AI 投資這兩年最容易被看見的贏家，當然是 GPU。市場只要提到 AI server、training cluster、推理加速，第一時間想到的幾乎都是 NVIDIA。這很合理，因為在大型模型訓練的第一階段，誰先掌握通用 GPU 生態、誰先建立 CUDA 軟體門檻，誰就先吃到最大一塊蛋糕。
但如果把時間拉長來看，AI 基礎設施的故事其實不只是一家 GPU 公司不斷擴張那麼簡單。當 hyperscaler 真的開始把 AI 視為未來幾年的核心資本支出方向，下一個問題就會自然浮現：所有工作負載，真的都適合用最通用、最昂貴、最強大的 GPU 來處理嗎？還是說，當規模夠大、模型夠多、推理需求夠明確之後，雲端大廠會希望自己手上多一套更客製化、更可控、功耗與成本效率更好的解法？這也是我今天想談的主題。nash-ai 上我看到一個很值得延伸的選題，是今年 1 月的博通研究報告，核心切入點非常明確：AI ASIC 與網路晶片龍頭。這個題目有意思的地方，不只是「博通有沒有搭上 AI」，而是它提醒投資人，AI infrastructure 的競爭，已經從單純比誰有 GPU，慢慢走向比誰能同時提供運算、互連、交換、封裝整合與客製化設計能力。簡單來說，AI data center 的下一階段，拼的不是單一晶片，而是整套系統架構。
為什麼現在要重新看 ASIC？
先把名詞講白。ASIC 是 application-specific integrated circuit，也就是為特定用途量身打造的晶片。和 GPU 這種相對通用、能支援多種 workload 的架構不同，ASIC 的優勢在於它可以針對明確任務做最佳化：如果你知道自己要跑什麼模型、什麼資料流、什麼記憶體配置、什麼互連方式，那你就有機會把不必要的通用性拿掉，換來更好的效能功耗比，甚至更低的總擁有成本。
過去很多人一提 ASIC，就覺得那是小眾市場。因為自研晶片很貴、開發週期很長、風險很高，而且沒有足夠大的 deployment 規模，根本攤不平成本。這種判斷在傳統時代沒錯，但 AI 把一個重要變數改掉了：現在最有能力砸錢建資料中心的，不是一般企業，而是少數幾家 hyperscaler。當 Microsoft、Meta、Google、Amazon 這些公司一年幾百億美元在蓋資料中心、拉網路、擴電力、買加速器時，它們有足夠的規模去思考「自研」與「客製化」這條路。
這不是要取代 GPU，而是要補足 GPU。大型訓練叢集在很多場景下仍然離不開高階 GPU，但當 AI workload 從 training 逐漸擴展到 inference、recommendation、ranking、search、廣告、企業內部 copilot 與各種特定模型服務時，成本、供應穩定性與能效的重要性就開始上升。這時候，ASIC 不一定要打敗 GPU，只要在某些特定工作負載下「更便宜、夠快、功耗更低、供應更可控」，就已經有存在價值。
博通為什麼特別站得對位置？
如果今天換成別家半導體公司來談 ASIC，市場可能還會先擔心兩件事：第一，它有沒有能力做出真正能被 hyperscaler 採用的客製化 AI 晶片；第二，它是不是只會做晶片本體，卻無法處理 data center 裡真正麻煩的互連與網路瓶頸。
博通剛好是少數同時踩在這兩個關鍵點上的公司。
第一，博通長期就不是只靠單一產品吃飯的公司。它在網通晶片、交換器、connectivity、客製化 silicon 這些領域本來就有非常深的積累。這種背景在 AI 時代很吃香，因為大型 AI cluster 的問題從來不只是「算力夠不夠」，還包括資料怎麼搬、節點怎麼連、延遲怎麼壓、頻寬怎麼擴、故障怎麼控。也就是說，AI server 不是把很多顆加速器堆在一起就結束了，真正困難的是讓成千上萬顆晶片高效率地協同運作。
第二，博通不是從零開始押注 AI。根據 Broadcom 2024 會計年度第四季與全年財報，公司全年 AI revenue 已經來到 122 億美元，年增 220%，管理層直接點名成長動能來自 AI XPU 與 Ethernet networking portfolio。到了 2025 會計年度第一季，Broadcom 又表示單季 AI revenue 達 41 億美元、年增 77%，並預期第二季 AI semiconductor revenue 約 44 億美元。這些數字的意義不是「博通要變成第二個 NVIDIA」，而是它已經證明自己不只是概念股，而是正在實際吃到 hyperscaler AI 支出的公司。
