博通（Broadcom）於9月3日釋出第三季度財報，營收、利潤和現金流均創歷史新高。其中，營收達296億美元，同比暴漲86%；AI半導體收入167億美元，同比飆升221%。這一業績背後，是谷歌、Meta、OpenAI、Anthropic等大模型巨頭紛紛將定製AI晶片業務交給博通，形成一股對抗輝達壟斷的集體自研浪潮。
博通原本以網路交換晶片聞名，如今已轉型為AI晶片設計總包商，為多家科技巨頭提供定製晶片設計服務。其客戶名單幾乎囊括了全球最頂尖的AI公司，訂單量激增，業務應接不暇。
谷歌自研晶片起步最早，2016年便公開第一代TPU（張量處理單元），專為機器學習和TensorFlow設計。到2026年，谷歌已推出第八代TPU，並首次分為訓練和推理兩款專用晶片：TPU 8t面向大規模訓練，TPU 8i面向後訓練、強化學習和低延遲推理。更值得注意的是，谷歌不僅自用，還計劃對外出售。2026年5月，谷歌與黑石集團成立50億美元合資公司，推動TPU商業化。此外，Anthropic與谷歌簽署了2000億美元的長期採購協議，核心採購谷歌TPU而非輝達GPU，這被視為頂級AI公司首次大規模、長週期地“拋棄”輝達算力。
Meta則採取雙線策略。一方面與博通合作開發MTIA系列晶片，其中MTIA 300已投入生產，主要用於內容推薦和排序；計劃2027年初推出MTIA 400，年底推出MTIA 500，全面轉向生成式AI推理。另一方面，2026年2月，Meta與AMD簽署可能高達上千億美元的半定製晶片合作協議，AMD甚至向Meta發行認股權證，雙方深度繫結。
OpenAI則拿出了實物晶片。2025年宣佈與博通合作，2026年推出首款推理晶片Jalapeño（墨西哥辣椒），由台積電3nm工藝代工。早期測試顯示其每瓦效能大幅優於輝達當前最先進系統，推理成本可降低約50%。從設計到流片僅耗時9個月，計劃2026年底大規模量產，下一代產品預計2028年推出，此後每年迭代。
Anthropic的路線與眾不同，它並未公開完全自研的品牌晶片，而是同時使用輝達GPU、谷歌TPU和AWS Trainium。不過，2026年8月5日，Anthropic成立內部晶片設計團隊，專門設計適配Claude的定製晶片，並從OpenAI和谷歌挖角硬體人才，包括谷歌TPU之父Amir Salek。其算力部署計劃宏大：2026年1GW，2027年5GW，2028年10GW，如此規模若無自研晶片支撐，成本將難以承受。
亞馬遜早已將自研晶片做成大生意。2020年釋出Trainium，現已迭代至Trainium3，2027年將推進到Trainium4。Trainium4尚未上市，未來產能已被客戶提前鎖定。截至2026年，亞馬遜披露的Trainium相關未來收入承諾累計超過2250億美元，並稱其自研晶片業務已躋身全球前三大數據中心晶片業務。
微軟也於2026年1月釋出Maia 200推理晶片，已部署在美國資料中心，驅動OpenAI最新模型和自家Copilot服務。
國內方面，華為昇騰、阿里真武、百度崑崙芯等自研晶片也在推進，字節跳動亦有相關傳聞，但騰訊尚未明確動作。外媒還爆料DeepSeek和智譜等新銳大模型公司有造芯傳聞，但均未獲正面確認。
為何大模型公司不滿足於購買輝達GPU，轉而定製晶片？核心原因有三：
其一，省錢。輝達GPU通用靈活但價格昂貴，且並非適合所有推理場景。定製晶片可針對自家模型的注意力計算、KV Cache、低精度格式和記憶體頻寬最佳化。以OpenAI的Jalapeño為例，其專門針對推理最佳化，效能優於輝達GB300。當晶片採購量達數十萬顆、日呼叫量達十億級別時，每節省一分錢乘以十億，就是數十億美元的利潤差。
其二，奪權。輝達佔據全球74%的AI晶片市場，並掌握CUDA軟體生態。完全依賴輝達，大模型公司只能跟隨其產品節奏。自研晶片則可將模型、編譯器、網路和資料中心協同設計，讓硬體跟隨模型演進，而非讓模型遷就現有GPU。谷歌已跑通此模式。
其三，保命。避免算力命脈掌握在單一供應商手中。一旦高階GPU缺貨、漲價或受出口政策影響，模型訓練和產品擴張都可能受阻。定製晶片雖不能完全替代GPU，但能增加算力來源，提高議價能力和供應鏈韌性。尤其對國產大模型公司，高階GPU對華出口受限，供應鏈斷供是生死變數。
博通定製晶片業務的暴漲，本質上是所有玩家在算三筆賬：省錢的經濟賬、奪權的戰略賬、保命的生存賬。這場算力自主化的浪潮，正在重塑AI晶片競爭格局。