內容概括
瑞穗管道調研把 2028 年 TPU 出貨推到 3500 萬顆以上，較 2026 年約 430 萬顆、2025 年約 240 萬顆繼續放大，並提出 2026-2028 年 TPU 累計出貨可能接近 5000 萬顆。這個數字最重要的地方，不是單純給博通再加一個看多理由，而是把市場的審題從“博通本季 AI 半導體收入夠不夠驚豔”改成“雲廠自研 ASIC 的出貨斜率是不是被系統性低估”。一旦這個斜率成立，Broadcom、MediaTek、HBM、台積電、伺服器 ODM、先進封裝、PCB/ABF、液冷和電源都會被重新納入同一條需求鏈。
本文的核心判斷是：ASIC 不是 GPU 的反面，而是推理經濟學進入規模化階段後，超大雲廠降低單位 token 成本、爭取供應鏈選擇權和鎖定專屬工作負載的工具。訓練仍然偏向輝達平台，長尾開發者仍然依賴 CUDA/PyTorch 生態；但在 Google TPU、OpenAI/OAI Nexus、Meta MTIA、AWS Trainium、Microsoft Maia 和 ARM AI ASIC 等大客戶場景裡，只要工作負載足夠穩定、軟體團隊足夠強、規模足夠大，定製矽就會不斷吃掉增量推理利潤池。
投資上，博通仍是最清晰的主錨，因為它同時拿到 custom silicon、Ethernet networking、SerDes、交換和機櫃級網路價值；但結論不能停留在“博通又強了”。更有價值的判斷，是把博通放在一條擴散鏈裡看：第一層是 ASIC 設計和網路，第二層是 HBM/HBM4e 和先進封裝，第三層是伺服器整機櫃、液冷、電源與 PCB，第四層是軟體效率和模型壓縮對硬體強度的反向校驗。若 2028 年 TPU/ASIC 曲線兌現，最強彈性不一定只在博通，也可能在美光、台積電、聯發科、緯穎以及一批被 ASIC 伺服器放量帶動的亞洲供應鏈環節。
一、瑞穗把問題改了：從“博通財報復盤”變成“TPU 曲線重估”
博通 2026 財年二季度財報以後，市場原本圍繞兩個問題交易：第一，AI 半導體收入是否繼續高增；第二，下一季度指引是否足夠超過過高預期。Citi 的復盤口徑顯示，博通當季總收入和每股收益大致符合預期，7 月季度 AI 銷售指引略低於部分樂觀模型，但公司仍重申 2027 財年 AI 半導體銷售額超過 1000 億美元，2028 財年繼續增長；同時 2026 財年 AI 銷售額約 560 億美元，且下半年較上半年繼續加速。這個框架仍然重要，但它已經不是最新分歧的全部。
瑞穗管道調研提供的新變數，是把 TPU 出貨量的上限明顯抬高。市場此前更習慣用“博通約 10GW、OpenAI/Meta/其他客戶逐步貢獻、Google TPU 穩定放量”的方式看博通；瑞穗口徑則把 2028 年 TPU 出貨提到 3500 萬顆以上，並把 2026-2028 年累計 TPU 出貨拉到接近 5000 萬顆。這個口徑如果成立，意味著此前圍繞 Broadcom ASIC 出貨約 700 萬顆的部分保守假設可能偏低，AI custom silicon 不是某幾家雲廠的小眾補充，而是正在成為高規模推理基礎設施的核心增量。
這條線索改變了市場定價的重心。6 月 4 日的博通財報已經驗證 AI 半導體和網路需求，6 月 7 日的新變數則把問題推進到 TPU 出貨曲線。博通仍然在中心，但中心的含義變了：它不是只在財報季兌現一次收入，而是在一個可能持續到 2028 年的定製矽上修周期裡，承擔設計、網路、交換、SerDes 和部分機櫃級價值。更重要的是，博通之外的鏈條開始變得可交易：TPU 對 HBM/HBM4e 的拉動，聯發科在後續 TPU/ASIC 項目中的價值量提升，伺服器 ODM 的整機櫃交付，PCB/ABF/液冷/電源的二階彈性，都會因為出貨曲線抬高而重新進入模型。
