近日，据 SemiAnalysis 援引市场传言称，Google 正在与 AMD 合作开发第十代 TPU 相关项目。如果最终落地，这不仅可能成为 AMD 真正意义上进入大型数据中心 AI ASIC 市场的重要一步，也再次折射出一个越来越明显的产业趋势：定制芯片正在成为 AI 时代新的必争之地。

事实上，不仅是 AMD，包括英特尔、联发科在内的多家芯片大厂，近年来都在跨界向 " 定制芯片（Custom Silicon）" 赛道加速靠拢。

这原本是 Broadcom 和 Marvell 最擅长的生意。

过去十多年，它们已经验证了一套成熟而极具吸引力的商业模式：Google、Amazon 等云计算巨头可以掌握自己的工作负载、芯片架构乃至部分核心 IP，却不必为此独自搭建一支覆盖物理设计、高速接口、先进封装、验证、量产乃至供应链管理的完整芯片团队。通过与 ASIC 厂商合作，这些云厂商可以把针对自身业务定义的芯片架构，真正变成能够大规模量产并稳定运行在数据中心里的产品。

此前，这还是一门相对低调的生意。但 AI 的爆发彻底改变了它的规模和重要性。以 Broadcom 为例，其 2026 财年第二季度来自 AI 半导体的收入高达 108 亿美元，同比暴增 143%，增长动力正来源于定制 AI 加速器与 AI 网络芯片。

面对这块百亿级的蛋糕，一场围绕定制芯片的巨头角力才刚刚开始。

ASIC 开始成为 AI 巨头的 " 必选项 "

过去几年，随着大模型训练需求爆发，GPU 几乎成为 AI 算力的代名词。整个行业最受关注的问题，也一直是：谁能挑战 NVIDIA？

但在 GPU 之外，另一个规模越来越庞大的市场，其实已经悄然成形。Google TPU、AWS Trainium、Meta MTIA，以及越来越多由 Hyperscaler 自主定义的 AI 芯片都在说明一件事：当 AI 基础设施的规模足够大之后，定制计算几乎会成为一种必然选择。

对于 Google、Amazon、Meta、Microsoft 这样的超大规模云厂商而言，它们运行的是规模巨大而且长期稳定的 AI 工作负载。一旦某种计算任务达到足够大的规模，就有动力针对它设计专门的硬件，把不需要的部分删掉，把晶体管、内存带宽和互连资源集中到真正影响性能的地方。

这也是为什么 Broadcom 几十年来积累的 ASIC 能力，突然变成了整个半导体行业最令人羡慕的资产之一。

过去，ASIC 最大的问题之一，是 " 贵 "。从架构定义、RTL 设计，到物理实现、验证、流片和量产，一颗先进 ASIC 往往需要投入巨额研发费用。如果一年只需要几万颗芯片，为某一种特定工作负载重新设计一颗芯片，很难证明经济性。

但当 AI 基础设施的投资规模从几十亿美元迅速走向数百亿美元，芯片需求从几万颗上升到几十万、几百万颗之后，整个经济模型就变了。如果一年只需要几万颗芯片，为一个工作负载重新设计 ASIC 显然很难划算；但如果未来需要的是几十万、几百万甚至更多芯片，那么一次性的开发费用便可以被巨大的出货量摊薄。

这也是为什么今天几乎所有大型云厂商都在强化自己的定制芯片战略。

未来 AI 算力市场更可能不是 "GPU 还是 ASIC" 的二选一，而是逐渐走向分工：需要通用性和快速迭代的任务继续依赖 GPU；规模足够大的成熟工作负载，则越来越多地交给定制 ASIC。而随着后者的规模不断扩大，围绕 Custom Silicon 展开的竞争，也才刚刚开始。

