أو قريبة من البيع بالكامل، حتى عام 2027. لذلك، احتاجت Anthropic إلى الوصول إلى المزيد من قوة الحوسبة وتحولت إلى Alphabet و Broadcom لتوفيرها.
في نفس البيان الصحفي، أشارت Anthropic إلى أنها تستخدم ثلاث رقائق لتدريب نماذج الذكاء الاصطناعي التوليدي Claude الخاصة بها: وحدات المعالجة الموترية (TPUs) من Google، ووحدات معالجة الرسومات (GPUs) من Nvidia، ورقائق Amazon Trainium (المصممة خصيصًا بواسطة Amazon). لذا، لمجرد أن Anthropic أصدرت إعلانًا بشأن زيادة صفقتها مع Broadcom و Alphabet لا يعني أنها تبتعد عن Nvidia تمامًا.
سيكون هذا خطأً غبيًا على أي حال، لأنه إذا كانت Anthropic مقيدة باستخدام وحدات المعالجة الموترية (TPUs) من Broadcom و Alphabet، فإن هاتين الشركتين سيكون لديهما قوة تسعير غير محدودة تقريبًا، حيث سيكون من الصعب جدًا التغيير. من خلال الحفاظ على نهج استخدام متوازن، يمكن لـ Anthropic الحفاظ على جميع موردي وحدات الحوسبة الخاصة بها تحت السيطرة.
لم تؤثر أي من هذه الأخبار على توقعات نمو Nvidia. لا يزال محللو وول ستريت يتوقعون نموًا في الإيرادات بنسبة 79٪ خلال الربع القادم و 71٪ للسنة المالية بأكملها. هذه معدلات نمو هائلة تشير إلى الطلب على منتجات Nvidia.
لا تزال Nvidia خيارًا استثماريًا رائعًا في مجال الذكاء الاصطناعي، ولكن البدائل الأخرى منطقية أيضًا. أعتقد أن مجموعة الذكاء الاصطناعي ستعود بقوة هذا العام، مما يجعلها أسهمًا ذكية للشراء الآن بينما لا تزال منخفضة عن أعلى مستوياتها على الإطلاق.
قبل شراء أسهم Alphabet، ضع في اعتبارك هذا:
حدد فريق المحللين في Motley Fool Stock Advisor للتو ما يعتقدون أنه أفضل 10 أسهم للمستثمرين للشراء الآن... ولم تكن Alphabet واحدة منها. يمكن للأسهم العشرة التي تم اختيارها أن تحقق عوائد هائلة في السنوات القادمة.
ضع في اعتبارك عندما دخلت Netflix هذه القائمة في 17 ديسمبر 2004... إذا استثمرت 1000 دولار في وقت توصيتنا، لكنت قد حصلت على 555,526 دولارًا! أو عندما دخلت Nvidia هذه القائمة في 15 أبريل 2005... إذا استثمرت 1000 دولار في وقت توصيتنا، لكنت قد حصلت على 1,156,403 دولارًا!
الآن، تجدر الإشارة إلى أن إجمالي العائد المتوسط لـ Stock Advisor هو 968٪ — وهو أداء يفوق السوق مقارنة بـ 191٪ لمؤشر S&P 500. لا تفوت أحدث قائمة أفضل 10، المتاحة مع Stock Advisor، وانضم إلى مجتمع استثماري بناه مستثمرون أفراد لمستثمرين أفراد.
عائدات Stock Advisor اعتبارًا من 14 أبريل 2026.*
كيتين دروري لديه مراكز في Alphabet و Amazon و Broadcom و Nvidia. تمتلك The Motley Fool مراكز وتوصي بـ Alphabet و Amazon و Broadcom و Nvidia. لدى The Motley Fool سياسة إفصاح.
تعكس الآراء ووجهات النظر المعبر عنها هنا آراء ووجهات نظر المؤلف ولا تعكس بالضرورة آراء ووجهات نظر Nasdaq, Inc.
أربعة نماذج AI رائدة تناقش هذا المقال
"This is a Broadcom story, not an Nvidia-killer story — AVGO's custom silicon pipeline, if even partially realized, represents a revenue doubling event by 2027 that the market may be underweighting."
The headline is deliberately provocative but the article itself quietly buries the lede: Anthropic is *adding* TPUs to a multi-vendor stack, not replacing Nvidia. The real story is Broadcom (AVGO). Hock Tan's $100B custom AI chip revenue projection by end-2027 is extraordinary — AVGO's entire FY2025 revenue was ~$51B, so that figure implies custom silicon alone could exceed total current revenue. At ~28x forward earnings, AVGO is pricing in significant growth, but if even two or three hyperscaler custom chip programs hit scale simultaneously, the upside math is compelling. The Alphabet angle is murkier — TPU economics inside Google Cloud are opaque and may not move the needle on GOOGL's $350B revenue base.
Broadcom’s $100B projection is CEO guidance, not independent verification — Hock Tan has incentive to hype the TAM, and custom chip timelines routinely slip by 12-24 months. More critically, if Nvidia's Blackwell supply loosens by 2027, hyperscalers may deprioritize the integration complexity of custom silicon and revert to GPUs.
"The rise of custom silicon like TPUs represents a transition from a GPU-monopoly to a fragmented ASIC market where Broadcom acts as the primary arms dealer."