這裡要保持克制。瑞穗管道調研目前更像“新催化”，不是可以直接替代完整模型的唯一底稿。正式判斷仍要靠幾類材料交叉驗證：Citi 對博通 FY26-FY28 AI 收入和客戶部署的分解，高盛對 OpenAI 10GW 和每 GW 收入機會的測算，Morgan Stanley 對 TPU/GPU/HBM/ASIC 全鏈條的框架，Evercore 對 GPU vs ASIC 推理經濟學的管道檢查，高盛伺服器模型對 ASIC 伺服器佔比和整機櫃出貨的測算，以及聯發科報告對亞洲設計服務價值量提升的驗證。只有這些證據放在一起，TPU 海嘯才不是一句熱鬧口號。
二、為什麼 ASIC 這次更像主線：推理經濟學開始改採購指標
過去兩年 AI 加速器的主線是訓練。訓練要最大 FLOPs、最大頻寬、最成熟軟體棧和最少執行風險，輝達自然擁有最高平台溢價。這個階段，客戶願意為 GPU、NVLink、InfiniBand/NVLink Fusion、CUDA、庫、參考架構和交付確定性支付高毛利，因為錯過訓練窗口的機會成本遠高於硬體溢價。
現在問題開始變化。Evercore 的 1Q26 AI 管道調研問了 25 位以上 AI 工程師和行業專家，方向相當清楚：2025 年仍偏訓練，但到 2026 年底，推理可能成為計算工作負載的主要部分，部分受訪者把推理佔比看至 50%-60%。推理不是訓練的反面，而是採購指標的切換：客戶不再只看最大頻寬和峰值性能，而是看 cost-per-token、功耗、散熱、利用率、SLA、軟體調優成本和總擁有成本。
這正是 ASIC 變得更重要的原因。雲廠不需要讓 ASIC 在所有場景取代 GPU，只需要在足夠大、足夠穩定、足夠可最佳化的推理工作負載裡，把單位 token 成本降下來。大客戶有能力為 TPU、Trainium、Maia、內部 ASIC 或 AMD 平台配置專門的軟體團隊；Evercore 的管道反饋甚至提到，Anthropic、xAI、OpenAI、Google 這類客戶為每個硬體平台配置 20-30 人做最佳化是合理投入。這個規模門檻把市場分成兩層：長尾企業仍需要輝達平台，大客戶會不斷把一部分負載遷到更便宜或更可控的專用硬體上。
因此，結論不能落在“ASIC 打敗 GPU”這個二元框架裡。更準確的判斷是：輝達仍然是最大、最強、最通用的平台，但推理經濟學會讓它的增量份額和毛利率接受更嚴格的 TCO 檢驗。雲廠 ASIC 不是為了追求所有指標最強，而是為了在內部大規模場景裡降低成本、減少單一平台依賴，並讓模型服務、雲產品和客戶合同的關係更緊。
這也是為什麼 TPU 曲線被抬高後，市場反應不應只停留在博通。TPU 放量本身說明 Google 和 Anthropic 這類客戶願意在 Google 棧內接受更深的軟體和硬體一體化；OpenAI/OAI Nexus 說明前沿模型公司也在尋求 GPU 之外的大規模定製矽路徑；Meta MTIA 說明廣告、推薦和內部推理負載有足夠規模支撐 ASIC；ARM AI ASIC 則說明 CPU/IP 生態也在尋找進入 AI 加速器價值鏈的路徑。GPU 仍是基準資產，但 ASIC 已經從“替代品”變成“第二來源和成本槓桿”。
三、博通的正確位置：不是單顆 ASIC，而是 custom silicon + 網路雙收費
博通的優勢，在於它不是只賣一顆定製晶片。高盛在 OpenAI 合作報告裡把 10GW custom-designed AI accelerators 與 networking products 放在一起分析，認為 Broadcom 與 OpenAI 的合作包括加速器和 Ethernet 解決方案，面向 scale-up 和 scale-out 網路。高盛的每 GW 框架顯示，1GW AI 資料中心部署可能對應 100 億-150 億美元等級的 Broadcom 收入機會，其中既有 custom silicon，也有 AI networking。這個框架不一定能機械套到每個客戶，但它解釋了博通為什麼估值能高於普通 ASIC 設計服務商。
