英伟达卖出了史上最赚钱的芯片，却养出了一桌最有钱、也最有动机绕开它的客户。

2026 年 6 月 3 日，博通公布 2026 财年第二季度财报：单季营收 222 亿美元、同比增长 48%，其中来自 AI 的半导体收入 108 亿美元、同比暴涨 143%，约占总营收的一半；经营利润率 67%，创历史新高，AI 芯片在手订单（backlog）超过 300 亿美元。[1][2]

这笔钱大半来自一件事：替谷歌、Meta、OpenAI 这些英伟达的头号大客户，设计并代工他们「自己的」AI 芯片。于是出现了一个耐人寻味的悖论——同一周里，英伟达刚交出数据中心单季 752 亿美元、同比 +92% 的纪录级财报，[9] 可它最大的几个买家，正一边下单买 GPU、一边掏钱造能替代 GPU 的芯片。

「读懂老黄」决定用「五层蛋糕」框架，把这场正在发生的围剿拆清楚：缺口为什么先出现在推理这一层、围剿阵营到底有多大、以及老黄的反制是不是真能补漏。这是本站「英伟达护城河观察」系列的第一篇。

一、为什么现在写：博通财报撕开的那道口子

把博通这份财报放到产业链里看，它其实是一张「英伟达大客户出逃地图」。

博通把这些为单一客户定制的 AI 加速器称作 XPU。按第三方统计，博通已拿下定制 AI 加速器市场约 70% 的份额，背后是谷歌 TPU、Meta MTIA 等多个长期项目。[3] 也就是说，当云巨头们决定「不只用英伟达」，它们第一个找的设计伙伴，往往就是博通。

更说明问题的是博通自己的指引：下季度（Q3）AI 半导体收入预计同比增长超过 200%、达到约 160 亿美元；公司重申 2027 财年 AI 半导体收入将超过 1000 亿美元。[1] 这条曲线背后，是一整代超大规模厂商把「自研芯片」从实验项目变成了主力路线。

这就是本文要回答的问题：当最赚钱的客户纷纷绕过 GPU，英伟达那条以 GPU + CUDA 筑起来的护城河，到底有没有在漏水？

二、结论先行

一句话：护城河确实被凿了一道口子，但口子开在「推理」这一层；英伟达的应对，是一边把定制芯片「收编」进自家机架，一边赶在客户之前、先把「自己的推理 ASIC」造了出来。

拆开看：

  • 威胁是真的——博通 AI 营收一年涨 143%、订单簿超 300 亿；谷歌、OpenAI、Anthropic 都已把「非英伟达」算力做成了可规模化的现实。[1][3][5][6]
  • 但量级仍悬殊——博通整个 2027 财年的 AI 营收目标（1000 亿美元）[1]，量级上仍只相当于英伟达数据中心业务单季 752 亿、年化约 3000 亿美元的一个零头多一点。[9]
  • 战线很清楚——通用、要灵活的训练仍是 GPU 的主场；追求极致单位成本的推理，才是定制芯片（ASIC）的突破口。
  • 老黄已经在补漏——Rubin CPX 专用推理芯片 + NVLink Fusion 开放机架 + 绑定 Marvell，三招齐下。[10][12][14]

这既是护城河被侵蚀的故事，也是一家公司主动把自己「ASIC 化」以守住护城河的故事——这是本文贯穿始终的张力。

三、围剿阵营点名（数据模块）

先把「谁在自己造芯片、造到哪一步」摆成一张表。

阵营自研 / 定制芯片进度设计伙伴来源
谷歌 TPU第七代 双供应：训练版（代号 Sunfish）+ 推理版（代号 Zebrafish）；出货量 2026 年约 430 万颗、2028 年预计超 3500 万颗博通（训练）/ 联发科（推理）/ Marvell[3][4]
OpenAI与博通合作 10GW 自研加速器，OpenAI 负责设计、博通负责系统与网络；采用 3nm／2nm 工艺，2026 下半年首批部署、2029 完成博通[5]
Anthropic最多 100 万颗 TPU、超 1GW 算力（2025-10）；2026-04 进一步签下 5GW 下一代 TPU（2027 起）；同时跨用 AWS Trainium + 英伟达 GPU + 谷歌 TPU 三套平台谷歌 / 博通[6][7]
亚马逊 / 微软 / MetaTrainium、Maia、MTIA 各自迭代，均走「自研 + 博通/Marvell 代工」路线博通 / Marvell[3]

把这张表连起来看，结论很直白：英伟达数据中心营收里占大头的超大规模客户，几乎每一家都在认真做「第二供应商」，而且第二供应商往往是自己。[3] 这不是某一家的赌气，而是一场结构性的「去单一供应商化」。

