
2026 年 11 月 22 日,供应链分析师郭明錤披露的行业调查显示,谷歌已调整人工智能芯片采购组合:博通设计的 TPU 8i 系列 2027 年出货量被削减约 100 万颗,降幅约占该系列全年出货量的 20%,其中代号 Whalefish 的 8i Max 受影响最大;与此同时,谷歌计划提高联发科设计的 TPU 8t 系列出货量,具体增量尚未确定。放在 AI 基础设施扩张与资源约束并存的大背景下,这不是一次简单的订单挪移,而是谷歌在电力、产能和前沿模型优先级之间重新分配算力资源,也意味着 AI ASIC 供应链的排位开始出现新的变量。
订单调整不等于简单 " 换供应商 "
TPU 是谷歌自研 AI 加速器的代表,采用专用集成电路路线,由谷歌定义架构和软件生态,设计合作伙伴参与芯片实现、后端和量产导入。博通长期是谷歌 TPU 的核心设计合作伙伴,这一关系不会因为单一型号订单缩减而迅速改变。此次调整中,被削减的是博通设计的 TPU 8i 系列,且集中在定价更高的 8i Max 型号,说明谷歌首先压缩的是高成本、高功耗的高端部署规模,而非全面转向另一家供应商。
联发科获得 TPU 8t 系列增量,同样需要放在定制芯片项目的长周期中理解。AI ASIC 从架构定义、IP 集成、验证、流片到量产,往往需要多轮协同,新伙伴进入供应链首先要跨过技术认证和交付稳定性门槛。联发科长期在 SoC、连接芯片和定制化设计服务上积累,具备承接大型 ASIC 项目的基础,但 8t 最终增量尚未确定,意味着谷歌仍在评估其产能、成本和协同效率。短期看,联发科拿到的是窗口和验证机会;中期看,能否形成规模,取决于后续项目执行。
因此,博通面对的是高价值型号订单节奏放缓带来的收入压力,而不是核心地位瞬间旁落;联发科迎来的是份额上探的可能,而不是立刻改写格局。谷歌的真正意图,是在核心伙伴之外增加供应链弹性,同时用不同层级的芯片组合匹配不同的算力任务。
电力与产能成为 AI 芯片的硬约束
此次调整的直接背景,是数据中心电力供应和芯片产能双重受限。谷歌在 2026 年年内多次强调,前沿模型开发将优先获得算力资源。这一策略落到采购端,就是有限的高端算力不再无条件用于扩大高价芯片部署,而是向前沿模型研发集中;更广泛的算力部署则需要更具成本效率的芯片组合来支撑。
这反映出一个行业性变化:AI 芯片竞争已经从单颗芯片的性能指标,扩展到电力获取、机架功率密度、散热能力、先进封装和交付周期。过去,云厂商扩大 AI 集群更倾向于 " 堆规模 ";在电力与产能约束下,算力采购开始转向 " 分层配置 "。高端型号承担前沿训练和关键任务,性价比型号承担更广泛的部署需求,通过组合优化提升每瓦算力和每美元算力。
对通信行业而言,这一变化会沿着数据中心内部传导。AI ASIC 出货结构变化,会影响服务器节点、交换网络、光互联、液冷、电源管理和机房改造的节奏。算力芯片不是孤立存在,芯片组合越复杂,对高速互联、无损网络和系统级能效管理的要求越高。AI 基础设施的竞争,正从芯片设计延伸到整条数据中心工程链。
博通、联发科与谷歌的三角关系重排
在谷歌 TPU 供应链中,博通、联发科和谷歌形成了新的三角关系。博通仍是谷歌定制芯片体系中的关键设计伙伴,其在高速 SerDes、先进封装、接口 IP 和大型 ASIC 项目交付上的能力,短期内难以被完全替代。8i Max 订单缩减会压低高端型号的收入贡献,但谷歌对博通的依赖仍体现在核心项目和多代产品协同上。
联发科的进入,则为谷歌提供了第二个设计支点。对谷歌来说,多源供应可以增强议价能力,降低单一伙伴产能波动带来的风险,也有利于在不同产品线上形成设计分工。但多供应商并非没有代价:芯片架构可以统一,软件栈、驱动、编译器和系统适配却需要额外协同;不同设计伙伴的 IP、验证流程和量产节奏,也会增加项目管理复杂度。谷歌需要在供应链弹性和生态一致性之间取得平衡。
对联发科来说,谷歌项目具有标志性意义。AI ASIC 是通信与计算融合的重要方向,能够进入谷歌 TPU 供应链,意味着其定制芯片能力从消费电子和通信领域向数据中心高端计算延伸。但 TPU 8t 的最终出货规模尚未确定,联发科能否把项目机会转化为持续份额,还要看后续量产表现和谷歌的实际部署计划。
AI ASIC 进入精细化运营阶段
谷歌调整 TPU 采购组合,不应被解读为 AI ASIC 路线退潮。相反,这更像是 ASIC 路线进入精细化运营阶段的信号。通用 GPU 生态成熟、适用面广,ASIC 则在特定负载上具备能效和成本优势,但前期投入高、项目周期长、软件生态要求高。谷歌 TPU 能够持续迭代,说明自研 ASIC 在超大规模 AI 基础设施中仍有明确价值。
变化在于,云厂商不再只追求芯片 " 有没有 " 和 " 强不强 ",而是更关注 " 在电力约束下是否划算 "。高端芯片的部署规模要服从前沿模型优先级,性价比型号则要承担更广泛的算力供给。AI ASIC 供应链的竞争,也从单一设计能力转向设计服务、先进封装、HBM 供应、板卡系统、软件适配和交付韧性的综合比拼。
这对通信产业是一个清晰信号:智算中心建设不能只盯芯片参数,还要看网络带宽、交换时延、光模块速率、液冷效率和供电能力。AI 算力集群的短板,往往不在单颗芯片,而在系统互联和能源效率。
对中国通信产业链的启示
对中国通信行业而言,谷歌 TPU 订单再分配提供了一个观察窗口。AI ASIC 供应链多源化,意味着定制芯片设计服务、接口 IP、先进封装、高速互联、光模块、交换设备、液冷和电源管理等环节的价值将进一步释放。国内光模块、交换设备、液冷与电源厂商在全球数据中心产业链中已有较深参与,随着智算中心建设推进,无损网络、异构算力调度和能效管理会成为通信设备商的新竞争点。
同时也要看到,高端 AI 芯片的设计能力不仅取决于单点 IP,还取决于 EDA 工具、先进制程、封装产能和软件生态。国内 AI 芯片和定制 ASIC 企业近年加快布局,但在高端设计服务、编译器生态和规模化交付上仍需持续补课。谷歌的调整说明,供应链安全不只是 " 多找一家供应商 ",而是要在技术认证、产能锁定和成本控制之间建立可复用的能力。
接下来值得观察的指标有三个:联发科 TPU 8t 的最终增量能否落地,博通 8i Max 后续订单是否继续收缩,以及谷歌在多供应商条件下如何保持 TPU 软件栈和系统部署的一致性。无论结果如何,AI ASIC 供应链已经进入多源竞争与精细算力配置并行的新阶段。博通短期仍是核心,联发科获得上探窗口,而通信产业的价值,将从芯片本身进一步向网络、能源和系统级交付能力扩散。

