Ang kita mula sa Broadcom AI semiconductor ay lumampas sa $160 bilyon sa Q3

Ang ASIC ay naglalakad nang malakas sa ulat, ang susunod na hakbang ay tingnan kung paano maaaring maging totoong kita ang demand na ilang GW.

Isinulat ni Jim, MSX MaiTong

Ipinagawa ni Frank, MSX Maotong

Ang recent earnings report ng NVIDIA noong nakaraang linggo ay patunay na ang pangangailangan sa AI computing power ay malayo pa sa pagtukoy ng tuktok.

At noong kahapon gabi, nang lumabas ang financial report ng Broadcom, mas malinaw ang isa pang linya.

Q3 AI semiconductor income ay $16.7 bilyon, higit sa pahiwatig na $16 bilyon, at direktang ibinigay ang $21.7 bilyon sa susunod na kwarter, ngunit mas mahalaga ang inaasahang AI chip income sa FY2027 na halos $115 bilyon, at sa FY2028 ay maaaring makita ang $230 bilyon.

Kaya ngayon ay masyadong huli na ang pag-aalala kung ang ASIC ay isang ikalawang kurba ng paglago sa AI—ang pera sa AI ay hindi na lamang ginugugol sa GPU.

Kung sa Broadcom lamang, nagsimula na ang linya sa mga ulat, at mas malaki pa ang volume kaysa sa dati nilang inaasahan; ang tunay na dapat obserbahan sa susunod ay kung kaya ng mga malalaking proyekto tulad ng Google, OpenAI, at Anthropic na maisagawa ayon sa takdang panahon, at gaano karami ang maaaring kainin ng Broadcom.

Kung lahat ay tumatakbo nang maayos, magpatuloy tayong mag-alsa at magdansa.

Ang totoong may impormasyon sa financial report ng NVIDIA ay ang fakto na sa ganitong mataas na base, ang mga cloud provider, AI companies, at model labs ay patuloy na nagdaragdag ng computing power.

Ngunit kapag ang AI CapEx ay mula sa ilang sampu ng bilyon dolyar ay umuusbong patungo sa ilang daan na bilyon dolyar, at sa huli ay pumasok sa antas ng libo-libong bilyon dolyar o higit pa bawat taon, ang lohika ng pagbili ay magbabago nang tiyak.

Halimbawa, ang mga malalaking kumpanya ay nagsisimula na magtanong, gaano karaming pera ang kailangan upang matapos ang isang AI workload? Ilan ang epektibong computing power na maaaring produksyonin ng parehong 1GW ng kuryente? Kung ang ilang workload ay naging napakatindi nang matatag, kailangan pa bang gamitin lahat ang pinakamahal na produkto?

Ito ang konteksto kung bakit nagsisimula na ang ASIC na maging mas mahalaga.

Hindi talaga tama ang pag-iisip ng ASIC bilang "mas murang GPU"; ang totoong kahusayan nito ay galing sa pagiging espesyalisado.

Ang paggawa ng isang custom chip ay hindi murang gawain, dahil malaki ang mga gastos sa panimulang pag-aaral at pag-unlad, mahaba ang panahon ng pag-unlad, at kailangan lutasin ang buong hanay ng pagkakatugma sa software, advanced packaging, network, sistema, at supply chain.

Ngunit kabaligtaran nito, agad na lalaki ang pagpapabuti ng unit cost, performance-per-watt ratio, at kabuuang TCO ng sistema kapag ang isang workload ay sapat na matatag at ang sukat ng deployment ay umabot mula sa ilang sampung MW patungo sa mga sandaang MW, at huli ay sa GW.

Kaya patuloy na tinataguyod ng Google ang TPU, patuloy na pinapalawak ng Meta ang MTIA, at nagsimula na ring magtulungan ang OpenAI sa Broadcom para mag-develop ng kanilang sariling processor, dahil sa pag-unawa na kahit isang bahagi lamang ng pinakamalakas at pinakamalaking workload ay ililipat mula sa mga pangkalahatang chip patungo sa mga custom chip, maaaring magdulot ito ng malaking ekonomikong halaga.

Kung iisipin nang maikli, makikita na ito ay dahil sa ilang kondisyon na parehong nagiging matatag, at ang pinakamahalagang variable ay ang pagpapahalaga na naging lalong mahalagang karagdagang load.

