在AI芯片的竞争上上，博通近期可谓是一颗耀眼的明星。上周五美股博通大涨 24.43%，市值冲破万亿美元大关，本周一又延续涨势，股价上扬 11.21%，市值高达 1.17 万亿美元。这一切的背后，是其超预期的财报以及市场对 AI 定制芯片持续高涨的热情。即便周二美股芯片股普遍下跌，博通回调 3.91%，但其收盘市值仍稳稳站在 1.1 万亿美元之上。
博通崛起：ASIC 阵营的先锋
在 AI 领域的芯片竞争中，博通专注于定制或专用集成电路（ASIC）以及以太网网络部件，与三家大型云厂商携手合作开发定制 AI 芯片。与通用的 GPU 不同，ASIC 更具专用性，谷歌、Meta、亚马逊等云厂商纷纷站在了 ASIC 阵营，而 GPU 阵营则以英伟达和 AMD 为代表。博通股价的飙升，或许只是 ASIC 向 GPU 阵营发起反攻的前奏。如今，ASIC 领域创业热潮涌动，创业公司们正在全球范围内积极寻觅客户，一场通用与专用芯片的阵营之争已经拉开帷幕。不过，在 AI 最终形态尚未定型之前，GPU 和 ASIC 恐怕难以完全相互取代，这场博弈的结果未必是一方胜出另一方落败。
云厂商助力：谁在成就博通们？
英伟达在 GPU 领域长期占据霸主地位，光芒太过耀眼，以至于人们常常忽略了云厂商们在芯片研发上的默默努力。实际上，云厂商自研的 ASIC 芯片渗透率远超想象。ASIC 包含多种类型芯片，如谷歌的 TPU、Meta 的 MTIA v2、亚马逊的 Trainium 等。这些云厂商虽不对外销售芯片，但早已在自家数据中心大规模部署 ASIC 芯片并不断扩大其应用范围。
以谷歌为例，TechInsights 数据显示，去年谷歌已悄然成为全球第三大数据中心处理器设计公司。亚马逊则通过投资 OpenAI 的竞争对手 Anthropic，加深与该公司的合作，Anthropic 采用亚马逊的 Trainium 芯片，亚马逊还在积极建设更多产能以满足其他客户需求。定制芯片厂商博通、Marvell 的相关订单正是来源于这些云厂商。博通与谷歌、Meta 合作定制 ASIC 芯片，摩根大通分析师预测，Meta 有望成为下一个为博通带来 10 亿美元收入的 ASIC 客户。亚马逊则与 Marvell 达成合作，本月初双方签署了为期五年的协议，旨在扩大在 AI 和数据中心连接产品方面的合作，助力亚马逊部署半导体产品组合和专用网络硬件。
从业绩上看，博通在 2024 财年收入同比增长 44%，达到 516 亿美元的创纪录水平，其中人工智能收入同比增长 220%，达 122 亿美元，推动半导体收入达到 301 亿美元。博通还展望 2025 财年第一季度收入同比增长 22%。Marvell 本月发布的 2025 财年第三季度财报显示，该季度营收 15.16 亿美元，同比增长 7%，环比增长 19%，且预测下一季度营收仍将环比增长 19%，公司表示业绩增长主要得益于定制 AI 芯片项目，预计 2026 财年需求依然强劲。除了上述云厂商，OpenAI、苹果等也传出与 ASIC 定制芯片厂商合作的消息，苹果正在开发 AI 服务器芯片并与博通合作开发网络技术，OpenAI 则已与博通合作数月构建 AI 推理芯片。
ASIC 创业潮：全球网罗客户
云厂商自研芯片主要满足自身大模型训练和推理需求，而 ASIC 创业公司则走上了不同的道路。它们选择不同的芯片代工商，并在全球范围内全力寻找客户。例如，Cerebras Systems 的晶圆级芯片交由台积电生产，Etched 的 Sohu 芯片采用台积电 4nm 工艺，Groq LPU 芯片采用 GlobalFoundries 的 14nm 工艺。
