AI服务器市场需求 - 北美大型CSP是AI服务器市场需求扩张主力，tier-2数据中心和中东、欧洲主权云项目助力需求稳健 [1] - 2025年AI服务器出货量预计维持双位数增长，但2024年全球出货量增速微幅下修至24.3% [1] - 2025年整体服务器（含通用型和AI服务器）出货量预计年增5%，与先前评估一致 [4] 北美五大CSP动态 Microsoft - 2024年投资重点仍为AI领域，通用型服务器采购量受抑制 [1] - AI服务器主要采用NVIDIA GPU方案，自研ASIC Maia预计2026年新方案才明显放量 [1] Meta - 新数据中心落成推动通用型服务器需求显著增加，多数采用AMD平台 [1] - 积极布局AI服务器基础设施，自研MTIA芯片2026年出货量有望翻倍增长 [1] Google - 主权云项目和东南亚新数据中心推动服务器需求提升 [2] - 自研芯片布局比例较高，AI推理用TPU v6e已于2024年上半年逐步放量成为主流 [2] AWS - 自研芯片以Trainium v2为主力平台，已启动Trainium v3开发，预计2026年量产 [2] - 2025年自研ASIC出货量预计实现双倍增长，为美系CSP中最强 [2] Oracle - 侧重采购AI服务器和IMDB服务器，2024年更积极布局AI服务器基础设施 [3] - 整合云端数据库及AI应用，对美国主权云项目中NVIDIA GB Rack NVL72需求明显提升 [3] 行业技术趋势 - 北美CSP普遍加速自研ASIC布局，Google TPU v6e、AWS Trainium v2/v3、Meta MTIA等方案成为重点 [1][2] - 国际形势变化促使Server Enterprise OEM重新评估2025年下半年市场规划 [4]

核心观点 - 人工智能模型规模呈指数级增长，传统单芯片GPU架构在可扩展性、能源效率和计算吞吐量方面面临显著局限性 [1] - 晶圆级计算成为变革性范式，通过将多个小芯片集成到单片晶圆上提供前所未有的性能和效率 [1] - Cerebras WSE-3和特斯拉Dojo等晶圆级AI加速器展现出满足大规模AI工作负载需求的潜力 [1] - 台积电CoWoS等新兴封装技术有望将计算密度提高多达40倍 [1] AI硬件发展历程 - Cerebras里程碑包括2019年WSE-1、2021年WSE-2和2024年WSE-3的发布 [3] - NVIDIA产品线从1999年GeForce 256演进至2024年Blackwell B100/B200 GPU [3] - Google TPU系列从2015年初代发展到2024年TPU v6e [5] - 特斯拉于2021年宣布进入AI硬件领域推出Dojo系统 [5] 晶圆级计算优势 - 提供卓越带宽密度，特斯拉Dojo系统每个芯片边缘实现2TB/s带宽 [10] - 实现超低芯片间延迟，Dojo仅100纳秒，远低于NVIDIA H100的12毫秒 [10] - 物理集成度高，Dojo单个训练芯片集成25个芯片，传统方案需10倍面积 [11] - 台积电预计2027年CoWoS技术将提供比现有系统高40倍计算能力 [12] 主要AI训练芯片对比 - Cerebras WSE-3：46,225平方毫米面积，4万亿晶体管，90万个核心，21PB/s内存带宽 [15] - 特斯拉Dojo D1芯片：645平方毫米面积，1.25万亿晶体管，8,850个核心，2TB/s内存带宽 [16] - Graphcore IPU-GC200：800平方毫米面积，236亿晶体管，1,472个核心，47.5TB/s内存带宽 [17] - Google TPU v6e：700平方毫米面积，3.2TB/s内存带宽 [17] 性能比较 - WSE-3在FP16精度下峰值性能达125PFLOPS，支持24万亿参数模型训练 [25] - NVIDIA H100在FP64精度下提供60TFLOPS计算能力 [27] - WSE-3训练700亿参数Llama 2模型比Meta现有集群快30倍 [29] - WSE-3运行80亿参数模型时token生成速度达1,800/s，H100仅为242/s [29] 能效比较 - WSE-3功耗23kW，相同性能下比GPU集群能效更高 [75] - NVIDIA H100能效为7.9TFLOPS/W，A100为0.78TFLOPS/W [74] - WSE-3消除芯片间通信能耗，传统GPU互连功耗显著 [76] - 数据中心冷却系统占总能耗40%，液冷技术成为关键 [83] 制造工艺 - WSE-3采用台积电5nm工艺，4万亿晶体管集成在12英寸晶圆上 [66] - Dojo采用台积电7nm工艺，模块化设计包含25个D1芯片 [68] - WSE-3使用铜-铜混合键合技术，Dojo采用InFO封装技术 [71] - 两种架构均需应对良率挑战，采用冗余设计和容错机制 [67][70] 应用场景 - WSE-3适合大规模LLM、NLP和视觉模型训练 [54] - NVIDIA H100更适合通用AI训练和HPC应用 [54] - Dojo专为自动驾驶和计算机视觉工作负载优化 [57] - GPU集群在数据中心可扩展性方面表现更优 [54]