Kilala naman na ang pag-train ng model ay karaniwang may mga yugto, ngunit matapos ngayong pumasok ang ChatGPT, Gemini, Claude, at lalong maraming Agent sa production environment, ang inference ay isang trabaho na nangyayari araw-araw.

Lalo na kapag tumataas ang dami ng mga pagtawag, at ang mga istruktura ng modelo at serbisyo ay nagsisimulang mag-stabilize, mas natural na masangkop ito para sa hardware optimization na nakatuon sa partikular na workload. Noong Hunyo ng taong ito, ipinahayag ng OpenAI ang kanilang unang Intelligence Processor na Jalapeño, na nilikha kasama ang Broadcom, na inilalayong espesipikong para sa LLM inference.

Mas nakakatotoo na ito ay hindi isang hiwalay na chip; pinagtibay ng OpenAI at Broadcom ito bilang unang henerasyon ng isang maraming henerasyong computing platform, na plano ay i-deploy mula sa huling bahagi ng 2026 at magpapalawak sa hinaharap sa iskala ng GW.

Ang ruta ng Meta ay katulad din, na nagpapabilis ng apat na henerasyon ng MTIA sa loob ng dalawang taon, na nakatuon sa rekomendasyon, pag-ayos, at generative AI, kung saan ang ilang produkto ay direktang gumagamit ng inference-first na disenyo. Noong Abril ng taong ito, lalong pinapalawig ang pakikipagtulungan sa Broadcom, na ang unang yugto ay higit sa 1GW, at ang mga plano ay magpapalawig ito sa maraming GW, na magpapatuloy ang pakikipagtulungan sa maraming henerasyon ng produkto hanggang 2029.

Ito ay nagpapakita na ang mga malalaking AI customer ngayon ay nagmumula sa paghahanap ng peak performance, at dumadaan sa isang iba't ibang set ng mga patakaran: kung maaari ba talaga ang mga token na gawing mas mura.

Kapag talagang magsisimula ang AI sa komersyalisasyon, ang gastos ng isang milyong token, ang dami ng epektibong computing power na maaaring produksyonin bawat watt ng kuryente, at ang buong TCO ng isang data center ay magiging mas mahalaga.

Ang本质上 ng ASIC ay ang pagsubok ng mga malalaking kumpanya sa AI na muling kunin ang kontrol sa bahaging ito ng gastos.

Pagkatapos maunawaan ang punto na ito, mas madaling tingnan ang financial report ng Broadcom.

Sa nakaraang kwarto, ang kabuuang kita ng Broadcom ay umabot sa $22.187 bilyon, isang pagtaas ng 48% kumpara sa nakaraang taon; kung saan ang kita mula sa AI semiconductor ay umabot sa $10.8 bilyon, isang pagtaas ng 143%.

Ang gabay para sa susunod na kwartal na ibinigay ng kumpanya ay mas agresibo, na may kabuuang kita na humigit-kumulang sa $29.4 bilyon, kung saan inaasahang makakamit ang kita mula sa AI semiconductor sa $16 bilyon, na isang pagtaas ng higit sa 200% kumpara sa nakaraang taon.

Ano ang kahulugan ng $16 bilyon? Katumbas ito ng halos 54% ng inaasahang kabuuang kita ng Broadcom para sa kwarter na ito.

Ibig sabihin, kung matutupad ang gabay, ang isa lamang na sektor na AI semiconductors ay maaaring magbigay ng higit sa kalahati ng kita ng Broadcom—at dito ay kasama na ang mga negosyo ng infrastructure software tulad ng VMware.

Sa ibang salita, ang AI ay direktang nagbabago sa istruktura ng kita ng kumpanyang ito.

Ngunit mayroong madaling magkaroon ng maling pag-unawa dito: ang $16 bilyon ay hindi diretso katumbas ng “kita mula sa ASIC”, kundi kasama rin dito ang Ethernet switch chips, SerDes, PCIe, optical interconnect, at iba pang AI network products.

Noong nakaraang kwarto, ang network business ay umabot sa halos 40% ng kita mula sa AI semiconductor. Sinabi ni Hock Tan na ang proporsyong ito ay maaaring nasa malapit na sa temporaryong taas, at sa matagalang panahon ay mas malamang na bumalik sa paligid ng 30%.

Kaya ang Broadcom ay may dalawang uri ng negosyo na umaunlad nang sabay-sabay: ang Custom XPU at ang AI Networking, na ang pagkakaiba nito sa maraming kompanyang puro chip.

