算力分配格局重塑：在模型层多极化下对GPU与ASIC供应逻辑的压力测试
既有研究记录 — TMT行业分析师 — 工作日期 2026-06-01（亚洲/新加坡） 立场：stress-test（在既有研究记录多极化结论之上，压力测试"ASIC必然蚕食NVIDIA"的简化叙事）
核心结论 TL;DR
"MSFT–OpenAI独家绑定"向"Anthropic/Google多云路由"的迁移，并未在短期内有效削弱NVIDIA GPU需求——FY27 Q1数据中心营收仍录得$75.2B、同比+92% [S1][S2][S3]。但它结构性加速了存量与增量的mix切换：Anthropic 2027年前每一GW新增算力都已合同锁定在Google TPU（约5GW）与AWS Trainium（约5GW）[S4][S5][S7]，Broadcom AI半导体营收处于同比+106%的轨道并已明确给出FY27年化00B目标 [S10]。正确的解读是分层的：（1）NVIDIA绝对美元需求依然强劲，因为三家竞争的训练方训练得更多而非更少；（2）NVIDIA在增量算力中的占比正在被结构性重写，尤其在已占算力2/3的推理侧 [S15][S17]。市场把"NVDA vs AVGO"当作二选一的框架是错的——两者在2026年共同增长，但NVDA份额的二阶导数明确为负。
1. 接续既有研究记录：把多极化结论压到芯片层
既有研究记录已确认应用/模型层利润池真实重分配（Anthropic约$45B ARR、企业LLM API支出占40%；Google占21%；OpenAI仅27%），且MSFT–OpenAI独家绑定溢价已通过Anthropic多云路由结构性破裂。
我对该结论进行压力测试：简化的传导路径"多云路由 → ASIC胜出 → NVIDIA出局"忽略了以下系统性事实 - NVIDIA的客户群本身就是ASIC威胁——GCP、AWS、Azure、Meta既是NVDA前四大客户，也是四大自研芯片项目。 - 2026年训练与推理经济学剧烈分化；ASIC先在推理侧蚕食，而前沿训练规模仍压倒性依赖NVIDIA。 - 所谓多云路由同时是"多硅路由"——Anthropic已承诺的10GW容量在合同里已经明确硅片（TPU + Trainium），替代不是理论而是合同条款。
2. 证据（锚定2026-06-01）
2.1 NVIDIA——绝对需求在加强、不在断裂
| 指标（NVIDIA FY27 Q1，截至2026-04-27） | 数值 | 资料来源 |
|---|---|---|
| 总营收 | $81.6B，同比+85%，环比+20% | [S1][S2] |
| 数据中心营收 | $75.2B，同比+92%，环比+21% | [S1][S3] |
| 数据中心计算（芯片）营收 | $60.4B，同比+77% | [S1] |
| Blackwell在DC计算中占比 | 约70% | [S3] |
| 超大规模云客户占DC营收 | 约50%（其余=AI Cloud、主权AI、企业） | [S1] |
| GAAP毛利率 | 74.9%（去年同期60.5%受H20存货拨备拖累） | [S1] |
| H20相关一次性损失与递延 | $4.5B拨备 + $2.5B未发货 | [S3] |
| 每家超大规模云的每周部署节奏 | 约1,000个NVL72机柜 ≈ 72,000颗Blackwell GPU/周 | [S3] |
解读："模型层多极化对NVIDIA不利"的论点在2026年实证层面不成立。NVIDIA对超大规模云的客户集中度反而在下降（50% mix vs. 一年前的60%+），AI Cloud、主权AI、大型企业承接另一半——这种多元化恰恰为"任一超大规模云完全自研化"提供了对冲缓冲 [S1]。
2.2 已签约的ASIC管线——Anthropic是关键摇摆变量
| 项目 | 规模 | 资料来源 |
|---|---|---|
| Anthropic–Google TPU扩张（2025-10） | 最多100万颗TPU，2026年>1GW容量上线 | [S4] |
| Anthropic–Google TPU追加（2026-04-24） | 5GW专属TPU算力，投后估值$350B | [S5] |
| Anthropic–AWS 10年承诺 | >00B承诺，最多5GW Trainium算力 | [S7] |
| AWS Trainium2在役（Project Rainier） | 约50万颗Trainium2已上线；2026年底T2+T3达1GW | [S6][S8] |
| Trillium（TPU v6）单芯片性能 | 相对上代4.7×性能 | [S5] |
| Anthropic总算力承诺 | 约10GW，约$65B股权资金 | [S5] |
这是今年最关键的硅片信号。既有研究记录所述模型层利润池重分配，正以合同形式落到非NVIDIA硅片上。Anthropic 2027年前全部10GW管线均分配给TPU与Trainium——头条新增算力中没有一GW属于NVIDIA。OpenAI若同步去Azure独家，模式重复。
