Pendapatan semikonduktor AI Broadcom melebihi $160 bilion pada Q3

ASIC melangkah besar ke dalam laporan, langkah seterusnya ialah melihat bagaimana permintaan puluhan GW diubah menjadi pendapatan sebenar.

Ditulis oleh Jim, MSX MaiTong

Disunting oleh: Frank, MSX Mai Tong

Laporan keuntungan NVIDIA minggu lalu membuktikan bahawa permintaan akan kuasa pengiraan AI masih jauh dari puncaknya.

Dan semalam, setelah laporan keuangan Broadcom dikeluarkan, garis lainnya menjadi lebih jelas.

Pendapatan semikonduktor AI Q3 ialah US$16.7 bilion, melebihi panduan sebelumnya sebanyak US$16 bilion, dan kuartal seterusnya secara langsung diberikan sebanyak US$21.7 bilion. Lebih penting lagi, dijangka pendapatan cip AI FY2027 akan mencapai sekitar US$115 bilion, dan FY2028 bahkan melihat US$230 bilion.

Jadi, sekarang sudah agak terlambat untuk mempertikaikan sama ada ASIC boleh dianggap sebagai lengkung pertumbuhan kedua AI—wang AI sudah lama tidak hanya dihabiskan pada GPU.

Setidaknya di Broadcom, garis ini sudah mulai masuk ke laporan, dan volume seterusnya lebih besar daripada yang diperkirakan sebelumnya. Yang perlu dipantau seterusnya ialah sama ada projek besar seperti Google, OpenAI, Anthropic boleh dilaksanakan mengikut jadual, dan berapa banyak yang akhirnya boleh dimakan oleh Broadcom.

Jika semuanya berjalan lancar, teruskan muzik dan tarian.

Tempat sebenarnya yang memberikan maklumat penting dalam laporan keuangan NVIDIA ialah bahawa, walaupun berdasarkan asas yang sangat tinggi, penyedia awan, syarikat AI, dan makmal model masih terus meningkatkan kuasa pengiraan.

Namun, apabila AI CapEx bergerak dari puluhan miliar dolar AS ke ratusan miliar dolar AS, dan akhirnya mencapai tahap ribuan miliar dolar AS atau lebih setiap tahun, logika pembelian pasti akan berubah.

Sebagai contoh, syarikat besar telah mula bertanya lebih banyak, berapa kos yang diperlukan untuk menyelesaikan beban kerja AI yang sama? Berapa banyak kuasa komputasi yang berkesan boleh dihasilkan dengan 1GW elektrik yang sama? Jika beberapa beban kerja sudah sangat stabil, adakah masih perlu menggunakan produk yang paling mahal secara keseluruhan?

Ini adalah latar belakang di mana ASIC mulai menjadi semakin penting.

Tentu, memahami ASIC secara sederhana sebagai "GPU yang lebih murah" sebenarnya tidak tepat; kelebihan sebenarnya berasal dari spesialisasinya.

Membuat cip tersuai sendiri tidaklah murah, kerana memerlukan pelaburan besar dalam penyelidikan dan pembangunan awal, tempoh pembangunan yang panjang, serta penyelesaian keseluruhan masalah penyesuaian perisian, pembungkusan canggih, rangkaian, sistem, dan rantaian bekalan.

Namun sebaliknya, sekali beban kerja cukup stabil dan skala pelaksanaan meningkat dari puluhan MW ke ratusan MW, dan akhirnya ke GW, peningkatan dalam kos unit, nisbah prestasi-kekuatan, dan TCO keseluruhan sistem boleh dipertingkatkan dengan cepat.

Oleh itu, Google terus-menerus mengekalkan TPU, Meta terus memperluas MTIA, dan OpenAI juga mulai bekerjasama dengan Broadcom untuk membangun prosesor sendiri, semuanya menyedari bahawa walaupun hanya memindahkan sebahagian beban kerja yang paling stabil dan paling besar daripada cip generik ke cip tersuai, ia boleh membawa nilai ekonomi yang besar.

Jika diringkaskan secara sederhana, akan terlihat bahawa ini juga disumbang oleh beberapa syarat yang sedang matang secara serentak, dengan pemboleh ubah paling penting ialah推理 sedang menjadi beban peningkatan yang semakin penting.