Pagkatapos umabot ang AI cluster sa mga libo-libo, sampung libo, sampu-sampung libo, o mas malaking sukat ng mga chip, ang pagkonekta ng computing power sa isa’t isa ay naging lalong mahalaga.

Ang Broadcom ay hinahati ang AI network sa scale-up, scale-out, at scale-across: mula sa mabilis na pag-uugnay sa loob ng rack, patungo sa malawakang network sa loob ng data center, at sa pag-uugnay sa pagitan ng maraming data center.

Kung patuloy na lumalaki ang AI cluster, at kung lumalaki ang pagtatayo ng sariling ASIC ng mga malalaking cloud provider, maaaring makilahok ang Broadcom sa Custom XPU; kung patuloy na lumalawak ang GPU cluster, maaaring patuloy ring lumawak ang open Ethernet network market.

Nakakaposisyon sa isang interesanteng posisyon si Broadcom, dahil aktibong nagtataya ito na patuloy na magiging mas kumplikado ang buong infrastruktura ng AI.

Of course, this does not mean that the business has no competition.

Bagaman ang Google ay nagsagawa na ng matagalang kasunduan kasama ang Broadcom para sa pagpapalawak ng mga susunod na henerasyon ng TPU at mga komponente ng susunod na henerasyon ng AI rack, na kumakalat hanggang 2031; pinapalawak din ng Google ang kanyang pagkakaibigan sa Marvell para sa mga custom chip.

Ito ay nagpapakita kung paano hindi agad ibinibigay ng malalaking kliyente ang buong hinaharap na arkitektura sa isang supplier.

Alam na ng merkado na malakas ang AI ng Broadcom.

Kaya ang hindi talagang pinag-uusapan sa pagsusuri na ito ay kung kaya ba ng 16 bilyon, at mas mainam na nalaman na ang sagot.

Sa ngayon, ang tanong ay hindi na kung mayroon ba pangalawang kurba ng paglago para sa Broadcom, kundi kung gaano kalalim ang kurba na ito—ngunit ito ay nangangahulugan na magiging mas mapagpili ang merkado sa hinaharap.

Kahit na ang 100 bilyon ay isang pagkakataon sa nakaraan, ngayon na may 115 bilyon at 230 bilyon na ipinakita, ang susunod na dapat pagtuunan ng pansin ay kung paano matutupad ang mga numero na ito.

Maaari ba ang mga proyekto ng Google, Meta, OpenAI, at Anthropic na umabot sa sukat ng GW habang nasa plano, at matatanggap pa ba ng ikalawang at ikatlong henerasyon ang mga chip pagkatapos ng unang henerasyon, at makakasabay ba ang network business sa paglago ng cluster size?

Mas mahalaga pa ito kaysa sa pagbebenta ng ilang sampu bilyon dolyar sa isang season.

Isang iba pang problema na patuloy na nagiging mahalaga ay ang mga malalaking kliyente ay hindi magpapakalusot sa isang supplier lamang.

Ang Google ay nagsisimula nang palawakin ang pagkakasundo sa iba pang mga kumpanya, at malamang ay mananatili ang Meta at OpenAI sa maraming supplier system. Kaya ang kasalukuyang kahusayan ng Broadcom ay totoo, ngunit hindi pa ito nasa antas ng “customer lock-in.”

Sa pananaw na ito, ang pagpapatotoo kung kaya niya manatili sa pangmatagalang pangunahing supply chain ng mga kliyente ay magiging mahalagang tagumpay o pagkabigo.

Anuman ang kalagayan, ang financial report ng Broadcom ay isang paalala na ang custom chips, networking, at connectivity, na dati ay mas tila mga “supporting” na bahagi, ay unti-unting naging pangunahing bahagi.

Binababala rin ang merkado na ang pag-invest sa infrastruktura sa AI ay maaaring malayo pa sa panahon kung saan tanging kompetisyon sa存量 ang naiiwan.

Kasunod ng pagpapatuloy ng mga malalaking kumpanya sa pagtatayo ng mas malalaking cluster, pagbili ng higit pang kuryente, at pagcompute ng higit pang Token, lalabas ang mga bagong bottleneck at susundan nito ang paglago ng mga bagong pool ng kita.

Ang negosyo sa AI ay mula sa isang chip lamang, tumutubo na sa isang buong imprastruktura—at doon nakatago ang mas malaking potensyal.