AMD：从游戏机芯片一路走到 AI ASIC

在最新的 Google TPU 传闻出现之前，很多人并不会把 AMD 和 ASIC 联系到一起。

但其实，AMD 已经做了十多年的 Semi-Custom。

2013 年推出的 Sony PlayStation 4 和 Microsoft Xbox One，都采用了 AMD 为客户共同开发的 Semi-Custom SoC。此后的 PlayStation 5 以及 Xbox Series X/S 同样继续采用 AMD 的定制芯片。AMD 对 Semi-Custom 业务的定义也一直非常明确：根据客户具体需求，将自己的 CPU、GPU 以及多媒体等 IP 组合成客户专属 SoC。

只不过，游戏机时代的 Semi-Custom，与今天 AI 数据中心需要的 Custom Silicon 已经不可同日而语。

真正改变 AMD 能力边界的，是 2022 年前后的两笔重要收购。

2022 年 2 月，AMD 完成对 Xilinx 的收购，把 FPGA、Adaptive SoC、AI Engine 以及大量高速接口和可编程逻辑能力收入囊中；同年 5 月，AMD 又以约 19 亿美元完成对 Pensando Systems 的收购，获得 DPU 以及网络、安全和存储相关的软件栈。

再往前看，AMD 又恰好是过去十年 Chiplet 和异构集成最积极的推动者之一。

于是今天再来看 AMD，它手里的技术积木已经完全不同：Zen CPU、Instinct GPU、Xilinx FPGA 与 Adaptive SoC、Pensando DPU 与 AI NIC、高速互连，以及 Chiplet 和先进封装。

这些能力过去分别服务于服务器 CPU、GPU、FPGA 和网络产品，但在 ASIC 时代，它们存在一种新的组合方式：AMD 不一定必须卖给客户一颗标准化 EPYC 或者 Instinct，也可以根据客户的工作负载，把其中一部分 IP 重新组合成一颗客户专属芯片。

AMD 在 2025 年 Financial Analyst Day 上已经把 Semi-Custom 放到了更重要的位置，负责 Adaptive and Embedded Computing 业务的 Salil Raje 同时负责包括 custom platforms 在内的业务。

所以，此次 Google TPU v10 的市场传言，AMD 的能力无可置疑。真正值得关注的地方，并不只是 AMD 有没有拿下一张 Google 订单。关键是 AMD 能不能把过去十几年积累的 Semi-Custom 经验，以及这几年通过 Xilinx、Pensando 和 Chiplet 补齐的技术能力，复制到规模大得多的数据中心 AI ASIC 市场？

如果答案是肯定的，AMD 未来卖给云计算巨头的就不一定只有 CPU 和 GPU。它还可以卖 "AMD inside" 的 Custom Silicon。这对于 AMD 来说，是一个完全不同的市场。

英特尔和联发科早已入局

AMD 并不是唯一一个看到这块市场的人。事实上，英特尔和联发科早已开始向 AI ASIC 靠拢，而且相比 AMD，目前两家的业务进展已经有了更明确的收入和项目支撑。

让我们先来看看英特尔。2026 年第二季度，Intel DCAI 业务中的 "Other DCAI" 收入达到 9.51 亿美元，相比去年同期增加 3.04 亿美元；2026 年上半年收入已经达到 19 亿美元，同比增加 5.33 亿美元。Intel 在 10-Q 文件中明确解释称，这部分收入增长主要由 purpose-built silicon，也就是 ASIC 需求增加推动。这意味着 Intel 的 ASIC 业务正在成为一项有实际收入规模的业务。

而且 Intel 并不是第一次替大型云厂商开发 ASIC。早在 2021 年，Intel 就已经与 Google 联合开发 ASIC 版本的 IPU Mount Evans；今年 4 月，双方又宣布进一步扩大合作，将继续联合开发基于 ASIC 的定制 IPU，用于承担数据中心中的网络、存储和基础设施处理任务。

Intel 的特殊之处在于，它手里还有 Xeon CPU、Ethernet、IPU、高速接口、EMIB/Foveros 先进封装以及 Intel Foundry。理论上能够进一步把 CPU、ASIC、封装甚至制造串在一起。

