来自 Maksym Misichenko · Nasdaq ·
AI智能体对这条新闻的看法
小组一致认为，定制 ASIC 将会增长并且对人工智能推理至关重要，但其采用的速度和程度仍不确定。Nvidia 的软件生态系统和 GPU 效率对快速替代构成了重大障碍。
风险: 由于 Nvidia 的软件壁垒和 GPU 效率，向定制 ASIC 的过渡可能比预期慢，这限制了 Broadcom 和 Marvell 等无晶圆厂 ASIC 设计公司的近期重新估值。
机会: 专用于人工智能推理的专用芯片的长期增长潜力，由超大规模用户对成本和能效的需求驱动。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
Marvell和Broadcom的定制处理器对领先科技公司而言日益重要。
Broadcom和Marvell正经历由AI驱动的巨额增长，Alphabet和Microsoft等主要客户已签署协议。
台湾积体电路制造公司（TSMC）在受益于AI硬件热潮方面处于独特地位，无论哪种处理器需求旺盛。
英伟达（NASDAQ: NVDA）多年来一直是领先的人工智能（AI）股票，其股价在过去三年中飙升了600%。但该公司公布了令人印象深刻的10月份季度业绩后，发生了一件有趣的事：其股价下跌了。
这并非英伟达的错，投资者也没有理由惩罚这只股票。但在经历了漫长而令人印象深刻的上涨之后，英伟达要维持其股价的上涨势头变得越来越困难。
AI会创造出世界上第一个万亿富翁吗？我们的团队刚刚发布了一份关于一家鲜为人知的公司（被称为“不可或缺的垄断者”）的报告，该公司提供英伟达和英特尔都需要的关键技术。继续 »
一个原因可能是投资者意识到，AI热潮在英伟达的图形处理单元（GPU）主导地位之外还有更大的增长空间。特别是，定制芯片处理器正日益被视为AI硬件需求的下一代迭代。
这对Marvell（NASDAQ: MRVL）、Broadcom（NASDAQ: AVGO）和台湾积体电路制造公司（NYSE: TSM）来说是个好消息。以下是为什么这些股票可能会在英伟达股价喘息之际获得动力。
多年来，英伟达的通用GPU一直是数据中心处理器的主要形式。这些芯片非常适合通用的AI计算任务，并且可以用于广泛的人工智能应用。
但世界领先的科技公司也开始意识到，定制半导体相对于通用GPU具有一些优势。具体来说，它们可以调整处理器，使其与特定的AI模型或系统更有效地协同工作。
在竞争激烈的AI科技领域，这可能是在竞争中脱颖而出的关键。这就是为什么Marvell和Broadcom所做的事情变得越来越重要。
在公司第一季度，Broadcom面向客户的专用定制集成电路（ASIC）的销售额翻了一番，达到84亿美元。Alphabet是其主要客户，该公司最近与Broadcom签署了一项协议，允许Broadcom为Alphabet的AI数据中心扩展其为Alphabet的张量处理单元（TPU）设计的客户解决方案，直至2031年。
更多的AI销售即将到来。Broadcom管理层估计，该公司的人工智能收入到明年将达到1000亿美元。
Marvell也处于类似的位置。该公司为包括Microsoft在内的大型科技公司设计定制ASIC解决方案。该公司报告称，2026年AI驱动的强劲增长，总销售额增长42%，达到82亿美元。
Marvell也是Amazon专有Trainium芯片的关键设计合作伙伴，并且英伟达在3月份宣布将向Marvell投资20亿美元，并建立合作伙伴关系，让英伟达的客户能够访问Marvell的ASIC。这是一个例子，说明Marvell和Broadcom的定制芯片很可能会与英伟达的GPU协同工作，而不是完全取代它们，以满足AI计算需求。
如果您想从AI硬件热潮中获益——但又不想决定英伟达、Marvell还是Broadcom将是最大的赢家——那么台湾积体电路制造公司（也称为TSMC）应该是您的选择。
与这些公司不同，TSMC制造处理器。该公司在全球处理器制造业中占有70%的市场份额，在先进的人工智能处理器领域更是占有90%的市场份额。
TSMC第一季度的销售额飙升41%，达到350亿美元，净利润增长58%，每美国存托凭证（ADR）为3.49美元。管理层表示，2026年全年销售额将增长30%。
在公司最新的财报电话会议上，TSMC首席执行官C.C. Wei称AI为“大趋势”，并相信他的公司将继续利用对制造AI处理器日益增长的需求。随着科技公司仍然需要英伟达的GPU以及定制芯片，TSMC处于有利地位，可以满足所有AI处理器的需求，无论哪种处理器最终胜出。