这些 ASIC 创业公司将目光投向了全球，尤其是正在大力加码布局 AI 的中东地区。Cerebras Systems 2023 年净销售额近 7900 万美元，今年上半年达 1.364 亿美元，其中来自阿联酋阿布扎比 G42 公司的收入占比高达 83%，G42 还承诺明年购买价值 14.3 亿美元的产品和服务。在沙特阿拉伯的 AI 峰会上，Cerebras Systems、Groq 和 SambaNova Systems 等公司纷纷亮相。Cerebras Systems 与沙特阿美签署谅解备忘录，沙特阿美计划用其产品训练和部署大模型。Groq 与沙特阿美的数字与技术子公司合作，在沙特建设全球最大规模的推理数据中心，今年年底建成投运，初期配备 1.9 万个 Groq LPU，未来有望扩展至 20 万个。SambaNova Systems 也与迪拜公司 Solidus AI Tech 合作，为欧洲的高性能计算数据中心提供 SambaNova Cloud，并与在中东、南亚、欧洲、非洲地区开展业务的 Canvass AI 公司合作，为企业提供 AI 解决方案。此外，SambaNova Systems 与美国阿贡国家实验室合作，Groq 与美国和加拿大政府部门的 IT 方案提供商 Carahsoft 合作，并与能源领域的 Earth Wind&Power 合作，在挪威建设 AI 计算中心。
专用与通用：芯片的优缺点与未来
GPU 和 ASIC 各有千秋。GPU 通用性强，能运行多种算法，且英伟达的 CUDA 生态成熟，使用便捷，但在算力和功耗方面存在一定浪费。ASIC 则更具专用性，针对特定算法设计使其在算力和功耗表现上更具优势，如 Groq 的 LPU 速度比英伟达 GPU 快十倍，价格和耗电量却仅为后者的十分之一。然而，ASIC 专用性过强，对算法兼容性较差，大模型从 GPU 迁移至 ASIC 难度较大，易用性低于 GPU。
在 ASIC 日益强劲的攻势下，GPU 和 ASIC 是否即将分出胜负？
从使用场景来看，GPU 仍将在大量并行化通用用例中发挥重要作用，而 ASIC 则可在推理端等特定需求场景下凭借低功耗等优势崭露头角。麦肯锡研究预测，到 2030 年，配备 ASIC 芯片的 AI 加速器将处理大多数 AI 工作负载。但 ASIC 未来能在 AI 芯片市场占据多大份额仍存在变数，这取决于 GPU 对 ASIC 优点的吸收程度。安谋科技产品总监鲍敏祺表示，GPU 不会轻易被取代，其在 AI 云端应用中接入软件编程生态模式便捷，不过在能效方面存在多线程上下文切换开销。未来在端侧场景，GPU 和其他芯片将走向融合而非相互取代，如英伟达 H100 的 Tensor Core 已引入更多专用技术。
GPU 可针对自身短板进行改良，吸收专用芯片长处。如今已出现针对大模型的 ASIC 芯片，通过极致专用性提升效率，如 Etched 的 Sohu 芯片声称一台集成 8 块 Sohu 的服务器性能匹敌 160 个英伟达 H100 GPU。陈巍猜测后续可能会出现针对大模型应用的专用 GPU，GPU 厂商可能会进一步改进 Tensor Core 结构，牺牲部分显存支持能力。但这种极致专用性也存在风险，一旦 AI 架构发生变化，过于专用的 ASIC 芯片可能难以适应。当 AI 主流架构改变时，GPU 的通用性将凸显优势，对于 ASIC 芯片而言，在设计时需要平衡通用计算能力和特定任务性能，以应对算法变化带来的挑战。
说说我最近关注的一支基——国开ETF(159650)
11月29日，市场利率定价自律机制公众号发布了《关于优化非银同业存款利率自律管理的倡议》和《关于在存款服务协议中引入“利率调整兜底条款”的自律倡议》，将非银同业活期存款利率纳入自律管理，规范非银同业定期存款提前支取的定价行为。
定价规范对现金类产品影响甚大。现金管理类理财及货币基金监管规定基本一致，投资流动性受限资产不能超过产品资产净值的10%。本次规范后，非银同业定期存款皆为流动性受限资产，现金类产品投资比例不能超10%，且非银同业活期存款利率预计将全面下降至1.5%及以下，带动货币市场资产收益率显著下行。货币基金费前收益率降幅或达30BP，降费压力上升。
货币收益下滑或将推动债基资产进一步受资金追捧。
我最近在关注的一只场内短债——国开ETF(159650)，跟踪0-3国开行债券指数，可以说是货币plus，准备入手买一点做货币替代。
$国开ETF(SZ159650)$$中证A500指数ETF(SZ159357)$$博通(NASDAQ|AVGO)$
#巨头“ALL IN AI”，算力产业链大涨#
本文作者可以追加内容哦 !
