文 | 半导体产业纵横

博通正为OpenAI定制AI芯片安排超过500亿美元融资，谈判尚处早期。不到一周前，Anthropic与博通最高420亿美元的融资安排刚刚被披露，用于支付TPU算力租赁。两家头部模型公司，一家推进自研，一家扩大租用定制算力，都把数百亿美元的资金安排与ASIC部署联系在一起。

近期，设计端也接连出现大单：新思科技与亚马逊签下超过10亿美元的多年期IP协议，SEMIFIVE获得5200万美元AI推理ASIC开发订单。10月6日，Marvell又将2029财年定制芯片业务收入目标上调至超过120亿美元。客户对定制算力的投入，正在从主加速器延伸到设计服务、IP和配套芯片。

9月下旬发布的一份产业研究甚至预计，2027年高端云端AI加速器市场中，ASIC出货颗数将超过GPU。GPU的大客户仍在采购现有产品，却同时加大对自研芯片和定制算力的投入。大客户更深入地掌握芯片定义，同时把设计实现、IP和量产工作交给专业公司。供应商争夺的订单，正在覆盖客户从开发自研芯片到部署算力的更多环节。

大客户之外，买家还在增加

Anthropic与博通的安排，对应的是一笔已经承诺的算力开支。10月1日披露的文件信息显示，Anthropic五年的TPU算力租赁承诺约为1252亿美元，最高420亿美元融资额度可覆盖其中约三分之一。博通或其指定融资伙伴将以可转换债务形式提供资金，Anthropic预计在上市完成前不会发行相关票据。额度不等于博通已经支出的现金，却使双方的关系超出了芯片供应和采购。

这批算力使用谷歌与博通合作开发的TPU。Anthropic今年4月已宣布，将从2027年开始获得数吉瓦新增TPU算力。如今的融资安排，为部署提供了资金路径。对于谷歌而言，TPU从服务内部业务延伸到承接外部模型公司的大规模需求，出货空间随之扩大；Anthropic无需先完成自己的芯片，就能增加ASIC算力的使用。

在另一端，独立加速器公司也找到了新的采购方。9月29日，Cerebras与General Compute宣布签署多年协议，后者将采购、部署和运营Cerebras系统，再向客户出售专用推理算力，预计2027年第一季度开始提供服务。首个应用方向是编程智能体：这类程序需要连续调用模型完成规划、编写、测试和修改，单次推理的等待会在整个任务中累积。

General Compute此前获得Upper90提供的4亿美元债务融资额度。这笔钱不是此次芯片合同的金额，但说明新型云服务商正在承担硬件融资和运营，让下游推理服务商可以购买算力，而不必自己持有整套设备。独立芯片厂商由此多了一条进入市场的路径，无需让每家应用公司都成为直接采购硬件的客户。

就在前一天，Cerebras还与Gimlet Labs公布了规模达100兆瓦的推理算力部署计划，首个合作数据中心预计今年晚些时候上线。Gimlet经营的是包含多种芯片的推理平台，双方此前已合作承接客户的私有推理任务，新增部署则仍在推进。连续两笔合作把专用加速器带入云服务渠道，也说明市场扩张不只依赖谷歌、亚马逊这类自有芯片体系。

9月下旬发布的产业研究预测，2027年高端云端AI加速器出货约2595万颗，其中ASIC约1526万颗，同比增长约111％，占比接近六成。不过，这一口径衡量的是芯片颗数，不能推导为ASIC的收入或算力超过GPU。同一预测中，英伟达相关出货量仍将增长约18％。新增需求足够大时，两种架构可以同时放量。

TPU的大规模部署仍由少数客户推动，独立加速器的新合作则要经历机房上线和客户迁移。融资与长期协议让未来需求更早进入芯片供应链，能否形成持续采购，还取决于下游服务能否接住这些算力。

从设计芯片到承接实际应用

OpenAI正在把自研路线推进到部署阶段。9月下旬，硬件负责人Richard Ho在访谈中表示，Jalapeño首先满足OpenAI自身的算力需求，目前没有把对外销售作为优先方向。10月2日披露的系统细节显示，这款自研加速器选择AMD的EPYC Turin作为主机CPU。

10月7日披露的消息又显示，博通正为双方合作开发的定制AI芯片安排超过500亿美元融资，已与阿波罗、黑石等机构洽谈。

按照已公布的分工，博通承担芯片实现和网络相关工作，Celestica参与板卡及机架系统集成。模型公司围绕自身业务设计加速器，同时沿用成熟CPU和专业系统供应链。自研范围扩大，并不要求服务器的每个环节都重新开发。

OpenAI评估Jalapeño时，在相同响应速度要求下比较推理能效，并将减少数据搬运作为重要设计方向。掌握模型、软件与实际调用需求，使它可以围绕推理过程中计算与内存访问的变化调整架构。