Citi 的博通復盤也強化了同一件事。公司預計 2027 年 10GW 發貨可能偏下半年，但 2028 年仍有強勁延伸；OpenAI 2027 年 1.3GW 是更大 10GW 部署的一部分，Meta 到 2028 年底可能部署 3GW，另有兩個客戶預計 2026 年末開始出貨並在 2027 年加速，相關採購訂單約 60 億美元。Citi 還提到，博通 AI networking 與 XPU 的長期 attach rate 約 30%，且 HBM 成本上漲可向客戶傳導。這些資訊共同指向一個結論：博通的 AI 收入不是單一晶片 ASP，而是“XPU + 網路 + 高速介面 + 客戶鎖定”的組合。
博通真正的護城河來自三件事。第一是客戶規模。Google、OpenAI、Meta 這類客戶的工作負載足夠大，可以承擔定製晶片、編譯器、軟體棧和長期最佳化成本。第二是網路能力。ASIC 越多，叢集越大，scale-up 和 scale-out 網路越重要，博通可以同時賣晶片和網路。第三是長期路線圖。Google TPU 已經演進多年，未來 v7/v8/v9/v10 不只是晶片代際，而是 HBM、製程、封裝、網路、伺服器和軟體棧的一整套遷移。
但博通也有高預期風險。Citi 復盤裡就能看到，AI 收入指引強，但沒有明顯高過最激進市場預期，股價仍可能承壓。原因是博通已經被市場當作 AI 定製矽第一股定價，單季“好”並不夠，必須持續證明 2027-2028 年大客戶部署沒有延期、每 GW 內容量沒有被壓縮、網路 attach 沒有被替代、HBM 成本能夠傳導。如果 3500 萬顆 TPU 的曲線只是管道過度外推，博通估值會先反應。
所以，博通在這篇報告中的位置應該是“核心主錨，但不是唯一答案”。它是判斷 ASIC 上修周期是否真實的第一隻股票；但如果出貨曲線成立，投資機會會從博通外溢到 HBM、先進封裝、設計服務、伺服器、PCB/ABF 和液冷。真正的深度報告不能唯寫 AVGO 一家公司，否則會錯過“TPU 海嘯”對供應鏈的二階傳導。
四、TPU 路線圖的關鍵：Broadcom 與 MediaTek 可能輪流吃到價值量
Morgan Stanley 的 AI 半導體報告給了一個很重要的框架：無論 GPU 還是 ASIC 贏，台積電作為先進製程和先進封裝供應商都會受益；而在雲廠自研晶片裡，Google TPU 是最成熟的樣本之一。報告把 TPU 路線分成多個代際：TPU v7 Ironwood/Sunfish 與 Broadcom 相關，TPU v8 Zebrafish 與 MediaTek 相關，TPU v9 Pumafish 又回到 Broadcom，TPU v10 Humufish 與 MediaTek 相關。不同報告對命名和客戶責任的具體口徑可能存在差異，但核心資訊很清楚：Google TPU 不是一次性項目，而是多代迭代的體系工程。
這對聯發科非常關鍵。高盛台股報告把聯發科 AI ASIC 上行周期明顯上修：管理層把 2026 年 AI ASIC 收入指引從超過 10 億美元上修到 20 億美元，並對 2027 年“數十億美元”規模保持信心；更重要的是，管理層把 AI ASIC TAM 從此前 2028 年 700 億美元，上修到 2027 年 700億-800 億美元。高盛據此維持 2027 年聯發科 AI ASIC 收入約 123 億美元，並把 2028 年 AI ASIC 收入模型從 190 億美元上調到 480 億美元，佔總收入 66%。
這組數字看起來很激進，但它背後的邏輯不是“手機晶片公司突然變 AI 公司”，而是價值量位置改變。聯發科的下一代 AI ASIC 項目預計 2027 年底量產，管理層強調新一代晶片更大、更強，聯發科在 silicon、packaging 和 SerDes IP 中獲得更高價值量，未來可能從 I/O dies 擴展到 compute dies 設計流程。換言之，聯發科的重估不只是多賣一顆 ASIC，而是從傳統無線/手機 SoC 資產，遷移到雲廠 AI 定製矽價值鏈。