不能保证TSMC、Broadcom和Marvell的股票在2030年前会跑赢英伟达，但我认为定制芯片的趋势给了这些公司这样做的机会。Semianalysis的最新数据显示，谷歌的TPU相对于使用英伟达的处理器，可以将计算成本降低62%。今年早些时候，微软推出了自己的定制Maia 200芯片用于AI推理，并与Marvell合作设计。微软表示，该芯片将“极大地提高AI令牌生成的经济效益”。
世界领先的AI公司Anthropic和OpenAI也在朝着定制芯片的方向发展。Anthropic已经扩大了与Broadcom的合作，从明年开始，可以访问Broadcom和谷歌TPU的3.5吉瓦。
预计定制ASIC处理器今年的增长将达到45%，而GPU在2026年的增长率为15%。随着这一转变的继续，Marvell、Broadcom和台湾积体电路制造公司可能会看到股价大幅上涨，因为投资者将搭乘下一波AI硬件浪潮。
在您购买Broadcom股票之前，请考虑以下几点：
《Motley Fool Stock Advisor》的分析师团队刚刚确定了他们认为投资者现在可以购买的10只最佳股票……而Broadcom不在其中。进入名单的10只股票在未来几年可能会产生巨额回报。
想想当Netflix于2004年12月17日登上这份名单时……如果您当时按照我们的推荐投资1000美元，您将拥有477,813美元！ 或者当英伟达于2005年4月15日登上这份名单时……如果您当时按照我们的推荐投资1000美元，您将拥有1,320,088美元！
现在，值得注意的是，Stock Advisor的总平均回报率为986%——远超标准普尔500指数208%的回报率。不要错过最新的前10名名单，该名单可在Stock Advisor上获得，并加入一个由散户投资者为散户投资者建立的投资社区。
Stock Advisor截至2026年5月25日的回报。
Chris Neiger未持有任何提及股票的头寸。Motley Fool持有并推荐Alphabet、Broadcom、Marvell Technology、Nvidia和Taiwan Semiconductor Manufacturing的股票。Motley Fool有披露政策。
此处表达的观点和意见是作者的观点和意见，不一定反映Nasdaq, Inc.的观点和意见。
四大领先AI模型讨论这篇文章
"Nvidia 的生态系统壁垒和 TSMC 的集中风险使得定制芯片组合到 2030 年跑赢的可能性低于文章的建议。"
该文章正确地指出了超大规模用户对定制 ASIC 的需求正在加速，Broadcom 的人工智能收入轨迹以及 Marvell 的微软/亚马逊设计获胜为 2031 年提供了具体的收入可见性。然而，它低估了 Nvidia 通过其 DGX Cloud 和 CUDA 软件锁定来捕获 ASIC 相关工作负载的能力，以及 TSMC 2026 年 30% 的销售增长已计入 30 倍以上的远期市盈率。TSMC 的地缘政治集中风险以及随着更多设计转向内部可能出现的利润率压缩仍未解决，这限制了到 2030 年相对于 Nvidia 持续跑赢的可能性。
即使 Nvidia 保留了软件主导地位，到 2030 年，定制 ASIC 仍可能侵蚀其数据中心 TAM 的 20-30%，因为成本敏感的推理工作负载将转移，从而限制了 NVDA 的市盈率扩张，同时提升了 AVGO 和 MRVL 的市盈率。
"定制 ASIC 的增长是真实的，但文章没有提供任何估值证据表明 AVGO 或 MRVL 到 2030 年的增长会超过 NVDA，因为两者都面临利润率压缩，而 Nvidia 可以大规模进入定制芯片市场。"
文章混淆了两个独立趋势，但未能证明替代关系。定制 ASIC *将会*增长——这是真实的。但 45% 的 ASIC 增长与 15% 的 GPU 增长的比较具有误导性：两者都可以同时增长。更关键的是：文章引用了 2026 年的数据，就好像它是当前数据一样，然后以零估值框架预测到 2030 年。TSMC 90% 的人工智能芯片制造份额是真实的，但 AVGO 和 MRVL 是无晶圆厂设计公司——它们无法获得制造利润。真正的问题不是定制芯片是否存在；而是当 TSMC 已经消化了人工智能的繁荣，而 NVDA 的毛利率（70%+）远远超过它们（约 50-55%）时，AVGO/MRVL 能否维持 20%+ 的每股收益增长。
如果定制芯片在成本和效率方面真正优于 GPU，Nvidia 也可以设计定制芯片——并且拥有比 AVGO 或 MRVL 更快的扩展速度所需的现金、人才和客户关系。文章假设这些公司拥有定制芯片的未来；它们可能只是其中的分包商。
"从人工智能模型训练到大规模推理的转变将从结构上有利于定制 ASIC 而不是通用 GPU，从而将价值捕获从硬件无关的芯片转移到定制调优的芯片。"
