推出2025年终策划《定力与重构》，回望2025、展望2026，让洞察照见本质●★△，向变革寻求确定。

　　刚开锣的2026CES，老黄又宣称90%的ASIC项目会失败，这实际上是对此前谷歌TPU为代表的ASIC芯片的口头“讨伐”=▼，一场针对ASIC的全面围猎已经悄悄开始●★。

　　很多人会关心，GPU、ASIC竞争的终局如何■◆★？答案是取决于半导体战争的终极弹药库——台积电CoWoS先进封装产能。

　　这意味着▪，只要对台积电CoWoS产能预订-■、分配情况-■，进行颗粒度拆解，就能精确测算出2026年AI算力芯片的出货格局。

　　我们先对GPU和ASIC的战争背景做一些铺垫(有行业基础可跳过本部分)。

　　人工智能对算力的需求扩张是共识，但必须明确◆：更先进的计算架构、工艺制程和先进封装△■◁，是三个关键路径。

　　关于架构-，谈到最多的是GPGPU(通用图形处理器)，英伟达在这条路上，借助CUDA生态的20年铺垫，成为通用并行计算的绝对王者■◁△。

　　硬件层面=-▼，英伟达的核心武器有两个■…：HBM内存极高的带宽■★◁、GPGPU大规模流处理器阵列。从H200、GB200到今年即将推出的•★●“Vera Rubin-◁”，都是这条路径的产物，性能提升直接与显存带宽、NVLink互连规模挂钩。

　　GPGPU之外，以谷歌TPU为代表的ASIC芯片，探索出了另一条更精准-△、定制化的架构——云端推理侧的负载日益固化，为特定算法(如Transformer)定制的ASIC芯片▪…，能够展现出碾压级的能效比，即每瓦性能和总拥有成本(TCO)优势★□。

　　谷歌的TPU、亚马逊的Trainium都是这条路径的先锋。博通、Marvell、Al chip等设计公司，正是通过为这些云巨头定制ASIC芯片●★，撕开了AI芯片万亿市场的一道口子。

　　相比架构竞争◁▪，工艺制程这条路径显得更好理解，从7nm▼□▼、5nm、3nm到2025年底量产的2nm，每一次制程跃进都意味着晶体管密度和能效的提升。

　　不过，工艺制程是一条高门槛的路径：进化速度越来越慢●○★，成本越来越贵，2nm晶圆代工价格高达3万美元，入场费已非所有玩家都能承受★。此外，工艺制程的微缩还将面临“功耗墙•☆■”和“存储墙”•。

　　架构、制程之外…○，第三个关键路径是先进封装☆■●，以CoWoS(Chip on Wafer on Substrate)为代表的先进封装是台积电为高性能计算打造的“皇冠上的明珠★=”=▪。

　　CoWoS的精髓在于异构集成★▪，将多个小芯片▷，例如计算芯粒(GPU/ASIC核心)、高带宽内存(HBM)、I/O芯粒等，通过中介层进行超高密度…◆◆、超高带宽互连，集成在一个封装内。

　　这种方式可以突破单芯片光罩(掩模板)尺寸限制△，中介层面积当前可达2800mm²○◇，直接好处就是晶体管更多，HBM显存更高。

　　另外，由于CoWoS采用了硅中介层，上面的微凸块(μBump)间距极小，芯粒间通信带宽激增▽，延迟和功耗大幅降低--。

　　正因如此，无论是追求极致性能的英伟达GPU，还是追求最佳总拥有成本的云巨头ASIC-■，但凡涉足顶级AI算力，都离不开CoWoS△▽-。

　　所以-◁，在2026年这个时间点上，当制程进入2nm深水区▷-△，成本高企-▷，架构路线出现根本性分叉时-，CoWoS先进封装的产能分配☆▷，就成了决定算力版图的最关键变量○▽，没有之一。

　　从我们掌握的情况来看△●▼，过去三年△◇◁，台积电CoWoS产能一路从单月12K晶圆，逐步爬升至2025年底的80K/月，2026年年底的预估目标是120K/月左右-。

