慧博投研报告指出，云厂商自研ASIC正成为AI芯片增量最核心的来源。博通预计到2027年其三大客户的数据中心相关XPU与网络市场总规模达600-900亿美元。Marvell预测2028年全球数据中心资本开支超1万亿美元，其中XPU及附件投资达2210亿美元。谷歌、亚马逊、微软、Meta四大云厂商已全面布局自研ASIC，定制芯片正从“补充方案”走向“核心力量”。
云厂商自研ASIC的底层逻辑
云厂商自研ASIC的驱动力可归结为成本、灵活性和生态控制三个维度。成本方面，英伟达4Q24毛利率已达73%，外采GPU的成本压力持续加大。自研加速卡帮助云商在有限的资本开支下获得更多AI算力，据测算Trainium 2芯片单价约4400美元（毛利率47%-53%），远低于H100的约18000美元【7†L8-L12】。灵活性方面，云厂商可根据自身模型训练和推理需求进行芯片和服务器架构的定制化设计。生态控制方面，自研芯片使云厂商能够构建从芯片到框架到应用的全栈AI能力，减少对外部供应商的依赖。
云厂商自研ASIC的优势在实际部署中已得到验证。谷歌已建立超100000个TPU v6 Trillium芯片的算力集群【7†L6-L10】。亚马逊Trn2实例价格效能比目前一代GPU型EC2 P5e和P5en实例更好30-40%【7†L8-L10】。苹果已使用亚马逊Inferentia和Graviton芯片服务于Siri、Apple Maps和Apple Music等核心业务【7†L8-L10】。博通表示定制加速器需与客户协同开发，通过“硬件与软件端到端优化”提升大语言模型性能，形成差异化竞争力【7†L4-L7】。
ASIC设计服务产业链与竞争格局
ASIC产业链包含上游设计、中游制造及下游云厂商应用三个环节。设计环节包括前端设计（功能架构、RTL编程、逻辑综合）和后端设计（版图布局、时钟树综合、时序优化、物理验证）【7†L4-L7】。系统厂商自研AI ASIC芯片时通常与芯片设计厂商合作，再交由台积电等晶圆代工厂制造。从0到1的初代产品推出通常需要两年以上研发周期【7†L4-L7】。
博通凭借丰富经验和领先IP产品组合稳居行业龙头——在定制化芯片领域已有三十余年经验，通过关键IP领先设计能力奠定在网络和无线领域的重要地位【7†L4-L7】。博通25Q2 AI半导体收入超44亿美元（同比+46%），连续9个季度增长【7†L4-L7】。Marvell在过去25年间已交付超2000款定制化ASIC，充分利用5nm和3nm数据基础设施IP产品组合【7†L4-L7】。AIchip专注后端设计服务，在7nm、12nm、16nm制程节点上具备丰富经验，与美国CSP客户（亚马逊、英特尔）合作推出Trainium 1、Inferentia等芯片【7†L4-L7】。GUC专注后端设计服务并拥有部分自研IP，已实现基于台积电3nm与CoWoS技术ASIC芯片的成功流片【7†L4-L7】。
四大云厂商ASIC战略全景
谷歌是ASIC自研的先驱和领导者。从2015年TPU v1到2025年TPU v7 Ironwood，谷歌保持约每1-2年迭代一代的节奏【7†L6-L10】。Ironwood每芯片4614 TFLOPS、192GB HBM，最大集群42.5 Exaflops【7†L6-L10】。谷歌已改变此前仅与博通合作的单一供应链模式，新增联发科形成双供应链布局【7†L6-L10】。
亚马逊布局最为全面。Inferentia系列专注推理（Inferentia 2提供380 TFLOPS INT8算力），Trainium系列专注训练【7†L8-L10】。Trainium 3采用3nm制程，性能较上一代提升2倍【7†L8-L10】。微软Maia100算力超A100 28%，下一代Maia v2由GUC负责后端设计及量产交付【7†L8-L10】。Meta MTIA v2 INT8算力达354 TFLOPS（较v1提升3.5倍），计划2026年推出MTIA v3并扩展至训练任务【7†L8-L10】。国内方面，华为昇腾、寒武纪、百度昆仑芯、阿里含光800等也在加速ASIC布局【7†L8-L10】。
云厂商自研ASIC战略对比| 云厂商 | 代表芯片 | 最新进展 | 战略定位 |
|---|
| 谷歌 | TPU v7 Ironwood | 4614 TFLOPS，42.5 Exaflops集群 | 全栈自研，训练+推理 |
| 亚马逊 | Trainium 3 | 3nm制程，性能提升2倍 | 训练+推理双线布局 |
| 微软 | Maia 100/v2 | 超A100 28%，v2由GUC负责 | Azure AI工作负载 |
| Meta | MTIA v2/v3 | 354 TFLOPS INT8，v3扩展训练 | 推荐系统+训练 |