這也解釋了為什麼 TPU 海嘯不能唯寫成博通故事。如果 2028 年 TPU 出貨真的上到 3500 萬顆以上，Google 不可能只依賴一個供應商、一個代際、一個封裝方案。Broadcom 與 MediaTek 的輪替，台積電先進製程和 CoWoS/SoIC 的供給，ASE/日月光、測試、基板、良率和電源散熱都會成為風險和機會。聯發科的多頭邏輯來自“價值量上移”，風險也來自同一件事：一旦先進封裝、良率、客戶路線或項目時間表出問題，估值會按高 beta 回撤。
對 A 股和港股投資者來說，這部分還要避免簡單對應。不是所有“ASIC 概念”都能受益，真正受益的公司必須滿足兩條：第一，能進入大客戶量產鏈，而不是只做概念驗證；第二，價值量能隨代際提升，而不是在激烈價格競爭中只賺一次性 NRE 或低毛利設計費。TPU 曲線越陡，供應鏈篩選越要看客戶、節點、封裝、良率和產能。
五、HBM 的第二導數：ASIC 不是削弱記憶體，而是把 HBM 需求多核化
市場容易把 ASIC 和 GPU 對立起來，從而誤以為 ASIC 放量會削弱 HBM。這個判斷太粗。Morgan Stanley 的報告顯示，2026 年 HBM 消耗可能達到 320 億 Gb 等級，輝達仍然是最大需求方，但 AI ASIC 已經納入 HBM 需求模型，包括 TPU v7p、TPU v7e、TPU v8、AWS Trainium、Meta MTIA 等多個項目。瑞穗管道調研也強調，隨著下一代 ASIC 遷移到 HBM4e，ASIC 對 HBM 市場份額的貢獻可能提高。
這裡的關鍵不是“ASIC 用不用 HBM”，而是用多少、用那一代、誰供應、良率如何。訓練 GPU 仍然是 HBM 最大單一驅動，但云廠 ASIC 放量會讓 HBM 需求從單一輝達鏈條擴散到多個客戶和多個平台。對美光來說，這尤其重要。過去市場更習慣用輝達認證、HBM3e/4 進度和三星/SK 海力士競爭來給美光定價；如果 TPU、MTIA、Trainium、OAI ASIC 都開始向 HBM4/HBM4e 遷移，美光的需求來源會更分散，議價和產能分配也可能更有彈性。
這部分最容易出現兩種錯誤。第一種錯誤是“ASIC 放量等於 HBM 更強，所有儲存都無腦受益”。並不是。HBM 受益要看具體代際、客戶認證、堆疊能力、封裝配合、長協價格和良率；普通 DRAM/NAND 的傳導路徑更長，不能直接照搬 HBM 邏輯。第二種錯誤是“模型壓縮會殺死硬體需求”。也不是。TurboQuant 這類壓縮或記憶體最佳化技術能把部分模型運行記憶體大幅壓低，說明軟體效率始終是硬體牛市的校驗項；但在超大規模雲廠推理中，單位成本下降往往也會刺激更多呼叫，最終影響的是需求彈性和利潤分配，而不是簡單削減所有硬體需求。
更合理的結論是：HBM 是 TPU/ASIC 曲線的第二導數。第一導數是 Broadcom/MediaTek 這些 ASIC 設計和網路供應商收入上修；第二導數是 HBM、封裝、基板、散熱和測試是否因為多平台放量而持續緊缺。如果 2028 年 TPU 出貨曲線兌現，美光、SK 海力士、三星不只是輝達鏈條的供應商，也會成為雲廠 ASIC 多核化的共同受益者。
六、伺服器與整機櫃：ASIC 放量最終要落到機櫃、液冷、電源和 PCB
高盛全球伺服器模型把 ASIC 伺服器的重要性說得很直接：AI 伺服器中的 ASIC 晶片佔比預計從 2025 年 38%、2026 年 40% 提升到 2027 年 50%，而全球 AI 晶片需求從 2025 年約 1100 萬顆、2026 年約 1600 萬顆提升到 2027 年約 2100 萬顆。這個口徑不等於瑞穗 3500 萬 TPU 口徑，兩者定義和樣本範圍不同，但方向一致：ASIC 不再是邊緣增量，而是在伺服器和機櫃層面逐步成為主流配置之一。