报告公司投资评级 - 首次覆盖给予公司“买入”评级 [4] 报告的核心观点 - 芯原股份是一站式定制化&IP领军企业，2025 - 2027年营收和归母净利润预计将实现增长，当前PS估值有参考价值，2026年估值有优势，首次覆盖给予“买入”评级 [4] - 云厂商自研ASIC需求井喷，设计服务行业迎历史机遇，芯原与云厂商合作密切、供应链实力强，将充分受益 [2] - 半导体IP国产化需求迫切，芯原国内排名第一，IP积累深厚，有望受益于国产替代 [3] 根据相关目录分别进行总结 一站式定制化&IP龙头企业，潜心研发致力未来 - 芯原依托自主半导体IP，提供一站式芯片定制服务和半导体IP授权服务，2020年上市，2024年推出新一代高性能Vitality架构GPUIP系列 [14] - 一站式芯片定制服务包括芯片设计和量产业务，半导体IP授权服务可单独提供多种IP授权及定制服务，还推出IP平台授权服务 [17][18] - 股权结构多元化，第一大股东持股15.11%，存在股权分散风险，但有战略投资者强化产业协同 [22] - 2025年一季度营收3.9亿元，截至一季度末在手订单24.56亿元创新高，量产业务新签订单超2.8亿元，在手订单超11.6亿元 [26] - 2019年以来毛利率稳定在40% - 45%，但因研发费用上升，2022年以来销售净利率下滑 [28] - 25Q1芯片设计业务收入1.22亿元同比增40.75%，量产业务收入1.46亿元同比增40.33%，半导体IP授权次数下降，相关收入下降 [31] - 2019 - 2024年研发费用持续上涨，2024年研发人员1800人占比89.37%，员工主动离职率远低于行业平均 [32] 云厂商自研ASIC需求井喷，ASIC设计服务迎历史机遇 - 芯片设计服务公司能提升设计效率和流片成功率，一站式芯片定制服务收费分NRE和量产芯片收入 [38] - 芯片设计服务厂商为四类客户提供定制业务，各有分工 [41] - 2028年定制加速计算芯片市场规模有望达429亿美元，AI算力集群需求驱动ASIC成长 [40] - 北美四大CSP加速自研ASIC芯片，博通、Marvell等相关业务有进展，台股部分企业营收增长，国内大厂自研也在加速 [50][54][61] - 云端推理问题促使业界转向端侧部署和边缘AI，比亚迪、吉利推出智驾系统推动智驾普及，消费级AR增长，AI智能眼镜崛起 [65][68] - 2024年芯片设计业务收入增长，25Q1量产业务收入同比增40.33%，订单创新高，非芯片公司客户收入占比约四成 [77] - 公司有多种工艺节点流片经验，实现5nm系统级芯片一次流片成功，针对关键领域和Chiplet技术研发，与三星合作紧密 [78][86] 半导体IP国产化需求迫切，芯原国内排名第一 - IP授权业务分Licensing和Royalty，按交付和产品类型半导体IP有多种分类，国产化需求迫切，海外企业市场份额集中 [93][94][98] - 芯原是业内龙头，业务协同效应强，无完全可比公司，合作伙伴中系统厂商等客户收入占比高 [100][101] 盈利预测 - 预计公司2025 - 2027年分别实现营业收入31.8/40.6/58.8亿元，同比增长36.9%/27.6%/45.0%，实现归母净利润0.1/0.6/1.4亿元，同比增长101.8%/505.1%/125.3% [4]