Seperti yang diketahui umum, pelatihan model biasanya bersifat bertahap, tetapi setelah ChatGPT, Gemini, Claude, dan semakin banyak agen benar-benar masuk ke lingkungan produksi, inferensi menjadi tugas yang berlangsung setiap hari.

Terutama apabila jumlah permintaan semakin meningkat dan struktur model serta model perkhidmatan menjadi semakin stabil, ia secara semula jadi lebih sesuai untuk pengoptimuman peranti khas bagi workload tertentu. Pada Jun tahun ini, OpenAI secara rasmi melancarkan Processor Kecerdasan pertama yang dibangunkan bersama Broadcom, Jalapeño, yang ditujukan khusus untuk inferens LLM.

Lebih penting lagi, ini bukan sekadar cip tunggal; OpenAI dan Broadcom secara jelas mentakrifkannya sebagai produk generasi pertama platform komputasi pelbagai generasi, dengan perancangan untuk dideploy bermula akhir 2026 dan dikembangkan ke skala gigawatt di masa depan.

Jalur Meta juga sangat serupa, sedang mempercepat empat generasi MTIA dalam dua tahun ke depan, dengan fokus pada rekomendasi, pengurutan, dan AI generatif, di mana beberapa produk secara jelas mengadopsi pendekatan inference-first. Pada bulan April tahun ini, kerjasama dengan Broadcom diperluas lebih lanjut, dengan penyebaran tahap pertama telah melebihi 1GW, dan perencanaan lanjutan akan diperluas ke beberapa GW, dengan kerjasama multi-generasi produk kedua belah pihak akan berlanjut hingga 2029.

Ini menunjukkan bahawa pelanggan AI besar hari ini sedang berpindah dari sekadar mengejar prestasi puncak kepada peraturan permainan yang lain: sama ada token boleh dihasilkan dengan lebih murah.

Apabila AI benar-benar bermula komersialisasi, kos seribu ribu Token, berapa banyak kekuatan pengiraan berkesan yang dapat dihasilkan setiap watt tenaga, serta TCO keseluruhan pusat data, akan menjadi semakin penting.

Hakikat ASIC sebenarnya adalah syarikat AI besar yang mulai cuba mengambil semula kawalan atas kos bahagian ini.

Setelah memahami perkara ini, akan lebih mudah untuk melihat laporan keuangan Broadcom.

Pada kuartal sebelumnya, jumlah pendapatan Broadcom mencapai US$22.187 bilion, meningkat 48% secara tahunan; di mana pendapatan semikonduktor AI mencapai US$10.8 bilion, meningkat 143% secara tahunan.

Panduan kuartal seterusnya yang diberikan oleh syarikat lebih agresif, dengan jumlah pendapatan sekitar US$29.4 bilion, di mana pendapatan semikonduktor AI dijangka mencapai US$16 bilion, meningkat lebih daripada 200% berbanding tahun sebelumnya.

Apa maksudnya 16 bilion dolar AS? Ia setara dengan sekitar 54% daripada jumlah pendapatan yang dijangka Broadcom untuk kuartal ini.

Dengan kata lain, jika panduan ini direalisasikan, hanya bisnis semikonduktor AI sahaja yang boleh menyumbang lebih daripada separuh pendapatan Broadcom—di sini, bisnes perisian infrastruktur seperti VMware pun sudah dimasukkan.

Dengan kata lain, AI sedang mengubah struktur pendapatan syarikat ini secara langsung.

Namun, terdapat salah faham yang mudah berlaku di sini: 16 bilion dolar AS tidak boleh secara langsung dianggap sebagai「pendapatan ASIC」, kerana ia juga merangkumi produk rangkaian AI seperti cip pertukaran Ethernet, SerDes, PCIe, dan interkoneksi optik.

Pada kuartal sebelumnya, bisnis rangkaian telah menyumbang hampir 40% daripada pendapatan semikonduktor AI. Hock Tan juga menunjukkan bahawa peratusan ini mungkin sudah mendekati paras puncak sementara, dan dalam jangka panjang kemungkinan besar akan kembali ke sekitar 30%.

Jadi, Broadcom sebenarnya sedang memperluas dua bidang bisnis secara serentak, iaitu Custom XPU dan AI Networking, yang merupakan perbezaan utama dengan banyak syarikat semata-mata cip.