　　取一个全年有效平均值：96K/月，即2026年台积电CoWoS总有效产能约为○：96K/月 × 12个月 = 1150000片晶圆，这是AI芯片战的总弹药基数。

　　这1150000万片晶圆如何分配○☆▼，背后是一场基于于技术◆、商业、地缘的复杂棋局□。

　　按照优先级，英伟达作为CoWoS最早期、最大胆的共同定义者和投资者◁=◇，其架构(如NVLink)与台积电CoWoS工艺深度耦合，毫无意外可以拿到最多…○▽。

　　按客户层级，由于苹果、英伟达、AMD是台积电前三大VVIP级客户，其巨额预付款和长期协议锁定了基础产能。不过■▲…，苹果要到2028年才有自研AI芯片。另外，博通、Marvell因承接谷歌☆◁、AWS、Meta等云巨头天量ASIC订单，已跻身顶级VIP客户行列。

　　另外，对台积电来说■…★，除了ASIC以外，AMD、英特尔乃至中国客户，都是制衡英伟达◁▲、分散客户风险的重要力量，也会分得一部分产能…☆。

　　总体来看，产品需求最旺△◁▽、单价最高、技术最领先的英伟达有望拿到其中近60%的产能▲▼；AMD的预定量在90K左右，占比接近8%-▽□，相比2025年有64%的增量★，增幅几乎与英伟达一致。

　　当然单一客户CoWoS订单激增，也包含了中介层放大的因素，但对于业绩的贡献必然是正面的。不过也要强调，更复杂、集成度更高的封装(如集成更多HBM、更大中介层)初期良率较低，实际有效产出需打折◁。

　　整个ASIC阵营，大致可以划分为博通、世芯(AI Chip)、Marvell和联发科几家▼，其中博通是领头羊△。

　　博通2026年预定量大幅增至200K，同比增122%▪△◇，主要受谷歌TPU外供拉动，但要博通主要负责TPU v6p以及v7p•▷=，偏向推理的v7e由联发科负责，会在2026年下半年推出。未来TPU v8还是会遵循v7的模式•，由博通与联发科两家下单CoWoS。

　　※第三大客户OpenAI将于年底推出内部代号Titan芯片，台积电N3制程…，预计占今年博通预订量的5-10%=▷，2027年将达到20%+

　　※2028年，苹果的AI ASIC芯片Baltra也将面世，目前由博通负责高速互联，SerDes IP以及后段布线年上半年进入流片阶段。

　　联发科是台积电2026年CoWoS的新进客户，目前已调拨大量人力支持ASIC业务——未来将成为联发科的重点板块——2026年下半年主要承担侧重推理的TPU v7e的出货，并在2027年作为出货主力年，同时2027年将叠加TPU v8e的订单△，有机会出现600%的CoWoS同比增幅。

　　根据我们了解到的情况，联发科目前已将AI ASIC视为未来核心业务，作为行业巨头，其布局AI芯片将很大影响目前ASIC设计的行业格局。

　　剩下的台积电CoWoS客户的量级都小于1万片▪△，其中微软自研ASICAthena的早期设计与流片还是微软自己的团队在小批量推进中•○。

　　有了产能的分配数据，基于硅中介层面积，大致就能算出来★…★，2026年□▼•，各家能够出多少颗GPU/ASIC芯片▷…。

　　我们假设英伟达的660000片晶圆当中，10%分配给Hopper架构，即6▽.6万片☆•◇，按单片切29颗来计算，预计今年整体H200的产出量可以达到190万颗。

　　回看整体台积电整体产能分配◁▷◇，拿下总共75万片CoWoS产能的GPGPU阵营(NV+AMD)，在面对还只有37万片产能的ASIC阵营时，还是拥有绝对的火力优势，甚至英伟达一家的火力就超过全球其他企业的总和。

