mobile wallpaper 1
mobile wallpaper 2
mobile wallpaper 3
mobile wallpaper 4
1768 字
5 分钟
2027 年 ASIC 出货量要超 GPU:这是一个预测,不是一个事实
2026-09-29

2026 年关于 AI 芯片格局,流传最广的一句话是”2027 年 ASIC 出货量将首次超过 GPU”。这句话本身没错——它出自一家投行的测算——但它被当成结论使用的时候,通常会丢掉三个限定词:出货量、颗数、预测。

先把测算原文摆出来#

摩根大通的测算:2026 年全球 AI 芯片总出货规模约 1630 万颗,其中 ASIC 芯片 680 万颗、约占 42%,通用 GPU 950 万颗;2027 年 ASIC 升至 1250 万颗、占比约 53%,首次超过同期 GPU 的 1090 万颗。

TrendForce 的数据是另一条路径的印证:2026 年云厂商自研 ASIC 服务器出货增速达 44.6%,约为 GPU 服务器增速(16.1%)的三倍。摩根大通还有一句补充,2026 年云厂商自研 ASIC 服务器出货增速 44.6%,苹果也已下场做自研。

这是个预测,2027 年还没到。 2026 年仍然被称为 GPU 占据出货量主导地位的过渡年份,这一点各家口径是一致的。

颗数是最容易误导人的分母#

同一批报道里还有一个数字:有非官方市场分析预测,2026 年谷歌 TPU 出货量约 150 万到 300 万颗,乐观情形下可达 400 万到 500 万颗。

这和”ASIC 总共 680 万颗”看着矛盾,其实不矛盾,也不互补,因为它是子集关系:ASIC 这个篮子里装着谷歌 TPU、亚马逊 Trainium/Inferentia、Meta MTIA、微软 Maia 等等,TPU 只是其中最大的一块。把 TPU 的 150 万到 300 万直接当 ASIC 总量,或者反过来把 680 万当成”TPU + 少量其他”,都会得出偏差很大的结论。

更需要警惕的是颗数与算力不等价。一颗 TPU 和一颗 GPU 的峰值算力、显存容量、互连带宽差距可能在一倍以上,出货颗数超过,不代表算力份额超过。同理,颗数也不等于营收——高端 GPU 的单颗均价远高于推理型 ASIC。

还有第三个分母:2025 年谷歌 TPU 与亚马逊 Trainium 系列合计出货量达到英伟达 AI GPU 产能的 40% 到 60%。注意分母是”产能”而不是”出货量”,这两个数在企业满产和库存周期不同的时候差距很大。引用时把”产能占比”说成”市场份额”,是常见的一步错。

事实侧:自研这一侧已经落地了多少#

抛开预测,已经发生的事足够说明趋势。

客户结构在变。 谷歌 TPU 已占其 AI 服务器 78% 份额——这是自研比例最激进的一家,基本实现了从外购到自用的切换。Anthropic 签署了上百亿美元的协议,承诺使用 100 万颗 TPU;Meta 签了数十亿美金的多年租用协议;苹果在一篇论文里承认,用 8192 颗 TPU v4 和 2048 颗 v5p 训练了 Apple Intelligence 的基础模型。

产品节奏排到 2027 年。 Meta 自研的 MTIA 芯片到 2027 年交付量将达数吉瓦(注意这里用的是功率单位,不是颗数——因为自研加速器往往整机柜交付,颗数不公开);微软下一代 AI 加速器 Maia 由 Marvell 深度参与设计。

驱动逻辑不只是降本。 在 AI 基础设施成为核心战略资源的当下,掌握芯片定义权意味着掌控算力定价权和供应节奏。这是超大规模客户自己做芯片的核心理由——不是省下的那点采购差价,而是不被单一供应商的产能分配决定生死。

反过来说几句公道话#

ASIC 的路子也不是没有代价,几点必须写在明处:

通用性差是结构性缺陷。 ASIC 的能效优势建立在模型结构相对稳定这个前提上。如果 2027 年主流架构又换一代——比如注意力机制的实现方式、稀疏化程度、精度方案发生大改——前期流片投入的折旧压力就全落在自己身上。GPU 的通用性就是它的保险。

产能瓶颈是共同瓶颈。 先进封装(CoWoS 类)、HBM 供应这两道关口,GPU 阵营和 ASIC 阵营抢的是同一批产能。ASIC 出货量上去,不会自动带来封装和存储的供给增加,反而可能推高全行业的成本。TrendForce 那组”ASIC 服务器出货增速 44.6%“的数据,本身也受制于封装产能能不能跟上。

换口径结论就变。 按颗数算,ASIC 2027 年超 GPU;按算力算,结论未必;按营收算,差距更大。三家机构用三个分母,能得出三种”拐点”,都成立。

该盯的不是拐点,是稳态#

颗数拐点这件事,即使 2027 年如期成立,也不等于英伟达营收被反超——ASIC 的均价结构、毛利率结构都和高端 GPU 不同,而且 ASIC 大部分是自用,不进入公开市场形成收入。

真正值得跟踪的指标只有一个:自研比例在几家超大客户内部稳定在什么位置。谷歌停在 78%,说明这条路能走通;微软、Meta 还在爬坡,说明这条路成本不低。如果三年后大家稳定在五成到六成,那 GPU 厂商失去的是增量,不是存量;如果稳定在八成以上,“AI 芯片”这个词的含义就变了。

预测可以引用,但要带着它的分母和限定词一起引用。颗数超过、算力没超过、营收差得更远,这三句话同时是真的。

参考来源#

  • 摩根大通测算的 2026—2027 年 AI 芯片出货结构(检索关键词:ASIC 出货量 2027 超过 GPU 摩根大通)
  • TrendForce 关于 ASIC 服务器与 GPU 服务器出货增速的数据
  • 中电网 2026 年 9 月报道《苹果也下场!ASIC 出货量明年将首超 GPU》
  • 公开报道的 Anthropic、Meta 相关协议信息与苹果论文披露的训练集群规模
  • 非官方市场分析对谷歌 TPU 出货量的预测区间(150—300 万颗 / 乐观 400—500 万颗)
  • 行业研究报告中关于谷歌 TPU 与亚马逊 Trainium 出货量占英伟达 AI GPU 产能比例的口径
分享

如果这篇文章对你有帮助,欢迎分享给更多人!

2027 年 ASIC 出货量要超 GPU:这是一个预测,不是一个事实
https://www.npuai.cn/posts/cloud-asic-overtake-gpu-2027/
作者
NPU AI
发布于
2026-09-29
许可协议
CC BY-NC-SA 4.0

部分信息可能已经过时

目录