社区

10月12日，博通CEO陈福阳（Hock Tan）在新加坡出席活动时谈到，限制AI产业继续扩张的关键因素可能逐渐转向资本供给。另外陈福阳还批评了部分缺乏充分研究的AI投资行为。 $博通(AVGO)$

到了10月13日，芯片股继续承压，市场也开始重新审视AI基础设施的扩张成本，以及相关投资能否产生足够回报。

陈福阳的相关言论之所以值得关注，就在于博通本身就是AI基础设施扩张的重要受益者。公司最新公布的2026财年第三季度业绩显示，AI半导体收入达到167亿美元，同比增长221%；公司同时预计，第四季度AI半导体收入将达到217亿美元，同比增长236%。如此增长幅度足以说明定制AI加速器和网络基础设施的需求没有因为短期股价波动而消失。

但产业正在进入一个更复杂的阶段。此前市场关心的是GPU够不够、先进封装能不能跟上、数据中心能否按期交付；如今远不止如此，除了供给能力，还要回答谁来承担持续扩张的成本，以及新增算力能否转化为稳定收入。

微软推出自研AI芯片、云厂商推进定制化方案，也说明大型客户正在重新分配芯片采购与自研投入。

对博通、迈威尔和英伟达来说，这意味着三种不同的增长模式需要接受同一场检验：定制芯片能否扩大商业规模，GPU平台能否持续保持综合竞争力，网络连接能否随着算力集群扩张获得更稳定的需求。

接下来真正需要观察的，是需求如何穿过资本预算、产品交付和客户变现，最终落到供应商的收入与利润上。

博通的增长仍在加速，但AI产业开始面对资本约束

2026财年第三季度，公司总营收约296亿美元，同比增长86%；经营现金流约142亿美元，扣除约5亿美元资本开支后，自由现金流约137亿美元，相当于营收的46%。AI半导体收入达到167亿美元，已经成为公司增长的重要推动力。

根据上述数据可以发现，AI业务已经形成相当可观的收入规模，而且现金创造能力较强；定制芯片仍处于增长周期，对整个产业而言，AI基础设施依然存在真实需求，短期调整并不足以直接推导出景气周期结束。

需求的资金来源是不可忽视的一大问题。大型云厂商既要建设数据中心，也要承担服务器、网络设备、能源和后续运维成本。AI模型企业还需要为训练和推理持续付费，最终则要依靠企业订阅、云服务和应用收入回收投入。尽管产业链上的订单可以先于终端盈利出现，但此时间差也不能无限延长。

路透社报道中，陈福阳明确表示，资本可能成为AI继续扩张的最大约束。如果算力需求增长快于经营现金流，企业就需要更多融资；如果融资成本上升或回报周期拉长，可能改变资本开支计划，并最终影响芯片采购和设备交付。

大型客户建设AI集群时，芯片性能固然重要，芯片之间的数据传输、网络带宽与整体系统效率也会影响成本。博通能够同时覆盖定制AI加速器和网络基础设施。随着集群规模扩大，网络连接的价值随之上升，博通就能够从多个环节获得业务机会。

不过，收入增长快并不意味着订单没有风险。定制芯片项目通常需要与客户共同开发，涉及设计验证、软件适配和量产安排，客户需求变化可能影响项目节奏。对于市场而言，博通下一阶段需要证明的，是高速增长能够持续转化为利润和自由现金流，同时避免对少数大型客户形成过度依赖。

定制ASIC与GPU并行发展，客户开始重新计算算力成本

定制ASIC的机会来自大型客户对成本、能效和供应链自主性的追求。GPU具备较强的通用性与软件生态优势，适合多种模型和工作负载；ASIC则能够围绕特定任务进行设计，在产品规模、软件适配和利用率达到一定条件后，有机会降低单位计算成本。

