摩根大通认为，AI基础设施建设正在进入一个新的阶段，而这一阶段最显著的变化，就是云计算巨头开始大规模采用自研AI芯片（ASIC/XPU），并逐渐与Nvidia通用GPU形成双轨并行的格局。

过去几年，几乎所有AI算力都依赖Nvidia GPU，但现在情况已经发生变化。Google拥有已经发展七代的TPU架构，AWS正在加速部署Trainium系列芯片，微软推出Maia，Meta也拥有自己的MTIA路线图。几乎所有超级云厂商都已经不再满足于采购现成GPU，而是开始建立自己的芯片生态。

摩根大通预计，这一趋势将在未来两年明显加速。2026年，ASIC在全球AI芯片出货量中的占比约为42%，而到了2027年，这一比例将首次超过GPU，达到53%。换句话说，2027年将成为AI芯片市场的重要转折点，定制芯片出货量将首次超过传统GPU，AI产业也将从过去的“Nvidia独霸时代”，逐渐进入“Nvidia+ASIC双核心时代”。

更值得关注的是，ASIC的增长速度远远快于GPU。摩根大通预计，今年ASIC出货量同比增长109%，而GPU出货量增速只有39%。两者之间巨大的增长差距，意味着未来几年定制芯片将成为整个AI产业增长最快的赛道。

美股投资网获悉，从各家云厂商的部署规模来看，这种变化已经十分明显。Google TPU的出货量预计将从2026年的450万颗增加到2027年的800万颗；AWS Trainium系列芯片将从190万颗增长到330万颗；微软Maia和Meta MTIA也将开始进入大规模部署阶段。相比之下，Nvidia GPU虽然依然保持增长，但市场份额正在逐渐被分流。

摩根大通认为，Broadcom无疑是这场变革中最大的受益者。由于Broadcom深度参与Google TPU、Meta MTIA以及OpenAI定制芯片项目，摩根大通预计，到2027年Broadcom来自AI ASIC和网络业务的收入有望超过1500亿美元，相比2026年预计的600亿美元实现翻倍增长。事实上，Broadcom管理层此前已经透露，2027年在手订单规模超过1000亿美元，而摩根大通认为这一数字仍然偏保守。

不仅供应链正在发生变化，下游客户的选择也在发生改变。Anthropic的大部分算力协议已经建立在Trainium和TPU之上，而OpenAI规划中的10GW Broadcom项目，本质上也是建立在自研芯片路线的基础之上。这意味着，大模型公司越来越相信，掌握自己的芯片路线图，能够大幅改善长期运营成本，并获得更大的竞争优势。

而推动这一切发生的根本原因，并不是成本，而是电力。

摩根大通在报告中反复强调，限制数据中心扩张的最大瓶颈并不是资本，而是电力。在一个电力资源越来越紧张的时代，每瓦性能（Performance per Watt）正在成为AI时代最重要的竞争指标。

相比通用GPU，ASIC最大的优势就在于能效。由于定制芯片能够针对特定任务进行优化，去掉大量通用计算所需的冗余模块，因此能够在相同功耗下提供更高的计算性能。

例如，Google最新一代Ironwood TPU的单位功耗性能是上一代Trillium的两倍，而与2015年第一代TPU相比，效率已经提升接近30倍。在经过深度优化的工作负载下，TPU和ASIC系统甚至能够达到远高于传统GPU的性能效率。

这也是为什么摩根大通认为，电力约束最终将推动整个行业向ASIC迁移。

过去十年，Nvidia依靠通用GPU统治了AI时代的上半场；而未来十年，随着电力逐渐成为最稀缺资源，整个产业的竞争逻辑可能会发生根本变化。

谁能够在有限的电力资源下提供更高的性能，谁就有可能成为下一个时代的赢家。

因此，未来AI产业链最大的变化，或许并不是Nvidia被取代，而是整个行业将逐渐形成“Nvidia负责通用计算、Broadcom负责定制芯片”的双寡头格局。

从某种意义上说，AI产业正在经历类似智能手机时代从Intel CPU转向ARM架构的历史性转折。真正决定未来胜负的，不再只是算力规模，而是单位功耗下能够产生多少算力。电力，正在成为AI时代新的“摩尔定律”。

加入 VIP 社群，更多第一手投行资讯

VIP订阅链接（用美国的浏览器打开）：https://StockWe.com/vip