博通最新财报把一件事说得更清楚了：AI 基础设施的资金，已经不只流向 GPU。
在英伟达上周财报继续印证 AI 算力需求仍在上行之后，博通披露的数字则把另一条主线推到了台前。公司 Q3 AI 半导体收入为 167 亿美元，高于此前 160 亿美元的指引；下一季，这一数字被进一步给到 217 亿美元。更受关注的是，博通预计 FY2027 AI 芯片收入约为 1150 亿美元，FY2028 甚至看到 2300 亿美元。
这也让市场很难继续把 ASIC 是否构成 AI 的第二增长曲线，当作一个仍待验证的问题。至少在博通这里，相关收入已经进入报表，而且后续量级高于此前预期。接下来真正需要观察的，是 Google、OpenAI、Anthropic 等大项目能否按期落地，以及博通最终能拿下多少份额。
GPU 需求仍强，采购逻辑开始变化
英伟达此前的财报显示，即便基数已经很高，云厂商、AI 公司和模型实验室仍在继续增加算力投入。不过，当 AI 资本开支从数十亿美元走向数百亿美元，并继续迈向每年上千亿美元甚至更高的量级后，采购逻辑也在变化。
大型科技公司开始更多追问几个更直接的问题：完成同样一项 AI 工作负载，需要花多少钱；同样 1GW 电力，能产出多少有效算力；如果某些工作负载已经足够稳定，是否还需要全部使用成本最高的通用产品。
这正是 ASIC 重要性持续上升的背景。不过，把 ASIC 简单理解成「更便宜的 GPU」并不准确。它的核心优势来自专用化。
定制芯片本身并不便宜。前期研发投入大，开发周期长，还要处理软件、先进封装、网络、系统与供应链的一整套适配问题。可一旦某类工作负载趋于稳定，部署规模又从数十 MW 扩大到数百 MW，甚至进入 GW 级，单位成本、性能功耗比以及整个系统 TCO 的改善，就可能被迅速放大。
这也是为什么 Google 长期坚持 TPU，Meta 持续扩展 MTIA，OpenAI 也开始与博通共同开发自己的处理器。对这些公司而言，即便只是把部分最稳定、规模最大的工作负载，从通用芯片迁移到定制芯片，也可能带来显著经济价值。
推理负载上升，定制芯片平台进入部署期
这条路线之所以加快推进，也和几个条件同步成熟有关，其中最关键的变量，是推理正在成为越来越重要的增量负载。
模型训练往往具有阶段性，但 ChatGPT、Gemini、Claude 以及越来越多 Agent 进入生产环境后，推理会变成每天持续发生的任务。调用量扩大、模型结构和服务模式逐步稳定后，硬件围绕特定 workload 进行优化的空间也会更大。
OpenAI 在今年 6 月正式发布与博通联合开发的首款 Intelligence Processor Jalapeño，定位面向 LLM 推理。按照文中表述，这并非一颗孤立芯片，而是一个多代计算平台的第一代产品，计划从 2026 年底开始部署，并在未来按 GW 级规模扩张。
Meta 的路线也相近。公司正计划在两年内推进四代 MTIA，覆盖推荐、排序和生成式 AI，多款产品采用 inference-first 的设计思路。今年 4 月，Meta 进一步扩大与博通的合作，第一阶段部署已超过 1GW，后续规划扩展至多个 GW，双方的多代产品合作将延续至 2029 年。
这些进展说明，大型 AI 客户正在从单纯追逐峰值性能，转向另一套更务实的衡量方式：Token 能否被更低成本地生产出来。
随着 AI 商业化推进，单百万 Token 的成本、每瓦电力对应的有效算力产出，以及整个数据中心的 TCO，都会变得更关键。按文中观点，ASIC 的本质，是大型 AI 公司开始尝试把这部分成本控制权重新拿回手中。
博通押注的不只是 ASIC，还有持续扩大的 AI 集群
在这个背景下，博通财报中的收入结构变化就更容易理解。
上一季，博通总营收达到 221.87 亿美元，同比增长 48%；其中 AI 半导体收入达到 108 亿美元，同比增长 143%。公司对下一季给出的指引更激进：总营收约 294 亿美元，其中 AI 半导体收入预计达到 160 亿美元，同比增长超过 200%。
按照这一口径，160 亿美元大致相当于博通预计当季总营收的 54%。如果指引兑现，仅 AI 半导体一项业务，就可能贡献公司超过一半收入，这里还包含 VMware 等基础设施软件业务在内。换句话说，AI 正在直接改写博通的收入结构。
不过，文中也特别提示，160 亿美元不能直接等同于 ASIC 收入，其中还包括 Ethernet 交换芯片、SerDes、PCIe、光互联等 AI 网络产品。上一季，网络业务在 AI 半导体收入中的占比已接近 40%。Hock Tan 指出，这一比例可能已接近阶段性高位，长期更可能回到约 30%附近。
这意味着，博通同时在扩张两条业务线：一条是 Custom XPU，另一条是 AI Networking。这也是它与许多纯芯片公司的一个明显区别。
随着 AI 集群从几千颗芯片扩大到几万颗、十几万颗乃至更大规模，算力之间如何连接，重要性也在上升。Broadcom 正把 AI 网络进一步拆分为 scale-up、scale-out 和 scale-across，覆盖机架内高速互联、数据中心内部的大规模网络，以及多个数据中心之间的连接。
如果大型云厂商继续增加自研 ASIC，Broadcom 可以参与 Custom XPU；如果 GPU 集群继续扩张，开放式 Ethernet 网络市场也可能继续扩大。按文中判断，博通实际上押注的是整个 AI 基础设施复杂度继续上升。
大客户不会只押一家供应商
这门生意并非没有竞争。
文中提到，Google 已与博通签署长期协议，合作开发未来几代 TPU 和下一代 AI 机架相关组件，协议最长覆盖至 2031 年；但 Google 最近也扩大了与 Marvell 的定制芯片合作。
这至少说明，大客户不会轻易把未来架构完全交给单一供应商。Google 如此，Meta 和 OpenAI 未来大概率也会保留多供应商体系。博通当前优势真实存在，但还谈不上对客户形成完全锁定。
市场后面要看的，不再只是增长曲线是否存在
在市场原本已经普遍预期博通 AI 业务会很强的情况下，这次财报真正被拿来验证的，已不是 160 亿美元能不能做到。现在的焦点，转向这条增长曲线究竟能拉多长，以及后续数字如何兑现。
在 FY2027 约 1150 亿美元、FY2028 约 2300 亿美元的目标摆出后，后续更关键的问题包括：Google、Meta、OpenAI、Anthropic 的项目能否按计划推进到 GW 级；第一代芯片量产后，第二代、第三代是否还能继续拿到订单；网络业务能否随着集群规模同步增长。
这些问题，按文中判断，会比某一季多卖出几十亿美元更重要。
从这个角度看，这份财报也在提醒市场，定制芯片、网络、互联这些过去更像配套的环节，正在逐步成为主线。它也说明，AI 这一轮基础设施投资，可能还远没有进入只剩存量竞争的阶段。
只要大型科技公司还在继续建设更大的集群、购买更多电力、计算更多 Token，新的瓶颈就会继续出现，新的利润池也会随之扩张。AI 这门生意，正从单颗芯片，延伸为一整套基础设施。