过去两年，AI算力竞赛里几乎只有一家“军火商”——英伟达。但最近一年，风向正在悄然改变：谷歌把自家TPU从内部专用推向对外供应，Anthropic签下最高一百万颗TPU的算力协议，OpenAI与博通敲定高达10吉瓦规模的定制加速器合作，亚马逊则用自研Trainium为Anthropic搭建起数十万卡级的专属训练集群。云巨头们正从“买芯片”转向“造芯片、甚至卖芯片”，一场定制ASIC浪潮正在重写美股AI芯片的竞争版图。这不仅是技术路线之争，更决定着未来数年千亿美元级资本开支的流向，值得每一位关注美股AI算力行情的投资者认真拆解。
云巨头集体“造芯”：从自用到外供的关键一跃
定制芯片并非新鲜事物。谷歌TPU已迭代至第七代Ironwood，专门面向推理场景优化；亚马逊的Trainium系列与微软的Maia也在各自云上运行多年。真正的变化在于“外供”这一步：谷歌云宣布向Anthropic开放最高一百万颗TPU的算力容量，2026年起交付的规模将超过1吉瓦；Meta也被曝正洽谈通过谷歌云租用TPU训练自家模型。与此同时，OpenAI在相继拿下英伟达、AMD两份吉瓦级合作之后，又与博通达成为期多年的定制加速器联合开发计划，首批系统预计自2026年起部署。亚马逊的Project Rainier更是集齐了接近50万颗Trainium2芯片，专门服务Anthropic的下一代模型训练。
这些动作叠加起来，传递出一个清晰信号：头部模型厂商对算力的渴求，已经大到无法完全依赖任何单一芯片供应商，“多供应商+自研”成为确定性策略。芯片的选择权，正在从英伟达手中部分回到云巨头自己手里。
云巨头为何非要自研：必须算清的三笔账
第一笔：成本账
AI进入推理主导阶段后，采购逻辑从“买最强的卡”变成“算每一美元、每一瓦能跑出多少token”。通用GPU在固定负载下利用率不足的问题被放大，而针对自家模型架构深度优化的ASIC，往往能在单位成本与能效上拉开明显差距。对于每年资本开支以百亿美元计的巨头而言，哪怕节省两三成，也是一笔巨额数字。
第二笔：议价权账
算力已成为战略资源，把命脉押在一家供应商身上风险过高。自研芯片既是技术备胎，也是与英伟达谈判桌上的筹码——有第二选择，采购价与供货优先级才有博弈空间。
第三笔：差异化账
云业务同质化加剧的背景下，“软硬一体”成为新卖点：谷歌把TPU与Gemini、Vertex平台打包，亚马逊把Trainium嵌入Bedrock服务。自研芯片成了云厂商区别于同行的护城河，而对外供应则让这笔巨额研发投入多了一份收入来源。
“卖铲人”新名单：定制ASIC产业链全景
对美股投资者而言，这轮浪潮最大的意义在于：AI芯片的钱不再只流向英伟达一家，一条新的价值链正浮出水面。
- 设计服务与IP授权：博通是最大赢家之一，定制XPU业务已服务多家超大规模客户，叠加OpenAI合作后，定制芯片与网络芯片双轮驱动AI收入；迈威尔则深度绑定亚马逊Trainium等定制项目，相关订单快速增长。
- 制造与封装：无论谁设计芯片，先进制程与先进封装几乎都绕不开台积电，3nm产能与CoWoS封装持续供不应求，代工环节景气度确定性强。
- 互连与配套：定制芯片越多，芯片间与集群间互连越复杂，Credo、Astera Labs等互连厂商，以及光模块、交换芯片环节同步受益。
- 存储：HBM是所有AI芯片的标配，SK海力士、三星与美光的HBM订单随定制芯片放量而水涨船高。
一句话概括：定制ASIC的崛起，把AI算力的价值分配从“一家独大”推向“多点开花”，设计、制造、封装、互连、存储各环节都能分到增量蛋糕。
英伟达的护城河会被撼动吗？
定制芯片升温，市场最关心的问题是英伟达的地位是否动摇。目前看，答案更接近“侵蚀但难撼动”。英伟达的优势在于CUDA生态、一年一代的产品节奏，以及NVLink机柜级系统带来的整柜交付能力，这些对大多数客户依然不可替代。定制ASIC吃下的，主要是超大规模客户中工作负载高度确定的增量，尤其集中在推理侧；而模型迭代快、需求多样的长尾市场，仍会留在通用GPU阵营。更现实的图景是：未来AI芯片市场将呈现“通用GPU+定制ASIC”双轨并行，英伟达的增速可能被摊薄，但绝对规模仍在扩张，其估值叙事则从“唯一选择”转向“最优选择之一”——这正是市场需要重新定价的核心变量。
投资视角：三条主线与三个风险
落到投资层面，定制ASIC浪潮下有三条相对清晰的主线：一是手握大客户订单的芯片设计服务龙头；二是先进制程与先进封装产能稀缺带来的制造环节景气度；三是互连、光模块与HBM等“配套刚需”环节。
风险同样不容忽视：其一，定制芯片流片周期长、失败成本高，客户项目一旦延期，业绩弹性会瞬间转为业绩压力；其二，客户高度集中，议价能力与订单波动风险突出；其三，板块估值已计入较高预期，若AI资本开支增速放缓，回调幅度同样会被放大。
对普通投资者而言，与其押注单一标的，不如把这条产业链放进观察清单，重点跟踪三类信号：云厂商资本开支指引的变化、定制芯片项目的披露节奏、以及台积电等代工厂的产能利用率。AI算力的下半场，比拼的不再只是谁的芯片最快，而是谁能把单位算力的综合成本做到最低——这场效率之争，才刚刚开始。本文仅为行业分析，不构成任何投资建议。
