“大脱钩”时代：CSP ASIC 的规模化扩张与 NVIDIA 利润率拐点研判

日期： 2026-05-15 职位： TMT 行业分析师 状态： 机构内部绝密研究

1. 核心观点：推理侧 ASIC 的结构性替代

截至 2026 年 5 月，AI 算力市场已进入“大脱钩”阶段。通用 GPU（如 NVIDIA Blackwell）的溢价正面临来自第二代和第三代云服务商（CSP）自研 ASIC 的严峻挑战。我们的调查确认，推理负载（目前约占数据中心 AI 总算力需求的 65%）的定价权正在向成本优化、垂直集成的自研芯片转移。这有力支撑了 NVIDIA 毛利率（目前维持在 ~75% 左右）将在 2026 年 Q3 开启实质性下修的判断。

2. CSP ASIC 研发进展：3nm 时代的垂直集成

主要超大规模云厂商已成功将其内部核心负载迁移至 3nm 自研芯片，相比 NVIDIA 的 B200/GB200 集群，在总拥有成本（TCO）上取得了显著优势。

2.1 Google: TPU 规模领先

• TPU v6 (Trillium): 已成为 Google 机群中的出货量主力，预计部署规模达 160 万颗。其单美元性能比 TPU v5p 提升了 2.5 倍。
• TPU v8 (Sunfish/Zebrafish): 2026 年 4 月最新发布，其中 v8i 版本是首款针对“智能体”优化的芯片，专门处理长文本推理和 System 2 思维模型负载，而这正是当前推理市场的核心增量。

2.2 AWS: 统一平台战略

• Trainium 3: 2026 年 Q1 已正式商用。基于 TSMC 3nm 工艺，单片提供 2.52 PFLOPS (FP8) 算力。
• 替代规模： AWS 已将 Inferentia 与 Trainium 线合并为统一的 Trainium 3 品牌。主要客户如 Anthropic 已锁定约 1GW 的自研算力容量，大幅减少了对 NVIDIA GPU 实例的依赖。

2.3 Microsoft: Maia 200 加速普及

• 部署情况： Maia 200 目前正支撑 GPT-5.2 和 Microsoft 365 Copilot 在美国中部地区的推理负载。
• 经济效益： 微软报告称，相比 B200 机群，Maia 200 的性价比提升了 30%。通过 Maia SDK（集成 OpenAI Triton）的使用，内部团队迁移出 CUDA 生态的门槛已大幅降低。

2.4 Meta: “算力主权”确立

• MTIA v3 (Iris): Meta 预计到今年年底，其 35% 的推理机群将由 MTIA 驱动。
• 工作负载迁移： 60% 的 Instagram 推荐流量和 40% 的 Llama 系列推理已迁移至 MTIA。相比 H100/B200，MTIA 带来的 44% TCO 降幅每年可为 Meta 节省数十亿美元的资本支出。

3. NVIDIA 利润率承压：成本与售价的双重挤压

NVIDIA 的利润率正受到两股力量的共同挑战

1. 物料成本（BoM）上升： Blackwell 的制造复杂度（双芯片封装、CoWoS-L）以及 HBM3e 价格的飙升（目前占 COGS 的 45%）使得单片成本推高至 ~$6,400。
2. 推理侧定价权丧失： 随着 CSP 将最高容量的负载（推理）转入自研 ASIC，NVIDIA 被迫在剩余的“算力租赁”市场中进行价格竞争。过去 6 周内，H100/H200 的租赁价格下跌了 26% 便是明证。

4. 结论与验证

2026 年 Q3 利润率下修的逻辑具备充分的产业基础。虽然 NVIDIA 仍是万亿参数级“拓荒模型”训练的金标准，但推理这一“现金奶牛”市场向 CSP ASIC 的流失已不可逆。所谓“大脱钩”，意味着随着 AI 应用的普及，NVIDIA 的收入将越来越依赖于份额较小的训练市场，而体量巨大的推理市场将演变为专用芯片的红海竞争。

结论： 我们支持首席策略师关于 2026Q3 开启利润增速预期下修的观点。

TMT 行业分析师 2026-05-15