过去几年，全球人工智慧（AI）运算几乎清一色仰赖辉达 (NVDA-US) 的 GPU，但这个格局正在松动。摩根大通最新报告指出，云端巨头近年积极投入自研 AI 晶片（ASIC／XPU），预估到 2027 年，这类客制化晶片的出货量将首次超越 GPU，标志着 AI 硬体市场正式从「辉达独大」迈入「双轨并行」的新时代。

报告指出，这波转变并非一时兴起。Google(GOOGL-US) 的 TPU 架构已经发展到第七代；亚马逊 (AMZN-US) AWS 的 Trainium 系列也在加速扩产；微软 (MSFT-US) 有 Maia 晶片，Meta(META-US) 则持续推进 MTIA 路线图。

换言之，主要云端服务供应商已不再只是单纯向辉达采购现成晶片，而是逐步建立属于自己的晶片生态系。

摩根大通预估， 2026 年 ASIC 占全球 AI 晶片出货量的比重约为 42%，明年将一举跻身 53%，正式超越 GPU。

从成长速度来看，差距更加明显。该行预计，今年 ASIC 出货量预计年增 109%，远高于 GPU 约 39% 的增速，显示客制化晶片很可能成为未来几年 AI 产业成长最快的领域。

具体到各家业者的部署规模，Google TPU 出货量预估将由 2026 年的 450 万颗，跳升至 2027 年的 800 万颗；AWS Trainium 系列则预期由 190 万颗增至 330 万颗；微软与 Meta 的自研晶片也将进入量产阶段。

报告认为，尽管辉达 GPU 出货量仍会持续成长，但市占率势必遭到稀释。

在这波变局中，摩根大通认为晶片代工与设计大厂博通 (AVGO-US) 将是最大受惠者。由于该公司深度参与 Google TPU、Meta MTIA，以及 OpenAI 的客制化晶片专案，摩根大通预估博通来自 AI ASIC 与网路业务的营收，将从 2026 年约 600 亿美元，在 2027 年成长逾倍，突破 1500 亿美元。

事实上，博通管理层先前已透露，2027 年在手订单金额已超过 1000 亿美元，而摩根大通认为这项数字可能还偏保守。

值得注意的是，下游 AI 公司的选择也出现转向。报告提到，Anthropic 目前大部分的算力合约已建立在 Trainium 与 TPU 架构上；而 OpenAI 规划中、与博通合作的 10GW 专案，本质上同样是走自研晶片路线。

这显示，主要大型语言模型业者愈来愈倾向掌握自己的晶片蓝图，以求降低长期营运成本、强化竞争优势。

报告特别强调一个容易被忽略的重点：推动这场转变的根本因素并非资金成本，而是电力供应。

摩根大通指出，目前限制资料中心扩张规模的最大瓶颈已不是资本，而是电力是否充足。在电力资源日益吃紧的环境下，「每瓦效能」正逐渐成为 AI 时代最关键的竞争指标。

相较于设计上偏向通用用途的 GPU，客制化 ASIC 晶片可针对特定运算任务量身打造，省去大量不必要的通用运算模组，因此能在相同耗电量下提供更高的运算效能。

报告举例指出，Google 最新一代 Ironwood TPU 的单位功耗效能，已是上一代 Trillium 的两倍; 与 2015 年问世的第一代 TPU 相比，效率提升幅度更接近 30 倍。

在经过深度优化的特定工作负载下，TPU 等客制化系统甚至能展现远高于传统 GPU 的效能表现。

摩根大通认为，正是电力供应的限制，将驱动整个产业逐步转向 ASIC 架构。

报告总结指出，过去十年，辉达靠着通用型 GPU 称霸 AI 产业上半场，但随着电力逐渐成为最稀缺的资源，未来十年整个产业的竞争逻辑可能出现根本转变。

谁能在有限电力条件下提供更强运算效能，谁就有机会成为下一阶段的赢家。

摩根大通分析师认为，未来 AI 产业链最大的变化，恐怕不是辉达被彻底取代，而是逐渐形成「辉达主攻通用运算、博通主攻客制化晶片」的双寡头格局。

报告甚至将这波转变，类比为从 Intel CPU 架构转向 ARM 架构的历史转折。决定胜负的关键，将不再只是运算规模的大小，而是每单位耗电量能创造多少运算效能。

换句话说，电力，正逐渐成为 AI 时代新的「摩尔定律」。