高盛還把整機櫃平台納入伺服器 TAM：2025-2027 年 rack-level servers 約 1.9 萬、5.5 萬、8 萬櫃，且非輝達整機櫃平台開始進入模型。AI full racks 的擴張意味著價值量不只在晶片，還在伺服器、主機板、背板、線纜、光模組、液冷、電源、機櫃導軌、PCB/CCL 和測試。ASIC 的出貨量再高，如果不能轉成可交付的伺服器和資料中心容量，也只是模型裡的數字。
這張圖的投資含義是：如果寫“TPU 海嘯”，文章必須從晶片往機櫃寫。雲廠真正採購的是 capacity，不是單獨一顆晶片。Google、Meta、OpenAI、AWS 或 Microsoft 要把 ASIC 投入生產，必須經過晶片設計、晶圓代工、HBM、封裝、基板、整機伺服器、機櫃、電力、液冷、資料中心並網和軟體部署。任何一個環節卡住，出貨曲線都會延後；任何一個環節持續緊缺，都會形成二階定價機會。
這也是為什麼緯穎這類 ASIC 伺服器材料值得放進輔助證據。它們不一定是這篇文章的主角，但能驗證 ASIC 已經從晶片故事進入系統故事。伺服器 ODM 的利潤率通常不如晶片設計商，但在整機櫃放量、客戶指定配置、液冷和高端板材比例提升時，它們能提供供應鏈體感：訂單是不是真的下來了，拉貨節奏是不是在加快，BOM 有沒有升級，良率和交付有沒有問題。
七、軟體效率是反向約束：硬體牛市不能忽視壓縮和調度
同一批資訊裡出現了一個看似不相關的訊號：TurboQuant 通過壓縮把某些模型運行記憶體需求從 31GB 降到 4GB，雖然有輕微有損，但質量仍可接受。這類技術不能直接拿來否定 ASIC、HBM 或 GPU 需求，卻能提醒投資者一件事：AI 硬體需求不是 token 數量的線性函數，軟體效率、模型壓縮、量化、快取、調度和專家路由都會影響硬體強度。
硬體牛市裡最危險的外推，是把所有模型能力提升都等同於晶片和記憶體等比例增長。現實更複雜。單位推理成本下降，會讓更多應用變得可行，從而擴大總需求；但同樣的成本下降也會改變不同硬體環節的利潤分配。如果壓縮和調度減少了單次呼叫的記憶體佔用，HBM 單位需求可能低於簡單外推；如果更低成本刺激更多 agentic workflows，總 token 產出又可能超過原先預期，反而帶來更多伺服器、電力、網路和儲存需求。
這正好與 Evercore 的管道調研相互印證。ASIC 的瓶頸不只是硬體 tape-out，而是軟體棧能否把硬體優勢暴露給開發者。Google 的 JAX/OpenXLA、AWS Neuron、PyTorch/Triton、ROCm、Modular/Mojo 等工具鏈，決定了客戶是否能把工作負載穩定遷移到 TPU、Trainium、AMD 或內部 ASIC。硬體便宜但軟體調不出來，理論 TCO 優勢會被工程成本吞掉；軟體足夠成熟，ASIC 才能從戰略備胎變成真實利潤池。
所以，本文的多頭結論不是“硬體越多越好”，而是“推理經濟學會獎勵能把硬體、軟體和客戶規模同時跑通的供應商”。博通的優勢在客戶和系統價值，聯發科的彈性在價值量上移，HBM 的機會在多平台擴散，伺服器和液冷的機會在物理交付；但所有這些都要接受軟體效率的檢驗。
八、投資排序：先找確定性主錨，再找二階彈性
這條主線的投資排序不能按單一漲幅想像排，而要按確定性、彈性和證偽速度分層。第一層是確定性主錨，代表是博通。它擁有最清晰的大客戶 ASIC 和 AI networking 收入框架，也最容易被市場拿來驗證 TPU/ASIC 曲線是否真實。第二層是 HBM 和先進封裝，代表是美光、SK 海力士、三星、台積電和相關封裝測試鏈。它們不是每個單季都跟 ASIC 股同步，但如果多平台 ASIC 遷移到 HBM4/HBM4e，需求曲線會更紮實。第三層是亞洲 ASIC 設計服務和伺服器鏈，代表是聯發科、緯穎、廣達、鴻海、ABF/PCB、液冷與電源。它們彈性更高，也更依賴項目和客戶確認。