第三，博通受益的方式，和市場熟悉的 GPU 敘事不太一樣。它比較像是站在 AI data center 升級的底層工程層。只要雲端大廠繼續投入 AI 基礎設施，不論最後採用的是更多 GPU、更多自研加速器，還是更多混合式架構，網路互連、交換晶片、客製化 ASIC 設計服務，往往都還是要有人供應。這代表它相對不那麼依賴單一產品勝負，而是更接近「只要客戶持續擴建 AI data center，我就有機會分到一杯羹」的商業位置。
AI data center 的瓶頸，早就不只是運算
很多投資人談 AI 基礎設施，會把焦點全部放在 compute。但如果真的去看大型 cluster 的建置邏輯，就會發現 networking 的重要性正快速上升。原因很簡單：當模型變大、資料搬移更多、GPU 數量變多，叢集效率常常不是卡在單顆晶片算得不夠快，而是卡在彼此之間的傳輸、同步與擴展能力。
這也是為什麼博通在 AI 時代值得注意，不只是因為它有 ASIC，而是因為它同時是 Ethernet networking 的重要玩家。市場現在已經越來越清楚一件事：AI cluster 的競爭，不只是 accelerator 對 accelerator，而是整個 scale-up 與 scale-out 架構的競爭。誰能在機櫃內部、機櫃之間、資料中心之間提供更高效的互連，誰就更有機會參與下一波資本支出。
過去市場一提到 AI networking，會覺得那只是 GPU 故事旁邊的小配角。但隨著 cluster 規模越做越大，網路開始從「配件」變成「產能能否真正釋放」的核心環節。你可以買到大量加速器，但如果交換晶片、NIC、光模組、拓撲設計與軟硬體協同沒有跟上，理論算力未必能變成有效算力。這也是為什麼近兩年愈來愈多研究開始把 AI networking 單獨拉出來談，而不只是把它當成伺服器 BOM 裡的小零件。
客製化晶片浪潮，背後其實是雲端大廠的控制欲
很多人把客製化 ASIC 看成單純的成本優化，我覺得這只講對一半。更深一層的原因，是 hyperscaler 不想把自己的 AI 路線完全綁在別人的產品節奏上。
如果一家雲端公司未來幾年的 AI 服務成長，全部都仰賴外部供應商的通用加速器，那麼它會同時承擔三種風險。第一種是供應風險，熱門晶片一直缺貨，擴產節奏不一定掌握在自己手上。第二種是成本風險，當需求強到供不應求時，議價能力通常在供應端。第三種是產品路線風險，通用晶片要照顧很多客戶，不一定會完全貼合單一 hyperscaler 的 workload 特性。
這時候，客製化 ASIC 的吸引力就出來了。它不必全面取代 GPU，只要能在某些大型且重複性高的工作負載中提高效率，就可能替客戶省下非常可觀的成本。更重要的是，客戶可以把晶片設計與系統架構綁得更緊。今天 AI 競爭說到底，已經不是誰有模型而已，而是誰能把模型、資料中心、網路、電力與成本結構一起最佳化。從這個角度看，博通這類能協助 hyperscaler 做客製化 AI silicon 的公司，價值就不只是賣晶片，而是參與客戶整體 AI 基建藍圖。
Microsoft、Meta 這類大廠的支出變化，為什麼會外溢到博通？
雖然今天主角是博通，但如果只看博通本身，反而會漏掉關鍵。真正決定這條產業鏈能不能繼續往上走的，還是 hyperscaler 的資本支出意願。
以 Microsoft 為例，公司在 FY24 Q4 財報中提到，Intelligent Cloud 營收年增 19%，其中 Azure and other cloud services 成長 29%。這些數字本身不是在直接說「博通受惠」，但它們透露了一個很重要的訊號：大型雲端平台的 AI 與雲端需求，的確在把資料中心投資推往新的規模。當 cloud workload 與 AI service 一起擴張，資本支出不會只流向前端應用，也會一路往下滲透到 server、networking、switch、interconnect、封裝與晶片設計服務。
換句話說，博通不是單押某一款 AI 模型會不會贏，也不是在賭某一個聊天機器人會不會紅。它押的是比較底層的事情：只要大型平台還要繼續蓋 AI data center，只要 AI workload 還在往企業與消費端擴散，資料中心內部對於高效互連與客製化運算的需求就不會憑空消失。
這種受惠方式的好處，是它往往比單一應用勝負更長尾。因為就算某個熱門模型退燒，企業仍然需要搜尋、推薦、代理人、資料分析、code generation、語音與多模態服務，而這些服務只要上量，背後還是要算力、網路與更有效率的基礎設施。