另一条完全不同的路径来自联发科。过去消费者对联发科最熟悉的标签，是智能手机 SoC。天玑系列几乎定义了市场对这家公司的认知。

但从技术上看，过去二十多年手机 SoC 产业培养出来的，恰恰是一种非常适合 Custom Silicon 时代的能力：复杂 SoC 的系统级整合。一颗高端手机 SoC，本身就是一个高度复杂的异构系统。CPU、GPU、NPU、ISP、内存控制器、基带、无线通信和大量高速接口需要被集成在有限面积和功耗预算之内，同时还要兼顾性能、成本、良率和量产。

现在，这种能力正在被迁移到数据中心。联发科已经公开展示包括 Arm Neoverse CPU、NPU、高速互连、SerDes、内存以及先进封装在内的数据中心 ASIC 技术组合，并明确把云端 AI ASIC 作为新的战略市场。

今年 7 月底，联发科进一步把 2026 年 AI 数据中心芯片收入预期提高到超过 20 亿美元，并预计首颗定制 AI 芯片将在今年第四季度开始量产；同时将其针对 2027 年 AI ASIC 市场的目标份额进一步提高至 15% — 20%。

据 Reuters 此前报道，联发科还参与了 Google 下一代 AI 芯片项目，不过 Google 和联发科并未公开确认具体客户关系。

于是一个很有意思的局面出现了。Broadcom、Marvell 原本是 ASIC 市场中最典型的选手；现在 AMD 拿着 CPU、GPU 和 Chiplet 进入市场，Intel 带着 CPU、ASIC、封装甚至晶圆厂进入市场，联发科和高通等则把自己多年积累的复杂 SoC 整合能力从手机迁移到数据中心。再加上国内芯原、ASR、中茵微和灿芯等一系列做这个厂商。

这再次说明，定制芯片已经不再是一门小众的芯片设计服务生意。它正在逐渐成为 AI 时代另一条核心产业主线。

ASIC 生意变了

如果把十年前的数据中心 ASIC 与今天的 AI 芯片放在一起，最大的变化之一，就是芯片本身已经越来越难脱离系统讨论。

过去设计一颗 ASIC，很多时候核心问题还是计算逻辑本身。今天完全不同。一个大型 AI 加速器旁边首先需要 HBM。芯片之间需要 Scale-up 互连，机柜之间需要 Scale-out 网络；前端还需要 CPU 承担调度、数据预处理和控制任务；再往外还有 NIC、Switch、Retimer 乃至光互连。封装也不再只是芯片制造完成之后的最后一道工序，而越来越接近芯片架构本身的一部分。

因此，今天所谓 " 设计一颗 AI ASIC"，实际上经常是在同时回答一系列问题：计算 Die 如何划分？CPU 需要放在哪里？HBM 需要多大容量和带宽？芯片之间使用什么互连？Scale-up 网络如何设计？NIC 和 Switch 需要多大带宽？采用什么先进封装？铜互连什么时候走到极限？什么时候必须开始使用光？

Google 自身的 TPU 演进已经能够看到这种变化。Google 今年发布的第八代 TPU 已经拆分为面向大规模预训练的 TPU 8t 和面向推理、Reasoning 及强化学习的 TPU 8i，而两套系统均配置了 Arm Axion CPU。TPU 8i 同时拥有 288GB HBM 和 8601GB/s HBM 带宽。

Google 把它称为 AI Hypercomputer 的一部分。这个词其实很能说明今天 AI 芯片产业正在发生什么。真正需要优化的对象，正在从 Chip 变成 System。芯片性能仍然重要，但决定整个 AI 集群效率的，已经是计算、内存、网络、互连和软件共同形成的系统效率。

这也是 AMD、Intel 和联发科为什么突然有机会进入 ASIC 市场的根本原因。

因为当 Custom Silicon 从 " 替客户做一颗芯片 "，演变为 " 根据客户工作负载重新组合一整套计算系统 "，CPU、GPU、DPU、SerDes、Chiplet、先进封装等过去分别存在的 IP，就开始拥有新的价值。