报告行业投资评级 - 行业投资评级为增持（维持） [5] 报告的核心观点 - ASIC需求全面爆发，应重视CSP自研芯片产业机遇，特别是亚马逊定制芯片与谷歌TPU产业链的投资机会，具备相关优势的ASIC定制服务厂商有望受益 [1][7] - 模拟芯片下游需求回暖，国产化需求迫切，国产替代空间大 [8] 根据相关目录分别进行总结 ASIC需求全面爆发，重视CSP自研芯片产业机遇 - 北美CSP加速自研ASIC布局，谷歌和亚马逊进展领先，2023年定制加速计算芯片市场规模为66亿美元，占加速芯片的16%，预计2028年达429亿美元，占25%，2023 - 2028年CAGR为45% [1][14] - 博通25Q2 AI半导体收入超44亿美元，同比增长46%，预计2026年下半年XPU需求加速，2027年至少3家客户各部署100万AI加速器集群 [2][21] - Marvell FY26Q1收入创纪录，2026年将启动3nm芯片生产，与另一家美国超大规模客户合作进展顺利，还与NVIDIA建立合作提升定制化能力 [3][23][25] - 纬创2025年5月营收2084亿新台币，同环比高速增长，ASIC需求全面爆发，中系CSP也在加速自研AI ASIC [4][30][36] 模拟芯片下游需求回暖，国产化需求迫在眉睫 - 预计2025年全球模拟芯片市场规模为843亿美元，2024年中国汽车模拟芯片国产化率仅5%左右，国产替代空间大 [8][40] - TI、ADI、Microchip均指引下游复苏趋势，各终端市场有不同程度的增长或变化 [8][47] 相关标的 - 谷歌产业链：胜宏技技、天弘技技、lumentum、FINISAR [50] - 海外AI：胜宏技技、工业富联、沪电股份、麦格米特 [51] - 国产算力底座：中芯国际、华虹半导体 [52] - 芯片：寒武纪、海光信息等；配套：深南电路、兴森技技等；封测：长电技技、通富微电等；模拟芯片：纳芯微、圣邦股份等 [53][54]

证券研究报告 | 行业周报 gszqdatemark 2025 06 08 年 月 日 电子 周观点：ASIC 需求全面爆发，重视自研芯片产业机遇 北美 CSP 加速自研 ASIC 布局，谷歌&亚马逊进展领先。根据 Marvell， 2023 年定制加速计算芯片市场规模为 66 亿美元，占加速芯片的 16%， 预计到 2028 年定制加速计算芯片市场规模将达 429 亿美元，占加速芯片 的 25%，2023-2028 年 CAGR 为 45%。1）谷歌：行业领先者，已推出 TPU v6 Trillium 芯片，预计 2025 年将大规模替代现有 TPU v5；2）亚马 逊：亚马逊目前以与 Marvell 协同设计的 Trainium v2 芯片为主力，同时 联合 Alchip 开发 Trainium v3，据 TrendForce 预测，其 2025 年 ASIC 芯 片出货量年增速在美系 CSP 中表现突出；3）Meta：在部署首款自研 AI 加 速器 MTIA 后，正与博通联合开发 MTIA v2，针对 AI 推理负载的高度定制 化需求，重点优化能效与低延迟架构以平衡性能与运营效率；4）微软：当 前 AI ...