其中最有标志性意义的是 Anthropic：它把谷歌 TPU 作为训练前沿模型 Claude 的主力算力底座之一，等于公开验证了「不靠英伟达也能训出前沿大模型」这条路是走得通的。[6] 对一个长期靠「CUDA 是唯一可靠选择」立身的生态来说，这种示范效应，比任何一张订单都更刺痛。

四、为什么缺口先开在「推理」

要理解这道口子，得先分清 AI 算力的两种活：训练和推理。

  • 训练是把模型「教出来」：算法天天变、架构反复试，最吃「通用 + 灵活」。GPU 什么都能跑，叠加 CUDA 十几年积累的软件生态，这一层英伟达的优势短期难撼。
  • 推理是把训练好的模型「拿去用」：一旦模型定型、开始大规模对外服务，工作负载就变得重复、可预测。这时客户最在意的不再是灵活，而是每生成一个 token 的成本。

而定制 ASIC 的全部优势，恰恰在「重复、可预测、追求极致单位成本」的场景里。第三方测算显示，在生产级推理上，定制硅相对通用 GPU 的总拥有成本（TCO）优势可达约 65%；研究机构 TrendForce 则预计，2026 年定制芯片出货增速约 45%，而 GPU 出货增速约 16%。[8]

把这层逻辑放回「五层蛋糕」，缺口的位置就清晰了：

  • 基础设施层（infra）——当算力从「建集群、做训练」转向「铺产能、做服务」，部署的核算口径从「峰值算力」变成「单位推理成本」，定制芯片的账一下子算得过来了。
  • 模型层（models）——前沿模型逐渐定型、开源模型批量可用，「训练」的边际需求增速放缓，而「服务」的需求开始指数级放大。
  • 应用层（apps）——智能体（agentic AI）真正放量后，token 消耗是按「亿级调用」计的；在这个量级上，哪怕单 token 成本只降两三成，省下的也是天文数字。

换句话说：正是黄仁勋自己反复讲的「算力即营收（compute is revenue）」叙事走向成熟，把战场从英伟达最强的训练，推向了它相对最容易被替代的推理。 客户越是把 AI 用成生意，就越有动机为推理这道工序，配一颗更便宜的专用芯片。

五、老黄的三道反制

英伟达没有装作看不见。过去一年，它的应对可以拆成三招，而且三招都很「老黄」——核心不是把对手挡在门外，而是确保无论客户怎么选，英伟达都在那张机架里留着一个收费口。

反制一：自己先造一颗「推理 ASIC」——Rubin CPX

最直接的一招，是英伟达干脆赶在客户之前，把「专用推理芯片」自己造了出来。

2026 年，英伟达发布 Rubin CPX：一颗专为超长上下文（100 万+ token）推理优化的新型 GPU，主打 30 petaFLOPs 的 NVFP4 算力，注意力（attention）处理较上一代 GB300 NVL72 提速约 3×，计划 2026 年底上市。[10][11] 有评论一针见血：Rubin CPX 牺牲了训练的通用灵活性、换取 token 服务效率，本质上就是英伟达在客户造出自己的 ASIC 之前，先造了一颗自己的 ASIC。[13]

配合下一代 Vera Rubin 平台，英伟达对外给出的承诺是把推理成本压低约 10×——直接对着定制芯片最锋利的那把刀（TCO）去的。[13]

提示：上述「10×」「3×」均为英伟达官方或第三方评测口径的厂商目标值，独立第三方大规模实测尚未跟上，不代表本文立场，也不构成任何投资判断。

第二招更见功力。既然云巨头铁了心要用自己的 ASIC，英伟达索性推出 NVLink Fusion：一个开放的机架级平台，让客户把半定制的 ASIC 直接插进英伟达的互联与网络生态里。[12]

在这套方案里，Marvell 提供定制 XPU 与兼容 NVLink Fusion 的扩展网络，而英伟达继续供应 Vera CPU、ConnectX 网卡、BlueField DPU、NVLink 互联与 Spectrum-X 交换。[12] 翻译成大白话：就算这台机架里的「主芯片」不是英伟达 GPU，英伟达照样卖 CPU、卖网络、卖互联、收一笔「过路费」。 客户的 ASIC 越是要规模化组网，就越难绕开英伟达的机架级生态。

这正是「读懂老黄」一直强调的「占位—收租」逻辑：份额可以被蚕食，但英伟达要在每一层都留一个收费口。

反制三：把第二名拉进自己阵营——绑定 Marvell

第三招是结盟。定制芯片的另一极是 Marvell，英伟达选择投资并公开站台：黄仁勋在 Computex 2026 期间称 Marvell 有望成为「下一家万亿美元公司」。[14]

