前面 Blackwell 那一關 講的是 NVIDIA 的 GPU，那是 AI 晶片的主流。但故事還有另一條線：Google、亞馬遜、Meta、微軟這些雲端大廠，除了向 NVIDIA 買 GPU，也都在「自己做晶片」。這些自研的 AI 晶片，多半屬於一種叫 ASIC 的東西。
這篇就把 ASIC 講白。先看它是什麼、和 GPU 差在哪，再談大廠為什麼要自己做、博通與台廠的角色，以及它會不會取代 NVIDIA。這是 AI 硬體供應鏈一條龍 第 1 關「AI 晶片」的旁支深入版。
ASIC 是什麼？和 GPU 差在哪
ASIC 的全名是 Application-Specific Integrated Circuit，翻成白話就是「為特定任務量身打造的晶片」。
對照一下 GPU。GPU 是比較通用的平行運算晶片，支援範圍廣、多種模型與工作都能跑，彈性大，但也因為要通用，會帶一些「用不到卻得付」的成本。ASIC 反過來：它鎖定某一類工作（例如某種推論），把晶片設計成剛好夠用、剛好最省，犧牲通用性換取在那件事上的成本、功耗與效率優勢。Google 就直接把自家的 TPU 定義成 AI 專用的 ASIC。
打個比方：GPU 像一把瑞士刀，什麼都能切；ASIC 像一把為某道菜訂製的廚刀，只做那件事，但做得又快又省。
為什麼雲端大廠要自己做晶片
雲端大廠明明買得到 NVIDIA 的 GPU，為什麼還要花大錢自研？主要有四個理由。
一是成本：自家資料中心要用的晶片數量太大，自研能省下可觀的採購與營運費用。二是優化：針對自家的模型、推薦系統、推論服務量身設計，效率比通用 GPU 好。三是降低依賴：不想把命脈全押在單一供應商身上。四是差異化：把晶片和自家雲服務綁在一起，做出別人複製不了的組合。這四點加起來，足以讓財力雄厚的大廠長期投入。
核心數據快照
下面幫你抓住自研 ASIC 的玩家與量級。成長率與占比為研調機構估計值。
| 主題 | 數值 | 時點／性質 |
|---|---|---|
| Google TPU（已商用第七代 Ironwood；第八代 8t/8i 2026-04 公開） | 單顆 192GB HBM3E、superpod（上千顆晶片串成的超大叢集）上看 9,216 顆 | 2025-11 GA |
| AWS Trainium3 | 首款 3nm AWS AI 晶片、UltraServer 最多 144 顆 | 2025 末 |
| Microsoft Maia 200 | TSMC 3nm、216GB HBM3e、主打推論 | 2026-01 發表 |
| CSP 自研 ASIC 出貨成長率（2026） | 約 44.6%（GPU 約 16.1%） | TrendForce 估計 |
| AI 伺服器 GPU vs ASIC 占比（2026） | GPU 約 69.7%、ASIC 約 27.8% | TrendForce 估計 |
四大雲的自研晶片
把主要玩家攤開看：
Google TPU：最資深的自研 ASIC。已商用的是第七代 Ironwood，2025 年底正式商用，單一叢集（superpod，把上千顆晶片串成的超大運算叢集）可串到九千多顆晶片；Google 在 2026 年 4 月也已公開第八代 TPU（8t／8i）。連 Anthropic 都擴大採用 Google TPU 來跑 Claude。AWS Trainium／Inferentia：Trainium 做訓練、Inferentia 做推論，最新的 Trainium3 是 AWS 首款 3 奈米 AI 晶片。Meta MTIA：Meta 官方稱已部署「數十萬顆」MTIA 做推論，未來兩年還要推好幾代。Microsoft Maia：2026 年初發表的 Maia 200，用台積電 3 奈米製程、主打推論，服務自家 Copilot 與 OpenAI 模型。
另外，OpenAI 也跟博通合作設計自家加速器，規劃龐大的部署量，但目標是 2026 下半年起才開始落地，現在還在設計與建置階段，不宜當成已量產的事實。
博通、邁威爾與台灣：誰在幫他們做
雲端大廠有想法，但晶片的細部設計、封裝、互連，還是要找專業夥伴。這就帶出兩類角色。
第一類是 ASIC 共同設計商，**博通（Broadcom）和邁威爾（Marvell）**是代表。它們不只賣零件，而是和雲端大廠一起把客製晶片設計出來，並提供網路互連方案。博通已公開與 Google TPU、Meta MTIA、OpenAI 的長期合作。
第二類是台灣的 ASIC 設計服務廠，**世芯-KY（Alchip）和創意電子（GUC）**是代表，提供從設計到委託製造的整套服務（turnkey，把設計到代工發包整包做完）；部分 3 奈米相關設計已進入客戶產品或量產階段，2 奈米多半還在設計平台與客戶開發進度。要特別說清楚：這些設計服務廠的實際客戶多半保密，市場上把它們對應到哪家雲端大廠，常屬法人推測或市場討論，不是公司公告。本文只描述產業角色，不整理受益股，也不構成投資建議。
「ASIC 概念股」在台股是熱門題材，市場通常把設計服務、矽智財、先進封裝、晶圓代工、測試介面等供應鏈一起放進去討論。理解這個族群在紅什麼可以，但別把題材熱當成個股推薦。
ASIC 會取代 NVIDIA 嗎？
這是最常被問的問題，答案要分清楚「成長率」和「總量」。
2026 年，雲端大廠自研 ASIC 的出貨成長率（約 44.6%）確實快過 GPU（約 16.1%）。但成長快不等於規模大：研調估計 2026 年 AI 伺服器仍以 GPU 為主，占約七成，ASIC 約近三成。更關鍵的是，NVIDIA 的護城河不只在晶片本身，還有大家都在用的 CUDA 軟體生態（綁住開發者的程式環境）和 NVLink 高速互連，要整套搬離成本很高。
所以比較務實的看法是：自研 ASIC 是雲端大廠「替自己省錢、做差異化」的長期路線，會慢慢吃下一部分原本屬於 GPU 的需求，但短期內談不上誰取代誰。一個有意思的訊號是，連 Anthropic 都同時在 Google TPU、AWS Trainium 和 NVIDIA GPU 上跑模型，多家並用、分散押注，才是現在的常態。
這一關的重點
看完 ASIC，先記住它的定位：它是為特定任務量身打造的客製晶片，用犧牲通用性換取效率與成本。
雲端大廠自研 ASIC，是為了省成本、優化工作負載、減少依賴、做差異化，Google TPU、AWS Trainium、Meta MTIA、Microsoft Maia 都是代表，背後常有博通、邁威爾與台灣設計服務廠的身影。2026 年 ASIC 成長率快過 GPU，但 GPU 仍占約七成、NVIDIA 生態護城河還在，短期是並存而非取代。
想看 GPU 主流那一邊，回頭讀 Blackwell 是什麼；想看這些晶片怎麼封裝、餵資料，看 CoWoS 與 HBM；想看整條鏈八關，回到 供應鏈總覽。