博通Q1 AI收入同比+116%，Q2预计+240%——这不是普通的增长数字，而是定制芯片时代全面到来的信号。六家超大规模客户正在把AI算力的主导权，从英伟达手里往回夺
六个核心判断
① 数字比任何分析都有说服力： Q1总营收193亿美元创历史新高，AI收入84亿美元同比+116%；Q2指引AI收入107亿美元同比+240%——增速还在加速
② 2027年是关键拐点： 博通明确表示2027年AI芯片总收入有望超1000亿美元，来自六个超大规模客户的定制芯片和网络芯片需求将出现「急剧拐点」
③ 六个客户撑起一切： 整个AI业务的收入体量，来自且仅来自六家超大规模客户——谷歌、Meta、微软、字节等。每一家都已有多代芯片的长期规划，不是短期机会，是战略级绑定
④ 定制芯片不是威胁英伟达，是另一个市场： CEO明确：做出能与英伟达竞争的芯片需要顶级硅片设计团队+先进封装+网络集群经验，三者缺一不可。自研芯片项目短期内撼动不了英伟达，但博通受益于两边
⑤ 网络是被低估的主线： AI网络收入预计占AI总收入33-40%，过去6-9个月增速高达200-300%。铜缆直连（DAC）+以太网组合是超大规模集群的主流选择，博通是最大受益方
⑥ 训练+推理双芯策略正在成为头部客户标配： 最成熟的超大规模客户正在同步开发训练芯片和推理芯片——「超级智能」时代，推理算力和训练算力缺一不可
一、财报数字：用数据说话
最值得关注的信号：AI收入增速从Q1的+116%跳升至Q2预期的+240%——这不是基数效应，是真实需求加速的体现。半导体整体营收Q2预计148亿美元，同比+76%，其中AI驱动的部分占绝对主导。
二、「六个客户」：理解博通AI业务的核心钥匙
博通的AI业务有一个极为特殊的结构：整个庞大的AI收入，来源于且仅来源于六家超大规模客户（Hyperscaler）。这些客户包括谷歌、Meta等科技巨头，他们正在大规模部署专属定制芯片（ASIC）替代或补充英伟达GPU。
为什么只有六个客户，却能创造百亿级收入？
因为这六家客户每一家的需求规模都是天文数字。他们不是在「试水」定制芯片，而是在做多代、多年的战略级部署：
每家客户都清楚地知道自己每一年要建设多大的算力容量
与博通的合作不是一次性交易，而是跨越多个芯片世代的长期绑定
部分供应已锁定至2028年及以后，供应链可见度极长
每家客户的定制芯片路线图都已明确，博通完全清楚下一代芯片的方向
CEO原话的含义：「我们不把任何一个客户当作备选项，每一个都是战略级的」——这意味着博通和这六家客户之间，是深度技术绑定，不是普通供应商关系。换一家供应商的切换成本，可以用「数年」来衡量。
三、定制芯片（ASIC）vs 英伟达GPU：不是替代，是共存
超大规模客户为什么要做自己的芯片？
通用GPU（英伟达）的问题在于「通用」二字本身——它为广泛适用性设计，但具体到某家公司的特定工作负载（比如谷歌的搜索推理、Meta的推荐系统），专用芯片可以做得更高效、更省电、更便宜。
随着AI工作负载日趋多样化和专业化，训练、推理、强化学习各有不同的算力需求模式，「一块GPU打天下」的方案开始出现效率瓶颈。
但自研芯片为什么很难超越英伟达？
博通CEO在电话会上对这个问题给出了清晰的判断：
需要顶级硅片设计团队——不是招几个工程师就能做到的
需要先进封装技术——台积电CoWoS等先进封装是卡脖子环节
需要网络集群专业知识——如何把几千块芯片联网协同工作，经验壁垒极高
英伟达每一代都在进步——即使某次追上，下一代又被拉开
核心逻辑：定制芯片和英伟达不是零和游戏。超大规模客户会同时部署两者——英伟达用于通用训练，自研ASIC用于大规模推理部署。博通是ASIC定制的最大受益方，英伟达的需求并不因此减少。
四、网络：被低估的主线
为什么说AI网络是主线而不是配角？
很多人关注博通时，焦点放在XPU（定制加速器芯片）上，但实际上AI网络部分的增速同样惊人，且往往被低估：
过去6-9个月，AI网络收入增速高达200-300%
预计AI网络收入将占AI总收入的33-40%
下一代GPU/XPU对带宽需求更高，网络芯片需求随每一代新产品换代加速增长
技术路线：铜缆直连+以太网的组合
在大规模AI集群的组网方案上，博通给出了清晰的技术立场：
集群内部（Scale-up）：铜缆直连（DAC）是首选——延迟最低、功耗最省，支持从100G到200G乃至400G的速率演进
集群之间（Scale-out）：以太网是行业共识——可扩展性强、生态完善，博通已与多家超大规模客户达成深度合作
以太网在AI数据中心的规模扩展中正在确立统治地位——这对博通是极大利好，因为博通的以太网交换芯片（Tomahawk/Trident系列）是市场上最主流的方案。
五、训练芯片+推理芯片：「双芯」策略正在成为标配
这是电话会上一个值得高度关注的趋势信号：最成熟的超大规模客户，正在同步开发两种芯片——一种专门用于训练，一种专门用于推理。
为什么？
训练和推理的计算特征完全不同：训练需要高带宽、大内存、高并行度；推理需要低延迟、高吞吐、低功耗
用同一块芯片做两件事，意味着两件事都不是最优的
当AI模型从「实验室工具」变成「生产服务」，推理算力的成本效率变得与训练同等重要
CEO的表述暗示：在迈向「超级智能」的路上，推理芯片的投资和训练芯片是同等优先级的——两者必须同步推进，缺一不可。
对行业的意义：这意味着超大规模客户的芯片采购需求将从「每年一颗」变成「每年两颗」，博通潜在的定制芯片市场空间直接翻倍。
六、2027年：一个被反复提及的时间节点
在整个电话会中，「2027年」被多次提及，值得单独拿出来理解：
AI芯片总收入预计2027年超过1000亿美元
超大规模客户已将供应锁定至2028年及以后，2027年的需求能见度已经很清晰
当前最成熟客户已在朝「超级智能」方向演进，2027年将看到明显的能力跃升
CEO形容2027年将出现「急剧拐点」（pretty sharp inflection）
市场经常忽视的一点：当一家公司的CEO在财报电话会上反复锚定某个年份，通常意味着他手里有清晰的订单和路线图在支撑——而不只是乐观预测。博通锁定的六个客户已经给出了到2028年的明确需求计划，这是罕见的长周期可见度。
七、风险提示
客户集中度风险：六个客户撑起全部AI收入，任何一家削减资本开支或转向其他供应商，都会造成业绩波动
英伟达竞争加剧：若英伟达加速推出针对推理场景的低成本方案，可能影响超大规模客户的定制芯片意愿
资本开支周期见顶：若全球AI基础设施投资进入调整期，2027年拐点可能延迟
台积电先进制程产能：博通XPU和网络芯片均依赖台积电3nm/2nm，产能争抢可能影响交付节奏
地缘政治风险：部分超大规模客户有中国背景，美国出口管制政策收紧可能影响相关客户的芯片采购
每日上传超300份调研纪要、研报、电话会议等机构内部资料，产业动态、公司变化实时发布、独家投研团队纪要解读、赠送量化代码。加入星球获取最新信息，比99%的人更具信息优势
免责声明
本文内容综合整理自公开机构调研电话会议，仅供参考交流，不构成任何投资建议。市场有风险，投资需谨慎。
