芯片只是起点
AI的真正基础设施正在这里

理解ASIC机会的关键，是理解一个悖论：AI芯片竞争越激烈，ASIC设计服务商越受益。

超级大厂（Google、Amazon、Meta、OpenAI）都想要自研芯片，但芯片设计的复杂度远超软件工程。他们需要外部伙伴来完成从架构规划到物理实现的全流程。这就是Broadcom和Marvell的生意——他们不押注谁会赢得AI芯片战争，而是帮所有参战者造武器，并从每一方收费。

Broadcom的客户包括Google（TPU）、Meta（训练芯片）、现在又加上OpenAI；Marvell的客户覆盖多家超级大厂的自定义XPU项目。这种「雨露均沾」的商业模式，在竞争格局不确定的环境下，提供了罕见的确定性。

从数据来看，这个逻辑已经在兑现。Broadcom的AI收入上季度同比增长106%，达到84亿美元；Marvell的数据中心收入连续多季度保持40%+增速，设计管线估值已达$750亿。两家公司的订单能见度都延伸到2028年以上。

当NVDA的GPU性能每代提升2-3倍，芯片之间的数据传输速度却没有同步跟上，整个算力集群的效率瓶颈就从「算」转移到了「传」。这是光互联成为AI时代下一个核心基础设施的根本原因。

2026年3月，NVDA向COHR和LITE各投资20亿美元，供应协议锁定至本十年末。这不是一笔财务投资，而是NVDA主动锁定自身生产链条的战略行为——它告诉你光互联是Blackwell及其后续架构不可缺少的组件。

技术路线正在从400G向800G和1.6T快速演进，3.2T已在2026年展示原型。AI模型已经大到无法放在单个数据中心里，超级大厂正在建设跨越多个数据中心、作为一个虚拟超级计算机运行的集群，而连接这些集群的只能是光纤。

这个市场从2025年的$3.75亿预计到2033年扩张至$18.36亿，CAGR约22%。更重要的是，技术代际升级的节奏（每18-24个月一次）确保了持续的需求更新。

NVDA的Blackwell GPU功耗超过1000W，下一代Rubin预计更高。传统风冷系统的物理极限大约在300-400W/芯片，超过这个阈值后风冷无法有效散热。液冷不是一个更好的选项，而是高密度AI计算的唯一可行方案。

2025年2月，微软宣布将液冷定为所有新Azure AI服务器部署的标准。这个决定从单一客户的技术选择，变成了整个行业的部署规范。类似的强制性采用正在发生在所有超级大厂。

市场数据显示，液冷市场将从2025年的$4.68亿扩展至2035年的$25.80亿，CAGR约18.6%。Vertiv以11.3%的市场份额领先，订单积压达到$150亿，2025年账面订单同比增长81%，Q4 book-to-bill比率达到2.9——意味着每收入1美元，新增订单2.9美元。

与其他AI基础设施领域不同，液冷的壁垒不只是技术，更是工程集成和客户关系。Vertiv与NVDA、Intel共同为其最新芯片系统设计液冷解决方案，这种深度嵌入使其在单一客户中形成了多年的锁定。

2026年4月，Bloomberg报道美国计划今年投建的数据中心中，超过一半面临延期或取消——不是因为缺钱，也不是缺地，而是缺变压器和配电设备。这一个细节，将电力基础设施从投资者的「背景噪声」推到了舞台中央。

AI数据中心需要的是7×24小时不间断的基载电力，风能和太阳能的间歇性无法满足这个要求。这就是为什么微软签了20年的核电协议重启三哩岛，Meta签了1.1GW的核电协议，超级大厂们开始直接绕过电网与发电厂谈合同。

电力这条主线由两个子市场构成：发电侧（核电运营商CEG、VST）和输配电设备侧（GEV、ETN）。两者的逻辑不同但都成立。

发电侧的故事是核电资产重新定价。核电厂此前被市场按照商品化电力定价，但它提供的24/7零碳基载电力在AI时代有了溢价逻辑，超级大厂愿意签长期协议锁定供应。Constellation的三哩岛重启协议、Vistra的核电扩张，都是这个逻辑的具体执行。

输配电设备的故事更直接。GE Vernova上周四（4月22日）上调全年业绩指引，原因是单季数据中心电气化订单就超过了去年全年总和。Eaton的数据中心订单积压等于2025年全年建设量的11倍。这不是预期，这是已经签约的订单。

这是整张地图里逻辑最简单、确定性最高的一层。

NVDA的GPU在台积电制造。Google的TPU在台积电制造。AMD的MI系列在台积电制造。Broadcom和Marvell设计的ASIC在台积电制造。Apple的M系列芯片在台积电制造。全球92%的先进AI芯片，都在台积电制造。

AI芯片竞争越激烈，台积电的订单总量越大。没有任何一种竞争结果会对台积电不利——除非某个主要客户整体萎缩，而这在AI Capex持续扩张的背景下几乎不可能发生。

台积电Q1 2026利润同比增长58%，HPC（高性能计算，主要是AI芯片）已占营收61%，全年指引30%增速。管理层明确表示「需求远超供给，sold-out状态贯穿2026全年」。

这个生意的护城河不是技术一代的领先，而是数十年工艺积累、数万名工程师的经验、以及整个客户生态的深度嵌入。英特尔试图追赶，三星试图追赶，三星和英特尔都还没有追上。这是目前所有已知竞争中，防御最稳固的商业模式。

唯一需要管理的风险是地缘政治，而不是商业竞争。这个风险无法通过分析消除，只能通过仓位控制来管理。

训练一个大模型需要大量算力，但推理（inference）——也就是让模型实时回答问题——对内存带宽的要求同样极为苛刻。模型越大，推理时需要的内存越多，读写速度越关键。

HBM（高带宽内存）是目前AI GPU和TPU的标准内存方案。NVDA的H100、A100，以及AMD的MI300X，都大量使用HBM。全球HBM市场由SK Hynix、Samsung、Micron三家主导，其中SK Hynix供应了全球约62%的HBM。

MU（Micron）是这条主线里对美国投资者最直接可投的标的，也是你此前深度研究过的公司。Micron的HBM3E已被NVDA纳入供应链，其企业级SSD业务也随AI数据中心扩张同步受益。

这条主线目前面临的挑战是：存储行业的周期性相对较强，价格波动会影响利润。但AI对HBM的需求相对刚性——GPU性能提升，对应的HBM需求成比例增长——使得这一代存储周期的韧性明显强于前几轮。