2.3 各超大规模云自研芯片进度——2026年集中收敛
| 项目 | 2026年中状态 | 对NVIDIA替代解读 |
|---|---|---|
| Google TPU v6 Trillium / v7 Ironwood | TPU v7于2025-11预览；Anthropic锚定5GW | Gemini + Anthropic的结构性替代 [S4][S5][S9] |
| AWS Trainium2 / Trainium3 | ~50万颗T2在役；T3在2026下半年放量；年底1GW | Anthropic + Bedrock负载，自用闭环 [S6][S7][S8] |
| Microsoft Maia 200（代号Braga） | 量产推迟至2026；先落Iowa、再Phoenix | 推理优先；OpenAI协同设计需求曾扰乱节奏 [S12] |
| Meta MTIA 300/400 | MTIA 300已量产；MTIA 400于2026下半年入机柜；累计已部署"数十万颗" | 用于Ranking与LLM推理，与NVDA训练互补 [S13][S14] |
| OpenAI–Broadcom定制芯片 | TSMC N3已tape-out；量产不早于2026 | 对Azure/NVDA栈的直接对冲 [S9] |
2.4 Broadcom——ASIC需求在权益市场上的明牌
| Broadcom（FY26 Q1，截至2026-02） | 数值 | 资料来源 |
|---|---|---|
| AI半导体营收 | $8.4B，同比+106% | [S10] |
| Q2 AI半导体指引 | 0.7B | [S10] |
| 明确AI在手订单 | $73B | [S10] |
| FY27 AI营收目标 | 年化00B | [S10] |
| 自研AI加速器代工市占 | 约70% | [S11] |
Broadcom的财报数据是最干净的ASIC需求兑现验证——同比+106%、$73B积压 [S10]，已不再是营销叙事。仅Anthropic单一合约预计在AVGO的TPU业务里贡献约$46B [S11]。
2.5 推理转折——被低估的ASIC顺风
| 工作负载分布指标 | 数值 | 资料来源 |
|---|---|---|
| 2026年推理占总AI算力 | 约2/3（2023年约1/3，2025年约1/2） | [S15][S17] |
| 2026年推理优化芯片TAM | >$50B | [S17] |
| Gartner：AI IaaS推理占比，2026→2029 | 55% → 65%+ | [S17] |
| 2026定制ASIC单位出货增速 | 同比+44.6%，对比通用GPU +16.1% | [S15][S16] |
| NVIDIA AI加速器份额预测 | 86%（2025）→ ~75%（2026），2028前推理份额或进一步下滑 | [S15] |
被市场低估的关键：即便NVIDIA仍拿下接近100%的前沿训练市场，消费/企业端成熟流量经过多云路由后，每一个token的推理硬件由云厂选择。Anthropic在AWS上推理用Trainium，在GCP上推理用TPU，Gemini推理用TPU。既有研究记录所述的模型层多极化因此既是训练GPU催化剂，更是结构性推理ASIC催化剂。
3. 压力测试结论
两个命题同时成立——市场把"NVDA vs AVGO"当二选一过于粗糙
-
短期NVIDIA需求在强化。多极化模型层意味着三家前沿训练方（OpenAI、Anthropic、Google）一起大规模训练而非一家独大。每家都需要大规模Blackwell/Blackwell Ultra；Google TPU栈是自用闭环，而Anthropic 5GW TPU算力旁边仍并行配置NVDA算力做路由与突发训练。每家超大规模云每周72K颗Blackwell GPU的部署节奏 [S3] 完全没有断裂。"独家绑定破裂"反而扩大了2026年的前沿训练TAM。
-
边际份额在结构性流向ASIC。Anthropic 2027年前每一GW新增容量按合同都是非NVIDIA硅片 [S5][S7]。定制ASIC出货增速是通用GPU的2.8倍 [S16]。已占算力2/3且仍在上升的推理 [S15][S17]，正是ASIC的TCO优势复合的工作负载（利用率 + perf/W）。NVIDIA加速器份额预测仅2026一年即从86%下滑至约75% [S15]。Broadcom同比+106%、$8.4B季营收 [S10] 是最干净的"ASIC从GPU补充变为GPU边际替代"的权益市场验证。
因此：多云路由迁移并不会在2026年戳破NVIDIA需求故事——DC同比+92% [S1] 是决定性的。但它结构性地重估了二阶导数：（a）把Anthropic约10GW算力按合同锁死在非NVIDIA硅片上 [S5][S7]；（b）加速推理硅片的转移，Broadcom架构ASIC受益最直接 [S15][S17]；（c）抹去了NVIDIA在"单一独家模型层"情景下本可获得的"赢家通吃"期权。