博通和迈威尔近期在行业内十分引人注目。两家公司均参与定制芯片及数据中心互连等业务，但具体项目、客户结构和产品组合存在差异。不能简单用AI行业的整体增长，推导两家公司会获得相同的收入增速与利润率。

博通已经通过最新财报证明AI半导体业务的规模化能力。接下来迈威尔的观察重点，则应放在定制计算、光互连和高速电气连接等业务能否持续转化为收入，以及相关项目的量产进度和利润贡献上。

公司官网显示，迈威尔最新财报对应2027财年第二季度，季度截至2026年8月1日；10月13日，公司还公布了新一代3.2T协议感知Retimer及第二代1.6T有源电缆DSP相关产品，并与微软、甲骨文推进数据中心硬件安全标准化合作。

可见迈威尔的业务机会并不局限于某一颗AI芯片。算力集群的扩张需要处理器、互连和网络协同升级，系统复杂度越高，连接技术的重要性越突出。不过，技术规格的提升仍需要经过客户验证、产品导入和规模交付，才能转化为财务贡献。产品发布是商业化的起点，不能直接视为订单兑现。

英伟达面对的竞争则更加立体。财报显示，公司2027财年第二季度营收约962亿美元，其中数据中心收入约890亿美元，同比增长117%；季度毛利率为75%。这说明GPU平台依然拥有强大的收入规模和盈利能力。

与此同时，微软推出Maia 300自研AI加速器，计划用于自身服务，反映出大型云厂商希望提高对芯片性能、成本与供应链的控制力。

但定制芯片并不能直接替代英伟达。因为自研方案需要投入设计资源，承担验证和软件适配成本，还要面对先进封装、内存及制造资源的约束。

对于负载稳定、规模足够大的客户来说，定制方案可能更具经济性；可对于模型快速迭代、任务类型复杂的客户来说，GPU的通用性仍然重要。未来更可能出现的是两种架构长期并存，根据工作负载、成本和部署规模进行分工。

因此，定制ASIC的增长空间取决于客户是否愿意持续投入，以及产品能否达到预期的经济效益。

下一阶段的分水岭，是订单能见度能否转化为现金流

订单增长、收入确认以及自由现金流之间存在时间差，不能相互替代。判断AI芯片产业的景气度，需要将三者放在同一条链条上观察。

对博通而言，最新季度的高自由现金流为继续投入研发、扩展产品和回馈股东提供了基础，但仍需跟踪AI业务增长能否维持，以及大型客户项目的集中度会不会放大业绩波动。

对于迈威尔，关键在于定制计算和连接产品的商业化进度，以及AI相关收入增长能否改善整体盈利质量。

英伟达则需要持续观察数据中心收入、毛利率与客户需求之间的关系，判断规模优势能否在自研芯片竞争中延续。

行业还有一个容易被忽略的变量：算力利用率。数据中心建成并不代表全部算力都能立即产生收入，模型训练与推理的需求结构、客户部署进度和应用付费能力，都会影响设备的实际使用效率。如果客户采购先行，而应用收入增长较慢，新增资本开支依然可能面临重新评估。

反过来，如果企业能够证明AI服务带来持续收入，推理成本下降又能扩大应用范围，云厂商就有理由继续扩充基础设施。届时，定制芯片、GPU和高速互连都可能受益，只是不同公司的利润弹性会受产品结构、客户议价能力和竞争格局影响。

对产业链公司而言，未来的竞争力还体现在能否提前进入客户的系统设计周期，建立长期合作，并在产品升级时保持供应地位。

未来的赢家需要同时具备技术能力、商业交付能力和资本效率。具体来看，博通和迈威尔需要证明项目的商业价值，英伟达则需要继续证明通用计算平台在性能、软件生态和部署效率上的综合优势。

三家公司争夺的是不同层次的价值，不过最终都要接受客户回报率的检验。未来谁能把客户的长期需求转化为稳定订单，再把订单转化为持续现金流，谁才更有条件穿越下一轮产业扩张。