文 | 半导体产业纵横
8月底，部分大型客户被告知，搭载其AI芯片的服务器价格将在许多情况下上涨超过15％。调价预计影响2027年初出货的系统，涉及Vera Rubin和Grace Blackwell等平台，实际幅度取决于芯片代际和内存配置。
不久后，英伟达在2027财年第二季度业绩电话会上确认，内存价格涨幅已经超过此前预期，明年还会继续上行。公司预计毛利率将在第四季度降至71％至72％；随着已经执行的价格调整在下一财年第一季度生效，2028财年毛利率将稳定在72％至73％。服务器调价背后是一张快速膨胀的机架级物料清单，成本压力已经从GPU延伸到HBM、网络、供电、散热和系统集成。
几乎在同一阶段，AMD宣布收购Taalas，Etched在不到一个月内连续完成两轮融资，博通把定制XPU与数百亿美元项目融资绑定，Marvell则通过与长期采购挂钩的认股权证扩大谷歌业务。这些动作指向同一项产业调整：AI推理进入规模化运营后，算力买家开始同时管理芯片架构、软件栈、供应链和资金成本，定制芯片的价值也从单点性能优化扩展到交付确定性和资本效率。
价格压力已经从GPU扩散到整机系统
本轮价格上行首先反映AI服务器成本结构的变化。摩根士丹利6月发布的报告称，存储芯片价格在过去一年上涨六倍。存储厂商优先配置高利润的数据中心产品，云厂商又通过长期协议锁定产能，使其他采购者面对更小、更不稳定的供应池。美光已经表示，2026年HBM供应全部售罄。
GPU服务器的成本也在从芯片价格转向机架级物料清单。一套高端AI系统需要大量HBM、高速交换芯片、光模块、液冷组件和电源设备，任何一个环节涨价都会放大整机成本。新一代机架增加了内存容量和互连复杂度，系统厂商还要承担更长的验证周期与库存资金。英伟达的调价说明，计算芯片性能提升已经无法独立消化整机成本上升。
定制ASIC的经济性来自减少无效计算和数据搬运。芯片可以围绕特定精度、算子、数据流和内存层级进行优化，从而用更少的晶体管和功耗完成稳定负载。它的投入门槛同样很高。单代先进制程芯片的设计、验证和软件适配通常需要数亿美元，工作负载规模、芯片利用率和产品生命周期决定这些前期成本能否摊薄。
因此，定制芯片最适合高并发、长期运行且需求可预测的业务，例如成熟模型推理、推荐系统和固定训练任务。模型结构频繁变化、客户负载高度分散的场景仍需要GPU的可编程性。服务器涨价提高了定制方案的内部收益率，也提高了项目选择的纪律：设计团队必须证明芯片能够长期满载，并在软件迁移、良率和运维成本计入后形成总体拥有成本优势。
定制芯片进入负载分层阶段
自研芯片通常由云厂商或模型公司定义工作负载、系统架构和软件需求，芯片实现、接口IP、流片、封装和量产仍由外部伙伴完成。定制芯片强调围绕特定客户或任务优化，服务范围可以覆盖多种模型。模型专用芯片则进一步把模型结构甚至权重固化进硅片，效率更高，可编程空间更小。近期几项交易正好对应这三个层次。
AMD于8月6日宣布达成最终协议收购Taalas，金额未披露，交易仍需监管批准。Taalas把模型权重固化到芯片，减少从外部内存反复读取参数的开销。AMD计划把相关技术纳入加速器路线图，并与Instinct GPU、EPYC、ROCm和Helios机架级系统组合。 这项收购让AMD在通用GPU之外获得面向稳定推理负载的专用架构能力，也使其产品组合能够覆盖不同可编程程度和成本目标。
Etched的产品路线展示了专用芯片公司如何从架构设计走向生产部署。7月23日，公司完成3亿美元C轮融资，估值103亿美元；8月18日又完成7亿美元融资，估值升至210亿美元。公司称已向首个客户Jane Street交付机架，并取得超过10亿美元客户合同。 2026年，Etched的公开定位已经从早期单一Transformer架构转向机架级推理集群，强调低电压推理、集群级混合内存，以及对大型MoE、Mamba等架构的支持。产品定义的变化表明，商业化需要在极致效率与模型适用范围之间取得平衡。
OpenAI与Meta正在把芯片定义能力内部化。OpenAI的Jalapeño由模型和服务需求反推架构，博通负责硅实现与网络，Celestica承担板卡和机架集成。工程样片已经运行，计划在年底前初步部署。Meta的Iris同样由博通协助设计、台积电制造，并与长期存储、闪存和光纤供应协议同步推进。 这些项目把模型、芯片、网络和机架放在同一优化闭环中，负载所有者由设备采购方转向系统定义者。
