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。
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。
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」。