Ho还强调，Jalapeño具有可编程能力，能够运行不同模型，此前测试包括DeepSeek和Kimi等开放权重模型。Jalapeño并未把某个模型永久固定在硅片上，但支持新的模型系列，仍要开发计算内核并持续优化。

9月25日，亚马逊公布了一个具体的适配案例。实时交互式AI平台Reactor与AWS Neuron团队合作，将视频生成模型Rolling Forcing运行在单颗Trainium2上，实现超过每秒16帧的实时生成。与一次生成完整视频不同，这类应用需要连续输出画面并响应用户输入，延迟要求贯穿整个生成过程。

团队针对数据尺寸变化、内存访问和缓存管理开发了专用计算内核，并重新安排模型在芯片各核心间的执行方式。这项成果没有给出大规模商用部署量，也不能直接换算为相对GPU的成本优势，但它展示了ASIC进入新应用所需的工作：芯片厂商要与模型、平台开发者共同处理实际运行中的瓶颈，才能把纸面性能变成用户可用的服务。

Gimlet与Cerebras的合作则选择把不同芯片组合使用。Gimlet的平台可以按推理阶段分配任务，让GPU与Cerebras系统各自承担适合的工作，再通过统一接口提供服务。对应用开发者而言，底层可以增加专用加速器，不必把整个服务一次性迁出原有GPU体系。专用芯片争取到的，可能先是一段推理流程，而非整套集群。

按OpenAI此前公布的安排，Jalapeño计划年底开始部署，公司同时明确会继续使用英伟达及其他伙伴的加速器。从自研芯片、云端适配到异构部署，近期项目都在围绕具体任务安排硬件。GPU供应商面对的变化，是客户下一轮采购有了更多分配方式；ASIC厂商则需要证明，自己能够持续承接这些业务，而不只是完成一次性能展示。

设计服务与IP接到新订单

9月29日，SEMIFIVE宣布与一家未具名的美国无晶圆厂芯片公司签下约5200万美元AI推理ASIC开发合同。这是其迄今最大的单笔合同，也是其在北美首次以客户交付需求规格、供应商接手后续开发的方式承接项目。

客户提供产品要求与性能目标，SEMIFIVE负责详细芯片设计、软件、封装、测试及量产。与客户完成主要设计、服务商再协助实现的模式相比，供应商介入得更早，责任也更完整。缺乏足够工程团队的企业，可以保留对产品用途和性能目标的控制，把实现工作交给专业公司。

这款推理芯片将采用LPDDR6内存和PCIe接口，设计目标包括降低内存功耗和总体拥有成本，计划2027年上半年流片、2028年量产。从合同到出货仍有较长时间，设计服务商拿到的既是订单，也是后续验证、制造与交付的责任。

9月30日，新思科技宣布与亚马逊达成超过10亿美元的多年期协议，重点是面向具体应用优化的芯片IP。IP是可复用的芯片设计模块，云厂商不必把所有模块从头开发，可以把自身资源更多放在决定产品差异的架构和软件上。

新思科技明确提出，这项合作将推动其IP业务采用许可费加量产权利金的模式。相比只在设计阶段收取费用，供应商有机会随着客户芯片放量持续获得收入。协议没有披露具体产品分配，亚马逊定制芯片又覆盖通用计算、AI和网络等用途，不能把这10亿美元全部视为AI推理芯片订单。

10月6日Marvell上调预期，展示了另一部分增量。公司将2029财年定制芯片业务收入目标提高至超过120亿美元，管理层说明，主要上修来自加速器配套芯片，涉及多个客户和多个项目，而非单一客户的一颗主芯片。其列出的定制机会包括网络接口、安全、内存扩展、存储和推理卸载等。

随着加速器系统扩大，标准器件未必能完全匹配客户要求的带宽、网络配置和管理功能，云厂商因而把更多周边设计纳入定制。Marvell依托现有网络、存储等产品的IP，按客户要求提供半定制或定制设计。主加速器之外，同一套系统正在产生更多设计项目。

这也解释了为什么自研投入扩大时，IP商与设计服务商仍能同时获得订单。客户最希望掌握的是产品定义、架构与软件，未必愿意为每一颗接口或管理芯片建立完整团队。不过，配套芯片收入与高端AI加速器出货属于不同口径，Marvell的上修不能直接当作ASIC主芯片需求同幅增长的证据。

目前来看，ASIC的增长正在同时扩大买家范围和供应商分工。模型公司掌握更深的产品定义，新型云服务商承担部署，专业厂商承接更多设计与量产任务。大单之后，能够按期上线、持续适配模型并获得下一代订单的方案，才会把这轮投入转化为稳定的市场份额。