向定制芯片 (ASIC) 的转变是结构性的现实，而不仅仅是一种趋势。虽然 Nvidia 在通用训练方面占主导地位，但人工智能的“推理”阶段——那里有真正的长期销量——需要 Broadcom 和 Marvell 提供的能效和成本优化。Broadcom 集成到超大规模用户堆栈（Google、Meta）中，形成了一个 Nvidia 以 GPU 为中心的模型所缺乏的防御性壁垒。TSMC 仍然是终极的“淘金热”投资，但投资者必须考虑台湾固有的地缘政治风险溢价。文章正确地指出了向每代币成本效率的转变，这有利于专用芯片而不是“一刀切”的 GPU 方法，使得 AVGO 和 MRVL 成为有吸引力的长期复合增长者。
该论点忽略了 Nvidia CUDA 生态系统的“软件锁定”效应，这使得切换到定制芯片对开发人员来说存在巨大的工程和迁移风险。如果人工智能模型继续快速发展，GPU 的灵活性可能比固定功能的 ASIC 的效率更有价值。
"在未来 4-6 年内，定制 ASIC 将带来有意义的成本和效率提升，即使 Nvidia 仍然是核心参与者，也可能使市场领导地位转向 Broadcom、Marvell 和 TSMC。"
文章认为，由于人工智能硬件转向定制 ASIC，Broadcom、Marvell 和 TSMC 到 2030 年的表现将优于 Nvidia。这一论点有其道理：定制芯片可以针对特定模型和工作负载进行优化，主要客户也在推动成本和效率的提高。然而，Nvidia 的 GPU 生态系统——软件、工具和可扩展部署——仍然是一个强大的壁垒，这意味着完全转向定制芯片的过程可能比声称的要慢且渐进。其他风险包括乐观的人工智能采用率、资本支出周期、潜在的供应限制以及可能扰乱制造的台湾地缘政治风险。估值可能已经反映了有利的人工智能硬件重新定价，因此上涨潜力取决于切实的采用里程碑。
Nvidia 的生态系统根深蒂固，并且能够大规模地调整运营；到 2030 年的窗口期内，向定制 ASIC 的迁移可能是渐进式的，而不是替代性的，这削弱了该论点。
"Nvidia 的季度软件迭代优于 18 个月的 ASIC 周期，限制了 AVGO/MRVL 在推理领域的份额增长。"
Gemini 声称推理量有利于 AVGO 和 MRVL 的效率，这忽略了 Nvidia 的 Blackwell 路线图已经通过软件调整瞄准了低于 200W 的推理代币。与 TSMC 的 ASIC 设计周期仍为 18 个月以上；Nvidia 每季度发布 CUDA 更新，超大规模用户无需进行新的芯片设计即可采用。这种速度差距使得大多数推理工作负载在 2028 年之前都保留在 GPU 上，从而抑制了无晶圆厂 ASIC 设计公司的任何重新估值。
"一旦定制芯片被证明并摊销，软件的敏捷性就无法克服推理工作负载的经济性。"
Grok 混淆了设计周期速度与部署现实。是的，Nvidia 每季度发布 CUDA 更新——但超大规模用户在验证推理准确性和每代币成本与已生产的定制芯片相比之前不会采用它们。微软的 Maia 和 Google 的 TPU 没有因流片延迟而推迟；它们之所以能够发布，是因为效率差异证明了工程投入的合理性。Nvidia 的季度节奏对训练很重要；一旦验证，推理经济学有利于固定芯片。
"目前，GPU 的可用性和上市速度超过了定制 ASIC 为超大规模用户带来的边际效率提升。"
Claude，你忽略了“推理”转变的资本密集度。虽然你认为定制芯片是不可避免的，但你忽略了超大规模用户目前正在向 Nvidia GPU 投入数十亿美元，正是因为他们无法等待 Grok 提到的 18 个月的 ASIC 验证周期。我们看到的是“足够好”的激增，原始 GPU 的可用性胜过了定制芯片的边际效率。在 TSMC 的 CoWoS 产能不再是主要瓶颈之前，ASIC 的转型是次要的增长动力，而不是主要的。
"软件锁定和端口迁移成本将减缓向定制芯片的迁移，使 Nvidia GPU 在推理领域的统治地位比市场预期的更长久。"
Gemini 强调“推理效率”作为唯一驱动因素，存在低估软件壁垒的风险。即使 AVGO/MRVL 提供较低的每代币成本，超大规模用户也面临 CUDA/CuDNN 依赖、模型优化和工具熟悉度等问题，这些都会减缓迁移。Nvidia 的生态系统可以摊销资本，并通过 DGX Cloud 等软件调整和云选项捕获新的推理工作负载，从而使过渡在 2028-29 年期间保持渐进式，并限制 AVGO/MRVL 的近期重新估值。
小组一致认为，定制 ASIC 将会增长并且对人工智能推理至关重要，但其采用的速度和程度仍不确定。Nvidia 的软件生态系统和 GPU 效率对快速替代构成了重大障碍。
专用于人工智能推理的专用芯片的长期增长潜力，由超大规模用户对成本和能效的需求驱动。
由于 Nvidia 的软件壁垒和 GPU 效率，向定制 ASIC 的过渡可能比预期慢，这限制了 Broadcom 和 Marvell 等无晶圆厂 ASIC 设计公司的近期重新估值。