Selepas kumpulan AI bergerak dari ribuan cip kepada puluhan ribu, ratusan ribu, atau skala yang lebih besar, cara menghubungkan kuasa pengiraan menjadi semakin penting.

Broadcom sedang memecah rangkaian AI lebih lanjut menjadi scale-up, scale-out, dan scale-across: dari sambungan berkelajuan tinggi di dalam rak, ke rangkaian berskala besar di dalam pusat data, hingga sambungan antara beberapa pusat data.

Jika cluster AI terus membesar, dan pengeluar awan besar menambahkan ASIC buatan sendiri, Broadcom boleh terlibat dalam Custom XPU; jika cluster GPU terus mengembang, pasaran rangkaian Ethernet terbuka juga mungkin terus membesar.

Ini meletakkan Broadcom dalam posisi yang menarik, kerana ia sebenarnya sedang mempertaruhkan peningkatan kompleksiti infrastruktur AI secara keseluruhan.

Tentu, ini tidak bermaksud bahawa perniagaan ini tidak mempunyai persaingan.

Walaupun Google telah menandatangani perjanjian jangka panjang dengan Broadcom untuk bekerjasama mengembangkan komponen terkait TPU generasi mendatang dan rak AI generasi seterusnya, dengan perjanjian yang boleh mencapai tahun 2031; Google baru-baru ini juga memperluas kerjasama chip tersuai dengan Marvell.

Ini sekurang-kurangnya menunjukkan bahawa pelanggan besar tidak akan dengan mudah menyerahkan seluruh struktur masa depan kepada satu pembekal sahaja.

Pasar sudah mengetahui bahawa AI Broadcom akan sangat kuat.

Jadi, yang sepatutnya diperhatikan dalam laporan keuangan ini bukanlah sama ada 16 bilion boleh dicapai, untungnya jawapannya sudah keluar.

Dari sudut pandang sekarang, isu mengenai jalan Broadcom bukan lagi tentang "adakah lengkung pertumbuhan kedua", tetapi sejauh mana lengkung ini akhirnya boleh panjang, tetapi ini juga bermakna bahawa pasaran akan menjadi semakin pemilih ke depannya.

Sebelum ini, 100 bilion sudah menjadi kejutan, sekarang setelah 115 bilion dan 230 bilion telah diperlihatkan, yang perlu diperhatikan ialah bagaimana nombor-nombor ini akan diwujudkan.

Adakah projek Google, Meta, OpenAI, dan Anthropic mampu bergerak ke arah peringkat GW seperti yang dirancang, dan setelah cip generasi pertama diproduksi secara massal, adakah generasi kedua dan ketiga masih boleh diperoleh, serta adakah perniagaan rangkaian mampu tumbuh seiring dengan skala kluster?

Lebih penting daripada menjual berbilion dolar lebih banyak daripada satu musim.

Masalah lain yang semakin sukar dielakkan ialah pelanggan besar tidak akan hanya bergantung pada satu pembekal.

Google telah mula memperluaskan kerjasama dengan pembuat lain, dan Meta, OpenAI kemungkinan besar juga akan terus mempertahankan sistem pelbagai pembekal. Oleh itu, kelebihan Broadcom sekarang adalah nyata, tetapi belum sampai tahap "penguncian pelanggan".

Dari sudut pandang ini, bukti kemampuannya untuk bertahan secara berterusan dalam rangkaian bekalan utama pelanggan-pelanggan ini akan menjadi faktor penentu utama.

Bagaimanapun, laporan keuangan Broadcom ini mengingatkan kita bahawa cip tersuai, rangkaian, dan perhubungan, yang dahulu lebih seperti elemen "penyokong", sedang perlahan-lahan menjadi garis utama.

Juga mengingatkan pasaran, bahawa pelaburan infrastruktur AI ini mungkin masih jauh daripada hanya tinggal persaingan stok.

Selagi syarikat besar terus membina kumpulan yang lebih besar, membeli lebih banyak tenaga, dan mengira lebih banyak Token, bottleneck baharu akan terus muncul, dan kolam keuntungan baharu akan timbul bersamaannya.

Perniagaan AI ini sedang berkembang dari satu cip menjadi infrastruktur penuh, yang merupakan ruang imajinasi yang lebih besar.