4. 持仓含义
- NVDA：2027年前仍是唯一可大规模训练的硅片；绝对营收强复合；74.9%毛利 [S1] 证明定价权完好。但牛市叙事必须从"垄断加速器"切换为"不可替代的训练硅片 + 多元化非超大规模云买家（主权AI、AI Cloud、企业）"——这一客户结构切换已在NVDA自身的分部口径中显现 [S1]。份额衰减叙事在2027年走向一致预期，估值压缩风险上升。
- AVGO：对多云路由迁移暴露最干净的权益工具。FY26 Q1 AI营收同比+106% [S10] 与FY27 00B年化目标，将与NVDA在AI营收增速上的差距快速压缩。Anthropic-TPU合同经济直接流过AVGO [S11]。
- GOOGL：如既有研究记录所述，"分发 + 自研芯片"双轴叙事得到再加强——Anthropic跑在Google TPU上既是内部收入，也是Trillium/Ironwood路线图的外部背书。
- MSFT：本压力测试中最脆弱。Azure RPO积累真实，但Maia 200推迟 [S12] 与OpenAI多硅片转向意味着Microsoft进入2027时缺少GOOGL与AMZN拥有的自研芯片仓位。"MSFT即OpenAI租金代理"的交易进一步弱化。
5. 跟踪清单
- Anthropic IPO对标集：市场会如何为一个训练完全跑在自用ASIC（TPU + Trainium）上的LLM定价 vs. 训练租用通用GPU（OpenAI跑Azure NVDA）的LLM？大概率因单位经济防御性获得估值溢价。
- NVDA增量算力份额KPI：盯紧NVDA数据中心营收增速 vs Broadcom AI半导体增速的同向放缓。若AVGO连续两个季度加速、NVDA同时减速，结构性轮动论点即被坐实。
- 推理TCO交叉点：当Trillium / Trainium2在主流模型（Claude、Gemini、GPT-5）上的perf-per-watt披露常规化，推理份额迁移叙事将固化。
- 中国：H20拨备 [S3] 是离散事件，但意味着NVDA中国数据中心收入被结构性封顶，"多元化"客户结构进一步向主权AI与AI Cloud倾斜——对韧性净正面、对增量TAM上限边际负面。
6. 交接
此线程当前最值得回答的是组合层问题：在既有研究记录利润池重分配 + 既有研究记录硅片架构压力测试之后，大盘AI暴露是否需要轮动？具体说：超大规模云内是否MSFT → GOOGL，加速器层是否NVDA → (NVDA + AVGO)。这是首席策略师的工作——AI综合体内的style/rotation判断——而非单一行业深挖。
资料来源 / Sources
- [S1] NVIDIA Corp, Form 8-K — Q1 FY27 CFO Commentary (SEC EDGAR) — https://www.sec.gov/Archives/edgar/data/0001045810/000104581026000051/q1fy27cfocommentary.htm
- [S2] NVIDIA Q1 FY27 press release / StockTitan summary — https://www.stocktitan.net/news/NVDA/nvidia-announces-financial-results-for-first-quarter-fiscal-fq78amc9h84m.html
- [S3] CryptoBriefing, "Nvidia reports $75.2B in data center revenue as AI demand nearly doubles its biggest business" — https://cryptobriefing.com/nvidia-data-center-revenue-75-billion/
- [S4] Google Cloud Press Corner, "Anthropic Expands Use of Google Cloud and TPUs" (2026-04-06) — https://www.googlecloudpresscorner.com/2026-04-06-Anthropic-Expands-Use-of-Google-Cloud-and-TPUs
- [S5] Tech-Insider, "Google's $40B Anthropic Investment: TPU Deal Inside [2026]" — https://tech-insider.org/google-40-billion-anthropic-investment-tpu-compute-2026/
- [S6] About Amazon, "AWS activates Project Rainier" — https://www.aboutamazon.com/news/aws/aws-project-rainier-ai-trainium-chips-compute-cluster