交易信息还显示，Anthropic曾讨论以约70亿美元收购由前谷歌TPU工程师创办的MatX，相关讨论后来转向潜在合作。Anthropic同时扩充内部芯片团队，并与多家芯片初创企业接触，尚未选定最终路线。 该公司的多芯片策略仍包括英伟达、谷歌等外部方案。自研能力在短期内主要用于掌握架构、人才和采购主动权，量产算力仍来自多个供应商。
博通与Marvell
博通与Marvell近期的动作代表了定制芯片供应商扩大商业边界的两条路径。博通把XPU、网络和项目融资组合起来，帮助客户提前形成大规模算力资产；Marvell则通过与采购目标挂钩的认股权证，锁定长期订单并强化第二供应商地位。两家公司竞争的已经不只是芯片设计项目，还包括产能、系统交付、客户合同和资本组织能力。
博通在今年与阿波罗、黑石建立AI XPV平台，计划到2028年支持超过20吉瓦的算力部署。首笔350亿美元资金由阿波罗牵头，用于Anthropic超过1吉瓦的扩容，部署使用博通定制XPU和网络方案。8月20日至21日披露的融资信息进一步显示，博通正与贷款方讨论由特殊目的载体发行新一轮债务，为Anthropic等客户购买并租赁算力设备。不同方案对规模的口径从700亿至800亿美元，到高级债务与次级债务合计最高接近1000亿美元不等，交易仍在谈判阶段。
这类项目融资围绕芯片采购、长期租赁和客户算力需求设计。特殊目的载体购买设备后租给AI实验室，私募资本、银行和其他投资者提供长期资金，博通可能为部分高级债务提供信用支持。客户的未来需求由此转化为可以提前锁定的晶圆、HBM、封装、网络和机架订单。博通第二财季AI半导体收入达到108亿美元，同比增长143％，其中包含定制加速器和AI网络。 其竞争优势来自XPU、交换芯片、互连和融资结构的组合，风险则集中在客户集中度、担保敞口和项目现金流匹配。
Marvell的路径以长期采购绑定为核心。8月19日，公司披露扩大与谷歌的商业合作，并向谷歌发行认股权证。谷歌可按每股206.58美元购买最多5897.09万股Marvell股票，全部行权对应121.8亿美元，归属条件与截至2033财年的采购目标挂钩。合作产品包括与TPU生态配套的推理加速器、存储和网络接口控制器。
121.8亿美元对应全部满足条件后的潜在股票购买金额。按认股权证归属条件反推的最高约1200亿美元，对应多年采购目标，尚未进入Marvell当前收入。Marvell于8月27日公布第二财季营收27.39亿美元，同比增长37％，并上调2027财年和2028财年收入预期。管理层给出的时间表显示，谷歌项目更显著的收入贡献将从2029财年开始。认股权证把客户采购、供应商研发投入和量产资源配置绑定在更长周期内，收入兑现仍需经过流片、认证、良率爬坡和系统部署。
两种路径都服务于云厂商对供应链确定性的要求。博通依靠主力定制项目和融资能力扩大单个客户的部署规模，Marvell则通过推理、存储接口和网络等差异化产品增加供应商与产品范围。客户用长期合同和采购目标换取产能冗余、技术分工与交付保障，供应商用定制设计和资源配置换取更长的收入可见度。由此形成的新门槛不只在芯片性能，还在于能否锁定先进封装与HBM、组织完整机架交付，并让大规模算力项目获得长期资金。
市场进入多架构并存
产业研究机构预计，2026年ASIC服务器将占AI服务器出货量的27.8％，GPU服务器仍占69.7％；云厂商自研ASIC服务器出货增速预计为44.6％，高于GPU服务器的16.1％。8月更新的预测又把2026年AI服务器整体出货增速从28％上调至接近31％。
这一结构意味着ASIC份额正在提高，GPU仍然承担大部分AI服务器出货。前沿训练、模型快速迭代、跨客户云服务和弹性算力继续依赖成熟的软件生态与硬件通用性。ASIC主要进入稳定推理、内部推荐系统、特定训练及超大规模模型服务。Taalas式模型专用芯片则面向模型和部署条件长期稳定的极端效率场景。
台积电、HBM、先进封装、光互连和高端网络芯片具有更强的架构中立属性。GPU和ASIC都需要先进节点、2.5D封装与高带宽内存。定制芯片扩大后，供应链的核心问题将集中到完整机架的按期交付，包括芯片、内存、网络、散热、电力和资金能否同时到位。
英伟达服务器涨价提高了定制芯片方案的财务吸引力，AI推理规模化决定了这条路线的长期空间。具备稳定负载、软件能力、芯片团队和资本承受力的云厂商与模型公司将继续加强自研；其他企业更可能通过博通、Marvell、AMD或云服务商获得半定制方案。AI算力市场正在形成通用GPU、客户ASIC和模型专用芯片并存的结构，系统集成与融资能力将决定设计最终能否转化为可持续产能。
杨方配资提示：文章来自网络，不代表本站观点。
