作者：戈多Godot；来源：X，@GodotSancho
在全球AI竞赛加速演进的背景下，半导体产业正经历一场由物理极限驱动的结构性变革。当摩尔定律在28nm节点后逐渐失效，晶体管微缩不再带来性能提升与成本下降，反而导致3nm、2nm制程流片成本突破5亿至10亿美元，整个行业的经济逻辑被彻底重构。
这一变化催生了一个关键趋势：超大规模云服务商（hyperscaler）——包括Google、AWS、Microsoft、Meta和Apple——正大规模投入自研AI芯片（XPU），以降低推理与训练的单位token成本。据Tom's Hardware产业链调研，全球能够承接此类高端定制ASIC协同设计工作的公司仅剩两家：博通（Broadcom）与迈威尔（Marvell），二者合计占据该市场约95%的份额。
定制ASIC：物理终结后的经济学必然
过去五年，hyperscaler的资本开支正从Nvidia通用GPU向自研芯片倾斜。Google TPU v7、AWS Trainium 3、Microsoft Maia 200、Meta MTIA以及Apple即将推出的服务器AI芯片，无一例外均采用台积电N3或N2先进制程。这些芯片的设计复杂度极高，涉及矩阵计算、HBM集成、高速SerDes、电源管理及先进封装（如CoWoS）等模块，唯有具备完整IP库、量产经验与系统级协同能力的厂商才能胜任。
博通为Google、Meta、OpenAI和Apple提供ASIC设计服务；迈威尔则深度绑定AWS与Microsoft。所有下一代旗舰XPU均在2026–2028年窗口期内密集投产，恰好对应博通FY27 AI营收超千亿美元、迈威尔FY29数据中心收入逼近200亿美元的指引路径。
系统级集成取代晶体管缩放
随着单die面积逼近858平方毫米光罩极限，AI芯片转向多die拼接；内存墙与互连能耗问题迫使HBM必须通过2.5D/3D封装紧贴逻辑die。如今，封装成本已占AI加速器总成本30%以上，台积电CoWoS平台成为行业标配。
在此背景下，芯片性能不再仅由制程决定，而取决于“系统与工艺协同优化”（STCO）。博通凭借交换芯片（Tomahawk 5、Jericho）、SerDes/PHY、CPO光互连及VMware软件现金流，构建了覆盖AI数据中心计算、网络、I/O与软件的复合平台。迈威尔则聚焦“数据移动”链条，布局ASIC、光模块DSP、PCIe retimer、DCI及硅光互连，并通过收购Celestial AI押注scale-up光互连未来。
双寡头定位差异：控制点 vs 连接点
博通的核心优势在于掌握AI集群的网络交换矩阵控制点——其以太网交换芯片与高速I/O IP决定了万卡集群的调度效率与扩展能力。而迈威尔则在数据流动的多个附着点上布局，从机柜内scale-up到跨数据中心scale-across，力求在每一环节获取连接芯片价值。
值得注意的是，Nvidia已战略投资迈威尔，并推出NVLink Fusion生态，试图将第三方ASIC纳入其互连体系。这使得迈威尔有机会同时服务于hyperscaler自研生态与Nvidia系统，提升其作为“中立连接平台”的估值潜力。
未来风险与机遇
若2nm成本过高导致客户迁移放缓，或Nvidia半定制方案挤压利润空间，双寡头增长节奏可能承压。但只要AI推理规模持续扩大、工作负载趋于稳定，定制ASIC的经济性优势就不可逆转。博通与迈威尔所出售的，本质上是一种“复杂度保险”——帮助客户规避天价试错成本，确保芯片按时量产、良率达标、系统协同。
这场由物理定律终结引发的产业重构，正将博通与迈威尔推向AI时代基础设施核心供应商的位置。未来十年，每一颗hyperscaler自研XPU的诞生，几乎都将经过这两家公司之手。