博通的交易方法，要從“漲不漲”改成“預期還剩多少”。如果市場已經把 FY27/FY28 大部分上修計入估值，單季好消息未必帶來上漲；但一旦看到 OAI Nexus、Meta MTIA、Google TPU 或 ARM ASIC 任何一個項目超預期推進，博通仍是最直接表達。它適合作為主題主錨，而不是最高 beta。
美光的彈性來自 HBM 第二導數。儲存股不應只按傳統 DRAM 周期看，而要看 HBM4/HBM4e 認證、長協價格、產能分配和 ASIC 客戶擴散。如果下一代 ASIC 對 HBM 的單位消耗提高，美光可能同時吃到輝達 GPU 和雲廠 ASIC 兩邊的需求；如果軟體壓縮降低單次記憶體強度，或者 HBM4e 認證/良率不及預期，估值彈性會被推遲。
聯發科更像高 beta 資產重估。它的核心不是手機 SoC 復甦，而是 AI ASIC 價值量進入 compute die、封裝、SerDes 和更高 ASP。高盛模型把 2028 年 AI ASIC 收入提到 480 億美元，佔總收入 66%，這會把公司資產屬性徹底改寫；但這個數字也意味著估值對項目延期極其敏感。聯發科適合寫成“下一條曲線”，不適合寫成已完全兌現的確定性。
伺服器、PCB、液冷和電源是最後確認層。它們未必擁有最高毛利率，但能驗證訂單是否真的變成機櫃。ASIC 伺服器放量以後，價值會從晶片向背板、主機板、線纜、CDU、電源、機櫃和測試擴散。這裡更適合用“拉貨節奏、客戶認證、毛利率改善、產能利用率”跟蹤，而不是只看概念標籤。
九、三個情景：3500 萬顆 TPU 是牛市上限，不是基準保證
最需要防止的是把管道調研上限直接當成基準。3500 萬顆以上 TPU 出貨如果兌現，是牛市情景；基準情景應該更保守地承認項目會有代際切換、封裝爬坡、客戶資本開支和軟體遷移的不確定性。更穩妥的判斷，是把三種情景攤開，而不是只押一句“TPU 海嘯”。
牛市情景下，TPU/ASIC 變成 2026-2028 年 AI 半導體最強主線之一。博通不只是獲得更多 XPU 收入，還能通過 AI networking 提升每 GW 內容量；美光和其他 HBM 廠商因為多平台 HBM4/HBM4e 需求獲得更高可見度；聯發科從手機 SoC 資產遷移到 AI custom silicon；伺服器 ODM、先進封裝、PCB/ABF 和液冷成為機櫃交付的必要條件。
基準情景下，博通仍是主錨，但二階彈性需要篩選。部分雲廠 ASIC 項目會延期，部分客戶會繼續依賴輝達 GPU，部分工作負載會被軟體最佳化和模型壓縮吸收。這個情景不是看空，而是提醒投資人不要用最高出貨口徑給所有公司估值。能被確認的訂單、能量產的項目、能傳導價格的供應商，才值得上修。
證偽情景下，最先下修的是高 beta 環節。博通可能因為已有客戶和網路價值相對抗跌，但聯發科、部分設計服務、伺服器拉貨和 HBM 多平台彈性會先被市場重估。輝達則會被重新證明為最強通用平台，尤其如果非輝達軟體棧進展慢、客戶遷移成本高、或雲廠對自研 ASIC 的部署節奏低於預期。
十、未來四個季度跟蹤指標
這條主線必須用指標跟蹤，不能靠故事延續。最重要的不是單條管道資訊，而是接下來四個季度裡，博通、Google、Meta、OpenAI、AWS、Microsoft、聯發科、美光、台積電和伺服器供應鏈是否給出互相印證的資料。
如果這些指標形成同向驗證，TPU 海嘯就會從管道催化變成投資主線。如果只有博通一家繼續給強指引，而 HBM、聯發科、伺服器和封裝沒有同步證據，這條主線就更像單公司交易。如果軟體效率大幅提升但總推理需求沒有同步擴張，硬體強度也會被重新下修。真正的判斷要靠交叉驗證，而不是靠一個數字興奮。 (404K)