The 'checkmate' narrative is hyperbole, but the structural shift is real. Anthropic’s 2027 commitment to TPUs highlights a move toward ASIC (Application-Specific Integrated Circuit) dominance for mature models. Broadcom (AVGO) is the real winner here, capturing high-margin custom silicon revenue without the overhead of maintaining a software ecosystem like Nvidia's CUDA. While Nvidia (NVDA) remains the king of general-purpose training, the 'diversified compute' strategy used by Anthropic—utilizing Google TPUs, Amazon Trainium, and Nvidia GPUs—proves that hyperscalers are successfully commoditizing the hardware layer to break Nvidia's pricing power. Alphabet (GOOGL) gains vertically, reducing its own CapEx while locking in cloud tenants.
If Nvidia’s upcoming Blackwell or Rubin architectures achieve significantly higher energy efficiency than custom ASICs, the cost-savings argument for TPUs evaporates, leaving Anthropic stuck on inferior hardware. Furthermore, the complexity of maintaining codebases across three different chip architectures could create a 'software tax' that outweighs any hardware discount.
"Broadcom’s TPU win with Anthropic materially improves Broadcom’s long-term AI TAM but does not constitute an immediate or guaranteed checkmate of Nvidia because software ecosystem, capacity, and switching costs preserve Nvidia’s dominance through at least the medium term."
This news is meaningful but not a knockout blow to Nvidia. Anthropic expanding TPUs with Alphabet/Broadcom validates custom ASICs as a meaningful alternative at hyperscaler scale and is a long-term positive for Broadcom (AVGO) and Google Cloud. But the timeline (deployment beginning 2027), Anthropic’s continued use of Nvidia GPUs and Amazon Trainium, and the immense software/ecosystem advantage Nvidia enjoys (CUDA, libraries, model hubs) mean Nvidia is unlikely to lose leadership in the 2024–2027 window. Key risks the article downplays: execution risk on tapeouts/yields, unclear revenue/margin capture for Alphabet, and the high switching costs of porting large models and toolchains away from Nvidia.
If Broadcom+Alphabet deliver superior performance-per-dollar at scale and hyperscalers adopt custom ASICs en masse, Nvidia could face accelerating share loss and downward pricing pressure well before 2027.
"Custom chip deals like Anthropic's TPUs signal a structural shift eroding Nvidia's monopoly pricing power beyond 2027."
Anthropic's 2027 TPU rollout with AVGO and GOOG highlights accelerating custom silicon momentum, backing Broadcom CEO Hock Tan's forecast of >$100B annual custom AI chip revenue by 2027 (from $8.4B total AI semis in Q1 FY2026, up 106% YoY). This diversifies hyperscaler capex away from NVDA GPUs, curbing Nvidia's pricing power long-term as multi-vendor strategies like Anthropic's (TPUs + GPUs + Trainium) proliferate. Article downplays TPU efficiency edges in inference/training; if confirmed, NVDA margins compress. Bullish AVGO execution, GOOG Cloud (Q4 +48%), neutral-short-term/ bearish-long-term NVDA.
Nvidia's CUDA ecosystem imposes huge switching costs, keeping it indispensable for diverse AI workloads even as custom chips handle specific tasks, with capacity sold out through 2027 sustaining near-term dominance.
"Hock Tan's $100B figure is likely a cumulative multi-year target, not an annual run-rate, and treating it as near-term validation of AVGO's trajectory overstates the certainty of the underlying contract pipeline."
Grok's $100B projection framing needs scrutiny: Hock Tan's figure is a cumulative revenue target across multiple customers over several years, not an annual run-rate by 2027 — conflating it with AVGO's current $8.4B quarterly AI semis implies a trajectory that may be mathematically impossible without 3-4 additional hyperscaler wins at massive scale. Before treating this as validation, someone should ask: how many signed contracts actually underpin that number versus pipeline speculation?
"The operational complexity of a multi-vendor hardware strategy may outweigh the unit-cost savings of custom silicon."
Claude is right to scrutinize Hock Tan’s $100B, but everyone is ignoring the 'software tax' Gemini briefly mentioned. Porting Claude to TPUs, Trainium, and Blackwell simultaneously creates a massive R&D drag. Anthropic isn't just buying chips; they are tripling their engineering overhead to maintain three separate compiler stacks. If this fragmentation slows their model release velocity, the hardware savings are a rounding error compared to the lost market share in the LLM arms race.
"Interconnect, storage IO, and cluster redesign costs—not just software porting—are the primary hidden barrier to moving large-scale training to TPUs/ASICs."
Gemini flagged a 'software tax,' but that's not the gravest hidden cost — interconnect and IO become the dominant bottleneck when switching architectures. Porting models is heavy but tractable via XLA/ONNX and in-house compiler work; the real capital and time sink is redesigning clusters (host memory, network fabric, storage throughput) to sustain TPU/ASIC-scaled training, which can erase anticipated cost-per-token gains and delay production timelines.
"Google's mature TPU interconnects undermine claims of massive cluster redesign costs for Anthropic."
ChatGPT fixates on interconnect bottlenecks, but Google's TPU v5p pods already interconnect 8,960 chips at 1.2 Tbps ICI bandwidth with proven scalability to 100k+ chips—no full cluster redesign needed for Anthropic. Unmentioned: TPU power efficiency (2x NVDA on inference) could force NVDA pricing concessions sooner if Blackwell yields disappoint, compressing margins before 2027.
The panel agrees that Anthropic's expansion of TPUs with Alphabet and Broadcom validates custom ASICs as a meaningful alternative at hyperscaler scale, benefiting Broadcom and Google Cloud. However, the timeline (2027 deployment) and continued use of Nvidia GPUs and Amazon Trainium suggest Nvidia's leadership is unlikely to be challenged in the near term.
Accelerating custom silicon momentum and diversifying hyperscaler capex away from NVDA GPUs
Execution risk on tapeouts/yields and unclear revenue/margin capture for Alphabet