谁手里的 " 技术积木 " 更多，谁就越有可能参与下一代定制计算平台。

但是，想抢 Broadcom 的生意，并没有看上去那么容易。

Broadcom 真正的护城河：从电一直做到光

Broadcom 真正可怕的地方，在于它几乎踩中了大型 AI 集群内部最重要的几条数据通路。

一端，是 Custom AI Accelerator。另一端，则是一整套网络和互连技术：交换芯片、NIC、PCIe、Retimer、SerDes，再进一步延伸到光器件、硅光和 CPO。

Broadcom 的高速 SerDes 技术已经被集成到 Tomahawk 交换芯片、Thor NIC、PCIe Switch 和 Retimer 等大量产品中。

到了 2026 年，这套版图还在继续向外扩张。Broadcom 目前已经量产出货 102.4Tbps 的 Tomahawk 6，同时拥有面向 AI Scale-up、Scale-out 和 Scale-across 的 Ethernet 产品组合；在光互连一侧，公司覆盖 200G/lane VCSEL、EML、连续波激光器，以及 CPO 和 NPO 等技术。Tomahawk 6 还已经衍生出 Davisson CPO 方案，将 102.4Tbps 交换芯片与共封装光学结合。

这就是 Broadcom 真正不同的地方。它不仅参与设计 XPU，同时还掌握大量决定 XPU 如何与外界交换数据的核心技术。一颗 AI 芯片计算能力提高一倍，如果芯片之间的数据无法及时传递，系统性能不会提高一倍；当一个集群从几千颗芯片扩展到几十万甚至上百万颗芯片时，网络甚至可能比单颗芯片本身更重要。

过去数据中心大量依赖铜互连，但随着单通道速率持续提高，功耗、信号完整性和传输距离都开始成为限制。AI 集群正在一步一步把光推得更靠近计算芯片。

从可插拔光模块，到 Near-Packaged Optics，再到 Co-Packaged Optics，光不断向交换 ASIC 靠近；未来如果 Scale-up 网络继续扩大，光甚至有可能进一步靠近 XPU 本身。

Broadcom 恰好同时站在这条技术迁移路径的两端。在 " 电 " 的一边，它拥有 SerDes、Switch、NIC、PCIe 和 Custom XPU。在 " 光 " 的一边，它拥有 VCSEL、EML、硅光和 CPO。这使得 Broadcom 能够同时观察计算芯片、网络和光互连三个层面的技术瓶颈，并在系统层面共同优化。

这也是为什么 Broadcom 的 ASIC 护城河远远不只是 " 芯片设计经验 "。

对于 Google 这样的客户而言，真正有价值的是一家供应商能不能在数年时间里完成架构协同、物理设计、SerDes、封装、验证、量产爬坡和网络配套，并最终把数百万颗芯片稳定部署进数据中心。这种能力无法通过购买几个 IP 或者组建一支 ASIC 团队在两三年内复制。

今年 4 月，Broadcom 与 Google 进一步签订长期协议，继续开发并供应 Google 未来几代 TPU，同时为 Google 下一代 AI 机架供应网络及其他相关组件，协议期限最长延续到 2031 年。

这件事情本身也说明：AMD、联发科等公司的进入，目前更适合理解成 Google 乃至整个 Hyperscaler 定制硅生态的扩大，而不是 Broadcom 被替代。

至少现在，还远没有到那一步。

写在最后

AI 芯片产业的下一阶段，或许不会简单属于 GPU，也不会简单属于 ASIC。它更可能属于那些能够跨越芯片、封装、网络和系统边界的公司。而这也正是为什么，Broadcom 做了几十年的那门生意，如今突然变成了所有人都想抢的生意。

随着半导体产业链分工的进一步精细化，芯片巨头之间的较量已从单打独斗的通用硬件对抗，演变为生态整合、核心 IP 积累与定制交付能力的全方位竞逐。

* 免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

本文来自微信公众号 " 半导体行业观察 "（ID：icbank），作者：杜芹 DQ，36 氪经授权发布。