　　CoWoS是一个关键变量，但仅比较CoWoS还是会误判战局——不同的封装方案▷◆●，比如single-die以及dual-die方案•◇，将导致中介层面积出现很大的不同。

　　所以，台积电CoWoS的产能增幅，不能单纯定义为AI芯片出货量的增加，也要考虑CoWoS硅中介层面积不断放大的增量。

　　前面表1有提到，硅中介层面积越来越大的变化趋势，是AI芯片明确的技术路线，目前中介层面积是光罩面积的3.3x，2026年的Rubin将提升到是4~5.5x…，而2027年4-die合封的Rubin Ultra将达到9~9.5x。

　　因此▷=★，以CoWoS的产能(消耗面积)增、减幅度来计算企业营收增=、减幅度更为准确。

　　所以，这场AI芯片战争的主导因素，除了要看谁消耗了更多的CoWoS产能，也要看谁贡献了更多的算力◁▷◁，以及谁创造了更多的营收和利润。

　　算力维度的比较非常直观，一颗英伟达B300的FP8算力达10PFLOPS，而一颗定制推理ASIC的算力可能仅为其几分之一，即便是最强的TPU v7p也只有英伟达B300的一半，这没有将今年要推出的Rubin考虑在内。

　　就在刚刚的CES上▷○△，老黄说Rubin的性能比Blackwell在推理提升5倍•=●，训练提升了3.5倍▪，言外之意是GPU与ASIC的性能差距并没有缩小■□△。

　　从算力维度可以得出结论——即使CoWoS切出来的芯片颗数接近，GPGPU阵营的总算力很可能仍大幅领先，这是GPU通用架构的…▪•“蛮力”优势——来自CoWoS消耗面积(晶体管)的多寡。

　　价值维度的比较则更为残酷，英伟达单颗GPU售价高达3万美元以上▷，未来会提升到4-5万美元。云巨头自研ASIC芯片的“成本◆…”即便与GPU接近★▷=，“内部结算价”肯定卖不到GPGPU的市场价格。

　　以Anthropic向博通采购210亿美元的100万颗TPU为例，扣除服务器等诸多配置☆▲■，单颗对外售价在1.5万美元以下，不到英伟达Blackwell系列的一半=。

　　结合算力和价值两个点◆，可以更明确的得出结论——AI芯片是多维度的比拼▪，不单单比摩尔定律、比芯片工艺制程▽，还要比谁的面积更大■▪，能放进更多晶体管□，最终表现在性能上的差别，也决定了价格。

　　英伟达用60%的CoWoS产能，创造整个AI加速芯片市场70%以上的收入和90%以上的利润-▼，这才是文章开头黄仁勋◇▲•“6个季度，5000亿美元○…◆”的底气☆。

　　英伟达的优势◆=，CUDA就不必说了，经常被忽略掉的是搭配的NVLink、NVSwitch所构成的系统级优势，用户买的不是芯片，而是一整套最强的“交钥匙•◇•”解决方案。

　　作为对比△□，ASIC芯片优势在于…，云厂这类超大规模用户，当其软件栈完全自控且工作负载高度特化且稳定(如搜索推荐◆▲、广告排名□、语音识别推理)，自研能带来极致的总拥有成本(TCO)优化。

　　可以这样说：AISC要讲的故事——专用化换取◇“去英伟达化”，最终优化财务报表。所以，能不能用ASIC的关键只有一点■■，规模(量)够不够大，没有其他。

　　首先，自研ASIC的资金▼、人力投入巨大；其次，便宜的TPU可不是买来就直接能用的，像Anthropic向博通采购210亿美元直接采购谷歌TPU的方案，背后也需要配置一只极为强大的底层系统工程师团队，并不断进行深度迁移及适配◇○★。

　　所以，仅仅开支这一项●=，也决定了ASIC只有超大型云厂、超大规模企业才会使用，但即便是购买现成ASIC芯片★◆△，也就能拓展到Anthropic这体量的大模型企业，很难再往下了☆☆。