人工智能业务 - AI产品需求旺盛成为博通业绩增长主要驱动力 谷歌TPU v6 3nm ASIC芯片已开始量产爬坡 预计为2025财年剩余时间及2026财年带来显著收入贡献 [1] - 谷歌TPU处理器生命周期内收入将超过150亿美元 成为全球最强定制XPU AI加速器 [1] - Tomahawk 5/Jericho 3 AI产品需求持续旺盛 下一代3nm工艺Tomahawk 6芯片预计2025年下半年量产 [1] - 受益于谷歌TPU处理器放量 Meta/字节跳动等ASIC项目推进及AI网络产品稳定需求 2025财年AI业务收入有望达190亿至200亿美元 同比增长约60% [1] - 第三季度AI业务收入有望突破50亿美元 [2] 非AI半导体业务 - 行业周期性趋势改善 无线领域有望实现收入增长 企业级 服务器/存储 宽带等板块需求趋于稳定 [2] - 软件基础设施业务中VMware凭借强大续约能力 向高平均售价VCF全栈解决方案转换升级 与大型企业客户合作持续深化 业务势头强劲 [2] 财务表现与预期 - 第二季度营收 盈利和自由现金流将符合或略高于市场预期 订单情况稳固 [2] - 基于第二季度较高营收基数 预计第三季度营收环比增长5%-7% 达161亿美元左右 高于市场普遍预期 [2] 行业地位 - 博通是全球第二大AI半导体供应商 第一大定制芯片AI ASIC供应商及云/AI网络交换/路由芯片供应商 [2] - 凭借AI基础设施领域领先地位 多元化终端市场布局及行业领先的毛利率 运营利润率和自由现金流利润率 摩根大通将其视为半导体覆盖领域首选 [2]

摩根大通(小摩)最新发布的研报显示，博通(AVGO.US)凭借其在人工智能(AI)ASIC和网络半导体市场的 主导地位，正蓄势待发，有望在2025财年实现高达190亿至200亿美元的AI业务收入，同比增长60%以 上，与公司设定的三年服务可用市场(SAM)复合年增长率(CAGR)60%-65%目标一致。截至2025年6月2 日，博通股价为248.71美元，小摩给出12个月目标价250美元，维持"增持"评级。 博通的AI业务增长主要得益于其新一代产品的推出。例如，谷歌TPUv63nm ASIC项目已开始量产，每 个封装包含两个3nm计算芯片和八个堆叠的HBM3e芯片，成为全球最强大的定制AI XPU之一。小摩预 计，仅这一项目在博通的生命周期总收入将超过150亿美元，并将在2025年下半年至2026年上半年逐步 贡献收入。 此外，博通还计划在2025年下半年推出下一代Tomahawk63nm交换芯片，这将进一步巩固其在高性能以 太网交换芯片市场的领先地位，该市场目前由博通主导，占有80%以上的市场份额。Tomahawk6芯片支 持102Tbps的交换吞吐量和200Gbps SERDES，是目前全球性能最高的网络 ...

