前面 Blackwell 那一关 讲的是英伟达的 GPU，那是 AI 芯片的主流。但故事还有另一条线：谷歌、亚马逊、Meta、微软这些云端大厂，除了向英伟达买 GPU，也都在「自己做芯片」。这些自研的 AI 芯片，多半属于一种叫 ASIC 的东西。
这篇就把 ASIC 讲白。先看它是什么、和 GPU 差在哪，再谈大厂为什么要自己做、博通与台厂的角色，以及它会不会取代英伟达。这是 AI 硬件供应链一条龙 第 1 关「AI 芯片」的旁支深入版。
ASIC 是什么？和 GPU 差在哪
ASIC 的全名是 Application-Specific Integrated Circuit，翻成大白话就是「为特定任务量身打造的芯片」。
对照一下 GPU。GPU 是比较通用的并行运算芯片，支持范围广、多种模型与工作都能跑，弹性大，但也因为要通用，会带一些「用不到却得付」的成本。ASIC 反过来：它锁定某一类工作（例如某种推理），把芯片设计成刚好够用、刚好最省，牺牲通用性换取在那件事上的成本、功耗与效率优势。谷歌就直接把自家的 TPU 定义成 AI 专用的 ASIC。
打个比方：GPU 像一把瑞士刀，什么都能切；ASIC 像一把为某道菜定制的厨刀，只做那件事，但做得又快又省。
为什么云端大厂要自己做芯片
云端大厂明明买得到英伟达的 GPU，为什么还要花大钱自研？主要有四个理由。
一是成本：自家数据中心要用的芯片数量太大，自研能省下可观的采购与运营费用。二是优化：针对自家的模型、推荐系统、推理服务量身设计，效率比通用 GPU 好。三是降低依赖：不想把命脉全押在单一供应商身上。四是差异化：把芯片和自家云服务绑在一起，做出别人复制不了的组合。这四点加起来，足以让财力雄厚的大厂长期投入。
核心数据快照
下面帮你抓住自研 ASIC 的玩家与量级。增长率与占比为研究机构估计值。
| 主题 | 数值 | 时点／性质 |
|---|---|---|
| 谷歌 TPU（已商用第七代 Ironwood；第八代 8t/8i 2026-04 公开） | 单颗 192GB HBM3E、superpod（上千颗芯片串成的超大集群）上看 9,216 颗 | 2025-11 GA |
| AWS Trainium3 | 首款 3nm AWS AI 芯片、UltraServer 最多 144 颗 | 2025 末 |
| 微软 Maia 200 | TSMC 3nm、216GB HBM3e、主打推理 | 2026-01 发表 |
| CSP 自研 ASIC 出货增长率（2026） | 约 44.6%（GPU 约 16.1%） | TrendForce 估计 |
| AI 服务器 GPU vs ASIC 占比（2026） | GPU 约 69.7%、ASIC 约 27.8% | TrendForce 估计 |
四大云的自研芯片
把主要玩家摊开看：
谷歌 TPU：最资深的自研 ASIC。已商用的是第七代 Ironwood，2025 年底正式商用，单一集群（superpod，把上千颗芯片串成的超大运算集群）可串到九千多颗芯片；谷歌在 2026 年 4 月也已公开第八代 TPU（8t／8i）。连 Anthropic 都扩大采用谷歌 TPU 来跑 Claude。AWS Trainium／Inferentia：Trainium 做训练、Inferentia 做推理，最新的 Trainium3 是 AWS 首款 3 纳米 AI 芯片。Meta MTIA：Meta 官方称已部署「数十万颗」MTIA 做推理，未来两年还要推好几代。微软 Maia：2026 年初发表的 Maia 200，用台积电 3 纳米制程、主打推理，服务自家 Copilot 与 OpenAI 模型。
另外，OpenAI 也跟博通合作设计自家加速器，规划庞大的部署量，但目标是 2026 下半年起才开始落地，现在还在设计与建置阶段，不宜当成已量产的事实。
博通、迈威尔与台湾：谁在帮他们做
云端大厂有想法，但芯片的细部设计、封装、互连，还是要找专业伙伴。这就带出两类角色。
第一类是 ASIC 共同设计商，**博通（Broadcom）和迈威尔（Marvell）**是代表。它们不只卖零件，而是和云端大厂一起把定制芯片设计出来，并提供网络互连方案。博通已公开与谷歌 TPU、Meta MTIA、OpenAI 的长期合作。
第二类是台湾的 ASIC 设计服务厂，**世芯-KY（Alchip）和创意电子（GUC）**是代表，提供从设计到委托制造的整套服务（turnkey，把设计到代工发包整包做完）；部分 3 纳米相关设计已进入客户产品或量产阶段，2 纳米多半还在设计平台与客户开发进度。要特别说清楚：这些设计服务厂的实际客户多半保密，市场上把它们对应到哪家云端大厂，常属法人推测或市场讨论，不是公司公告。本文只描述产业角色，不整理受益股，也不构成投资建议。
「ASIC 概念股」在台股是热门题材，市场通常把设计服务、硅智财、先进封装、晶圆代工、测试接口等供应链一起放进去讨论。理解这个族群在红什么可以，但别把题材热当成个股推荐。
ASIC 会取代英伟达吗？
这是最常被问的问题，答案要分清楚「增长率」和「总量」。
2026 年，云端大厂自研 ASIC 的出货增长率（约 44.6%）确实快过 GPU（约 16.1%）。但增长快不等于规模大：研究机构估计 2026 年 AI 服务器仍以 GPU 为主，占约七成，ASIC 约近三成。更关键的是，英伟达的护城河不只在芯片本身，还有大家都在用的 CUDA 软件生态（绑住开发者的程序环境）和 NVLink 高速互连，要整套搬离成本很高。
所以比较务实的看法是：自研 ASIC 是云端大厂「替自己省钱、做差异化」的长期路线，会慢慢吃下一部分原本属于 GPU 的需求，但短期内谈不上谁取代谁。一个有意思的信号是，连 Anthropic 都同时在谷歌 TPU、AWS Trainium 和英伟达 GPU 上跑模型，多家并用、分散押注，才是现在的常态。
这一关的重点
看完 ASIC，先记住它的定位：它是为特定任务量身打造的定制芯片，用牺牲通用性换取效率与成本。
云端大厂自研 ASIC，是为了省成本、优化工作负载、减少依赖、做差异化，谷歌 TPU、AWS Trainium、Meta MTIA、微软 Maia 都是代表，背后常有博通、迈威尔与台湾设计服务厂的身影。2026 年 ASIC 增长率快过 GPU，但 GPU 仍占约七成、英伟达生态护城河还在，短期是并存而非取代。
想看 GPU 主流那一边，回头读 Blackwell 是什么；想看这些芯片怎么封装、喂数据，看 CoWoS 与 HBM；想看整条链八关，回到 供应链总览。