　　再者，目前头部AI集群的功耗已从几十千瓦迈向兆瓦级，未来芯片功耗将飙升至数千瓦，普通客户无法承受这种规模。而且◆◁▷，在风冷已到极限，液冷(包括冷板、浸没式)成为标配的背景下▲▽，数据中心的物理设计和最大集群规模▷，都是必须综合考量的因素。

　　另外，GPGPU与AISC两者的较量也不限于单芯片，基于CPO共封装来解决■△…“功耗墙”和“互连墙”▼◇=，这种系统级的方案，以及华为的384颗NPU互连的CloudMatrix 384这种系统架构创新，也都至关重要。

　　所以，CoWoS只是起点，更上层的互连网络(NVLink●▼, CXL, UCIe)、光引擎(CPO)都是竞争的关键变量。

　　现阶段英伟达为代表的GPGPU市场▲▷…，虽然部分被侵蚀…，但随着物理AI这些领域的推进◇▷，在可见的3-5年，英伟达仍将统治AI训练市场和高性能通用计算市场(训练、新兴应用◆○、中小企业★•、科研)。

　　但是，推理占据未来AI算力实际消耗的大头，且工作负载更固定，正是ASIC的用武之地△△，ASIC的势头只会越来越好。

　　所以大家会看到▷，为了加固“护城河”，英伟达斥资200亿美元收购Groq，意图将LPU融入自己的技术矩阵中。

　　与此同时▽▽，英伟达也在通过推出更细分领域的产品，如推理专用芯片、更灵活的订阅模式(DGX Cloud)、以及更强大的系统级解决方案(如NVL144/288/576)◆▽●，来应对ASIC的“包围”○•▲。

　　目前的英伟达依旧处于有利位置=△-，依旧掌握着“AI芯片战争”的主动权，他们要解决的核心问题——市占率与毛利的平衡。只要英伟达不坚守极高的毛利率，愿意牺牲毛利换取市场，他还是无坚不摧的王者。

　　ASIC生态下，谷歌TPU外供◇△，标志着ASIC从“概念◁▪”和▲“试点▲◁△”正式迈入“规模化部署”□，其增长直接与这些云巨头的资本开支绑定=-★。

　　只要巨头们持续投资AI基础设施◆□，且自研芯片的TCO优势持续存在▲，ASIC芯片对CoWoS需求就会持续增长。博通，联发科，Marvell作为顶级设计服务商将持续受益。

　　从产品进化的角度来看，2026年的Rubin架构产品•，率先采用5-▼.5x光罩面积的中介层★○▲，2027年很快会推进到9.5x，ASIC产品的绝对性能没有GPGPU那般极致要求，2026年预估也就在3★•■.3x，甚至在2027年也大概率还如此。所以结论基本也是明确的▽▼：未来GPGPU对CoWoS产能的预定量会大幅度增长。

　　而回到最终芯片的数量上，由于ASIC芯片的中介层普遍在2500mm²，单片CoWoS晶圆切出来的芯片数量，是GPGPU的两倍，而GPGPU目前CoWoS预定量是AISC的两倍，所以今年两种类型AI芯片的全球出货量…，也就大体相当。

　　至于企业营收●★◁，那就与CoWoS出货量成正比了，因为性能与面积(晶体管总数)成正比，同制程双颗的dual-die性能必然高于single-die的芯片△。

　　所以●☆，未来我们更可能看到的是一个◇◆◆“GPU+ASIC”的混合算力世界：云巨头用英伟达GPU进行前沿模型研发和训练，同时用自研ASIC进行成本敏感的大规模推理部署●△。

　　换句话说，这场战争并非一场你死我活的歼灭战▪，而是一场持久且复杂的“划界战争•--”。

　　但不管两种生态格局如何▲▽…，作为这场芯片战共同且唯一的“军火商”--，台积电坐拥CoWoS产能的定价权◇，将是无论哪一方获胜都不可或缺的终极大赢家。