但這條故事也不是沒有風險
講到這裡，很容易把客製化 ASIC 想成「理所當然的下一個大趨勢」。我反而覺得，投資人越是看到趨勢，越要把風險講清楚。
第一，客製化晶片不是低門檻生意。雖然外界常說 hyperscaler 要自研，但真正能把想法落地，從設計、驗證、量產到軟體整合一路走完，並不是每家公司都能順利做到。這代表博通雖然位置很好，但專案的節奏、良率、量產進度與客戶採用曲線，仍然都可能波動。
第二，AI 基礎設施的需求再強，也不代表每個環節都能永遠維持高成長。當市場開始大量投資之後，某些品項有可能出現短期過度建置，或者客戶先拉貨、後消化。AI 產業現在還在高景氣週期沒錯，但半導體從來不是線性成長的產業，庫存、預算、供應鏈與景氣循環，最後都還是會回來。
第三，博通雖然吃到 AI，但它不是純 AI 公司。它同時也有龐大的 infrastructure software 與其他半導體業務。這種多元布局有它的穩定性，卻也意味著投資人不能只用單一 AI 敘事去理解公司全部表現。若未來非 AI 業務放緩、整合成本變化或企業軟體需求轉弱，市場估值也不會只看 AI 這一塊。
第四，競爭不會停。客製化 silicon 很誘人，代表看到機會的人也會變多。從雲端大廠自己的自研團隊，到其他 ASIC、networking、optical 與封裝供應鏈玩家，未來都可能爭搶預算。博通當前占位很強，不代表未來沒有新變數。
對一般投資讀者來說，這個題目真正值得注意的是什麼？
我覺得最值得注意的，不是「博通股價還能不能漲」，而是市場正在用更成熟的方式看 AI。前一階段，AI 敘事很像淘金熱，大家先追最顯眼、最缺貨、最有話題的硬體。到了現在，資本市場開始慢慢拆解：除了 GPU 以外，還有哪些瓶頸是真正會被持續投資的？哪些公司是賣鏟子的鏟子？哪些收入不是靠情緒，而是靠客戶真正在擴建資料中心？
博通之所以值得研究，正是因為它站在這個視角的交會點上。它一方面受惠於 AI ASIC 趨勢，另一方面又卡在 Ethernet networking 這個越來越重要的樞紐位置。它告訴市場一件事：AI 不是只有模型層與應用層的競爭，最終還會回到一個非常工程化、非常資本密集、也非常供應鏈導向的現實世界。
如果把 AI 想成一座城市，大家最先注意到的往往是地標大樓，也就是最知名的模型與平台；但真正讓城市能運作的，通常是電網、道路、管線、物流與基礎建設。博通比較像後者。它不一定最搶鏡，但當城市越蓋越大，這些看起來不那麼浪漫的底層環節，反而會變得越來越值錢。
結語：AI 下半場，會是系統架構與供應鏈能力的比賽
總結今天這個題目，nash-ai 給我的靈感不是「再寫一篇博通財報速讀」，而是讓我重新確認一件事：AI 下半場的核心問題，正在從「誰先有最強模型、最多 GPU」轉向「誰能把整個 AI 基礎設施做得更可擴展、更有效率、更有成本紀律」。
在這個轉變裡，客製化 ASIC 的角色會越來越重要，因為它代表大型客戶開始尋求更高控制權；而 networking 的角色也會越來越重要，因為資料中心真正的效率，從來不是單一晶片能獨自決定。博通剛好同時踩中這兩條線，所以它不是純粹的題材受惠股，而是 AI infrastructure 深水區裡很有代表性的公司。
對一般投資讀者來說，這個數字值得注意：Broadcom 2024 全年 AI revenue 已達 122 億美元，2025 會計年度第一季 AI revenue 又來到 41 億美元，且管理層對下一季仍給出 44 億美元的 AI semiconductor revenue 指引。這至少說明，AI 支出不是停留在故事裡，而是真正已經轉成大型客戶的採購與部署。
接下來市場要觀察的，未必只是某一家 GPU 公司又出了什麼新產品，而是 hyperscaler 會不會持續把 AI 預算往更完整的基礎設施架構擴張。如果答案是會，那麼博通這類同時具備客製化晶片能力與網路互連地位的公司，討論度只會越來越高。
當然，這不等於什麼都會一路直線向上。AI 產業本來就伴隨高波動、高資本支出與高預期。但如果你想看懂 AI 投資從上半場走到下半場的變化，我會說，從博通與 ASIC 這條線開始看，蠻有意思的。
參考來源：nash-ai.cn 選題檢索結果（2026-01-14 西南證券〈博通(AVGO.O)：AI ASIC與網絡芯片龍頭，業績或迎來跨越式增長〉）；Broadcom FY2024 Q4 / FY2024 財報新聞稿；Broadcom FY2025 Q1 財報新聞稿；Microsoft FY24 Q4 財報新聞稿。