- [S7] Anthropic, "Anthropic and Amazon expand collaboration for up to 5GW" — https://www.anthropic.com/news/anthropic-amazon-compute
- [S8] Data Center Dynamics, "AWS activates Project Rainier cluster of nearly 500,000 Trainium2 chips" — https://www.datacenterdynamics.com/en/news/aws-activates-project-rainier-cluster-of-nearly-500000-trainium2-chips/
- [S9] Tom's Hardware, "The custom AI ASIC state of play (May 2026)" — https://www.tomshardware.com/tech-industry/semiconductors/custom-ai-asics-examined-from-broadcom-to-mtia
- [S10] Tech-Insider, "Broadcom AI Revenue Surges 106%: Custom Chip Strategy 2026" — https://tech-insider.org/broadcom-ai-revenue-custom-chips-2026/
- [S11] Oplexa, "Broadcom Google TPU Deal 2026: The $46B AI Contract" — https://oplexa.com/broadcom-google-tpu-deal-2026/
- [S12] Data Center Dynamics, "Microsoft delays production of Maia 200 AI chip to 2026" — https://www.datacenterdynamics.com/en/news/microsoft-delays-production-of-maia-100-ai-chip-to-2026-report/
- [S13] CNBC, "Meta rolls out in-house AI chips weeks after massive Nvidia, AMD deals" — https://www.cnbc.com/2026/03/11/meta-ai-mtia-chip-data-center.html
- [S14] Tom's Hardware, "Meta's new MTIA lineup joins hyperscalers' unified push for dedicated inferencing chips" — https://www.tomshardware.com/tech-industry/semiconductors/metas-mtia-chip-lineup-joins-hyperscaler-push-to-replace-nvidia-at-inference
- [S15] Introl, "Custom Silicon Inflection 2026" — https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu
- [S16] TechTimes, "Custom AI Chips Outpace Nvidia GPU Growth in 2026" — https://www.techtimes.com/articles/317225/20260526/custom-ai-chips-outpace-nvidia-gpu-growth-2026-asic-shipments-set-triple-gpu-rate.htm
- [S17] Deloitte Insights, "More compute for AI, not less" (2026 TMT Predictions) — https://www.deloitte.com/us/en/insights/industry/technology/technology-media-and-telecom-predictions/2026/compute-power-ai.html
- [S18] Computerworld, "CES 2026: AI compute sees a shift from training to inference" — https://www.computerworld.com/article/4114579/ces-2026-ai-compute-sees-a-shift-from-training-to-inference