提示：「下一家万亿美元公司」是黄仁勋的个人评价、属第三方观点，不代表本文立场，本文不提供任何买卖建议或目标价。

把博通的头号竞争对手拉进 NVLink Fusion 生态，既分化了定制芯片阵营，又给英伟达自己的「收租」机架补上了关键一环。这一手的算盘很清楚：与其让定制芯片完全长在博通体系里，不如让其中一支长在英伟达的机架上。

六、量级校准与反方（防一边倒）

讲到这里，必须把天平摆正——「护城河漏水」是一个有分寸的判断，不是「帝国将倾」。

  • 量级仍然悬殊。 博通整个 2027 财年的 AI 营收目标是 1000 亿美元[1]，而英伟达单季数据中心营收已达 752 亿、年化约 3000 亿美元。[9] 即便把博通的 AI 收入全部算作「抢英伟达的蛋糕」（事实上其中相当部分是 AI 网络、并非直接替代 GPU），量级上也只是英伟达的一个零头多一点。
  • 增速快，但基数小。 定制芯片 45% 的出货增速确实远高于 GPU 的 16%[8]，但这是从一个小得多的基数起跳；高增速能维持几年、会不会随云资本开支波动而回落，仍要后续季度数据验证。
  • CUDA 生态仍是真护城河。 客户能自研芯片，不代表能轻松复制十几年沉淀的软件栈、编译器、算子库与开发者习惯。ASIC 通常只服务单一客户、单一工作负载，一旦模型架构跳变，灵活性短板就会暴露——这也是为什么训练侧至今没有被撼动。
  • 「自研」未必等于「断奶」。 Anthropic 的做法很典型：TPU、英伟达 GPU、AWS Trainium 三套并用。[6][7] 多数巨头要的是「议价权」和「第二供应商」，而非真把英伟达踢出去。

所以更准确的说法是：英伟达不会被定制芯片掀翻，但它在推理这一层「独占式」的定价权，正在被结构性地侵蚀——而定价权，恰恰是过去几年支撑其 75% 级别毛利率的关键。[9]

七、对产业链意味着什么（五层视角，不构成投资建议）

先把话说在前面：本文不构成任何投资建议，也不提供目标价。 我们只做一件事——把这场「围剿与反制」还原成产业链上的因果。

从「五层蛋糕」看，这场博弈正在重塑 chips→infra→models 三层的利益分配，可以情景化地（以下均为产业推演、非预测，第三方数据已归因）这样理解：

  • 被抬升的环节——定制芯片的设计与代工方（博通、Marvell）、以及承接 TPU／XPU 制造的代工与封装链，会随「去单一供应商化」直接受益；这从博通 AI 营收 +143%、订单簿超 300 亿已能看到旁证。[1][3]
  • 被重新定价的环节——英伟达在推理芯片上的超额定价权面临压力，这也是它主动推出 Rubin CPX、用「成本叙事」迎战的原因。[10][13]
  • 格局未变的环节——训练侧、以及机架级的 CPU／网络／互联（Vera CPU、Spectrum-X、NVLink），英伟达通过 NVLink Fusion 把「替代」转化成了「共生」，反而可能在客户用 ASIC 的同时继续收租。[12]

我们更愿意提示的是结构性问题，而非某一天的股价：当客户从「只能买英伟达」变成「能买、能租、也能自己造」，真正值得长期追踪的，不是 GPU 卖了多少，而是英伟达能不能在推理这道新战场上，把「占位」继续转化为「收租」。 这正是「英伟达护城河观察」系列接下来要持续盯的事。

八、反方与不确定性

  • 「投产」≠「放量」。 Rubin CPX 官方口径是 2026 年底上市，真实出货曲线、良率与客户采纳节奏，仍需后续季度验证。[10]
  • 自研芯片同样有兑现风险。 OpenAI 的 10GW 计划要到 2029 年才完成[5]，谷歌 TPU 的 3500 万颗出货是 2028 年的预测[4]；这些长周期目标都可能因资本开支、产能或良率而打折。
  • 厂商口径需打折看。 文中「10×」「3×」「65% TCO」等均来自厂商或第三方测算，独立大规模实测尚未跟上，应保守解读。
  • 政策与宏观变量。 出口管制、云资本开支周期都会改变这场博弈的节奏，本文未展开。

结语

Computex 之后，我们说「再用『一家 GPU 公司』概括英伟达已经不够了」。这篇可以补一句：英伟达正在亲手把自己变成一家「也卖推理 ASIC、也卖机架、也卖网络」的全栈收租者——因为它比谁都清楚，护城河最先漏水的地方在哪里。

博通们的围剿是真的，推理这道口子也是真的；但老黄显然没打算站着挨打，而是一边自造 ASIC、一边把对手的 ASIC 收进自己的机架。护城河会不会漏水，最终取决于推理这道闸守不守得住——而这，正是我们这个系列要替你长期盯住的地方。

延伸阅读