纪要涉及的行业和公司 - **行业**：IP/设计服务、ASIC市场 - **公司**：AWS、Google、META、Microsoft、Alchip、eMemory、GUC、Faraday、M31、Andes、Broadcom、Marvell、Apple、OpenAI、xAI、Intel、Bytedance、Li - auto、Furiosa、Qualcomm、MediaTek 纪要提到的核心观点和论据 各公司ASIC进展 - **AWS**：Trainium 3问题解决，继续与下游供应商接单，预计签署Trainium 4合同，实际项目已启动 [2] - **Google**：从TPU v6到v8进展稳定，规格高于其他CSP的ASIC，TPU v6p和v7p配置不同且ASP可能提升，未来难不与Broadcom合作 [2] - **META**：从MTIA v2向MTIA v3代际迁移，2026年MTIA v2产量10 - 20万片，MTIA v3产量20 - 30万片 [2] - **Microsoft**：Maia v2计划2026年量产50万片，原分配计划改变，Marvell获40万片；Maia v3供应商选择竞争激烈，预计年底出结果，MSFT/GUC团队分配量可能较少 [3][4] - **非CSP公司**：Apple、OpenAI、xAI等系统厂商构建自己的ASIC服务器，多在2H25流片，2H26量产，选择与Broadcom合作的规格高端，2027年非CSP服务器增多，利好Broadcom [7] - **Apple**：加速器预计4Q26量产，2026年出货10万片 [8] - **OpenAI**：3nm ASIC预计9月流片，2026年6月量产，2026年产量30 - 40万片，生命周期1 - 1.5年 [9] - **xAI**：3nm ASIC项目预计2H25流片，2H26量产，2026年产量30 - 40万片 [9] 公司业绩与业务情况 - **GUC**：FY25因Google CPU和加密项目收入可能超预期，Google 3nm服务器CPU收入提前至3Q25，预计成前5大客户；FY26即使无加密收入，代工收入仍有增长，CEO认为Google CPU和第三CSP客户潜在收入高于Maia v2 [10][11] - **M31**：今年重点是前季度签署合同的第二次付款；与Qualcomm合作紧密，Qualcomm 2H25启动2nm智能手机SoC项目，1Q26启动2nm AI PC处理器项目，MediaTek 2nm智能手机SoC项目未启动 [12][13] - **Faraday**：1Q25收入增长源于中国客户购买三星HBM2E的预付款，若客户被列入实体清单，剩余价值小且客户自行处理库存核销 [14] 其他重要但可能被忽略的内容 - 展示了多家公司的股票信息，包括市值、评级、价格、目标价、EPS、PE、PB、ROE、股息率等 [6] - 给出了CSPs的ASIC订单分配给设计服务提供商的情况 [15] - 呈现了ASIC的规格信息 [15] - 展示了ASIC MP的时间线 [17] - 给出了2026年各公司ASIC的芯片数量、晶圆发货量和收入贡献估算 [18]

Tr e n dFo r c e集邦咨询表示，CSP为应对AI工作负载规模逐步扩大，同时计划降低对NVIDIA、AMD 的高度依赖，因此积极投入ASIC开发进程，以便能控制成本、性能和供应链弹性，进一步改善营运 成本支出。 观察美系四大CSP在AI ASIC进展，居领先地位的 Go o g l e（谷歌） 已推出TPU v 6 Trilli um，主打 能效比和针对AI大型模型的最佳化，预计2 0 2 5年将大幅取代现有TPU v 5。针对新一代产品开发， Go o g l e从原先与Br o a d c om（博通）的单一伙伴模式，新增与Me d i aTe k（联发科）合作，转为双供 应链布局。此举将提升设计弹性，降低依赖单一供应链的风险，并有助增加高阶先进制程布局。 AWS（亚马逊云科技） 目前以与Ma r v e ll（美满电子）协同设计的Tr a i n i um v 2为主力，其主要支持 生成式AI与大型语言模型训练应用，AWS也和Al c h i p合作Tr a i n i um v 3开发。Tr e n dFo r c e集邦咨询 预估2 0 2 5年AWS的ASIC出货量将大幅成长，年增表现 ...

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容 编译自 IEEE ，谢谢。 在 MLCommons 发布的最新一轮机器学习基准测试结果中，基于 Nvidia 全新 Blackwell GPU 架构 构 建的 计算 机表现优于其他 所有计算机。但 AMD 的最新 Instinct GPU MI325 却与其 竞争对手 Nvidia H200相媲美。两者的可比结果主要来自对较小规模大型语言模型之一Llama2 70B（700 亿 个参数）的测试。然而，为了跟上快速变化的人工智能格局，MLPerf增加了三个新基准测试，以更 好地反映机器学习的发展方向。 MLPerf 针对机器学习系统进行基准测试，旨在提供计算机系统之间的同类比较。提交者使用自己的 软件和硬件，但底层神经网络必须相同。目前共有 11 个服务器基准测试，今年又增加了 3 个。 MLPerf Inference 联 合 主 席 Miro Hodak 表 示 ， " 很 难 跟 上 该 领 域 的 快 速 发 展 " 。 ChatGPT 直 到 2022 年底才出现，OpenAI于去年 9 月推出了其首个可以推理任务的大型语言模型 (LLM)，LLM ...