华尔街知名投行伯恩斯坦最新发布的一份深度研究报告指出，全球人工智能应用端对谷歌TPU算力体系的强劲需求扩张态势，正在为芯片设计巨头联发科开辟一条远超传统智能手机芯片业务的全新增长赛道。基于定制化AI计算加速器市场规模的持续扩大、谷歌核心项目的量产放量以及公司经营杠杆的显著提升，伯恩斯坦将联发科的目标股价从4380新台币大幅上调至5500新台币，同时维持“跑赢大盘”评级并继续将其列为覆盖范围内的首选标的。
谷歌TPU正是云计算大厂自主研发AI专用芯片技术路线的最典型代表。伯恩斯坦分析师团队对联发科2026至2028年的AI ASIC收入预测分别达到24亿美元、160亿美元和440亿美元。报告预计，ASIC业务占联发科总收入的比例将从2026年的11%迅速攀升至2027年的43%，并在2028年达到约65%的高位，对应每股收益的贡献占比则分别为15%、42%和68%。与此同时，伯恩斯坦将2028年全球数据中心XPU/ASIC市场规模预测从原先的1400亿至1600亿美元大幅上调至2500亿至3000亿美元，2026年和2027年的预测值也分别调整为500亿至700亿美元和1300亿至1500亿美元。
这些最新预测表明，股票市场投资者对联发科的投资逻辑正在同时受益于行业整体扩容与该公司自身AI ASIC市场份额的快速提升——报告预计其在2028年可达约四分之一的市场份额。对于模型结构相对稳定、调用量极为庞大且能够长期保持高利用率的成熟模型、开源模型及AI智能体工作负载而言，TPU等专用AI芯片能够围绕低精度矩阵计算、内存访问和芯片互连进行深度优化，从而有效改善单位Token成本、每瓦吞吐量与总体拥有成本。与此同时，谷歌TPU算力集群同样具备承担大规模训练任务的能力，因此更准确的技术趋势判断是GPU与ASIC/TPU形成异构算力分工协作的格局。
具体而言，AI训练算子进程以及架构最复杂、变化速率最快的前沿AI工作负载仍高度依赖AI GPU集群——前沿模型预训练、强化学习和快速迭代的新算子仍更需要GPU的可编程性、CUDA软件生态和NVLink/NVSwitch高速互联能力，而围绕成熟与开源AI大模型、Copilot、AI智能体的大规模AI推理工作负载则越来越适合采用专用的自研AI芯片。从产品细节来看，谷歌将第八代TPU明确划分为训练型TPU 8t和推理型TPU 8i两个版本：8i通过更大的片上SRAM、288GB HBM高带宽内存和专用集合通信引擎来优化KV缓存访问与低延迟推理性能，官方宣称其推理性价比相较Ironwood提升了最高80%。
在摩根士丹利、Wedbush Securities等持续看好AI算力产业链投资前景的机构看来，AI推理时代近乎无止境的前沿算力需求以及围绕AI智能体爆发式增长的算力需求，使得AI ASIC能够在完全不摧毁GPU需求的前提下，成长为第二个万亿级算力生态的重要组成部分——这反而进一步强化了“AI半导体超级周期并非单一的GPU周期，而是整个数据中心硅含量指数级提升周期”这一核心算力产业链投资逻辑。
TPU放量改写盈利版图 联发科站上ASIC扩张前沿
伯恩斯坦对联发科强劲增长曲线的预期能否顺利兑现，关键取决于连续两代谷歌TPU算力体系的大规模量产能力。在资深分析师Mark Li领导的伯恩斯坦分析师团队看来，首个合作项目TPU v8t已正式进入量产阶段，测试结果令人满意；联发科8月营收表现走强可能已经有ASIC收入贡献。2027年160亿美元的收入预测建立在产能保障的基础之上：联发科可以从其他产品线灵活调配晶圆产能，而真正紧张的环节主要集中在台积电CoWoS先进封装产能上，伯恩斯坦认为联发科在谷歌的协助下已经获得了足够的封装产能保障。
2028年的增长则主要依靠第二个大型AI算力项目TPU v9驱动，预计该芯片将在2027年末开始量产，并采用EMIB-T先进封装技术。更高的芯片复杂度与平均售价，叠加封装供给能力的持续提升，共同支撑了440亿美元的收入预测。需要特别补充的是，伯恩斯坦的行业规模及份额测算采用包含HBM价值在内的统一口径，而联发科自身确认的ASIC收入并不包含HBM部分。基板供应成为这一代产品的重要约束环节，Ibiden、Shinko和欣兴等供应商已被动员准备供给，但各家在经验积累和良率爬坡进度上存在明显差异。
由此可见，TPU需求向供应链利润的传导过程，需要晶圆制造、HBM存储、先进封装和基板供应等环节的同步配合；最终决定交付节奏的往往是其中供给最紧张、良率爬升最慢的那个环节。伯恩斯坦当前看多联发科，核心押注逻辑在于盈利的实质性兑现，同时已将后续潜在的竞争加剧因素计入估值考量。伯恩斯坦编制的预测模型显示，联发科2027年和2028年的每股收益分别为169.35新台币和369.45新台币，较市场一致预期高出约22%和38%；其中2028年的预测相较此前大幅上调65.5%，而2027年的预测则小幅下调了0.7%，可见此次上修的重点集中在更长期的增长前景上。
模型中的测算数据还显示，联发科的公司毛利率将从2026年的45.9%小幅下降至2028年的42.9%，但营业利润率却能从16.6%大幅提升至30.1%，这充分反映了收入增长速度显著快于费用增长速度所带来的强劲经营杠杆效应。考虑到暂被称为“v10”的2029年谷歌下一代项目可能会引入更多供应商参与竞争，伯恩斯坦对联发科的估值倍数从22倍适度下调至18倍；潜在竞争者包括博通、世芯电子、创意电子，以及可能参与的AMD和Marvell。联发科自身的防御能力则来自于其规模优势、IP组合、成本控制、采购能力和项目履历，而拓展其他AI客户仍属于潜在的额外增量空间。
联发科与英伟达通过NVLink Fusion技术推进的合作，则可能带来更多的ASIC项目机会、更高的利润率以及机架和子系统相关的额外收入，报告目前尚未将这些潜在收益计入核心预测模型。伯恩斯坦同时指出，英伟达和谷歌参与可转债融资也有助于进一步深化双方合作关系，谷歌对联发科的潜在持股上限仅为0.2%，这并不意味着双方会形成排他性合作关系。传统手机业务也需要纳入整体判断框架：伯恩斯坦将2026年全球手机出货量降幅预测从15%小幅收窄至13.5%，但仍预计联发科手机业务收入将下降18%，其中约20%的Smart Edge业务增长能形成部分缓冲，而高存储成本向客户转嫁的进展也好于此前预期。
从算力长约到每Token成本 ASIC需求狂潮席卷全球
从更宏观的AI算力产业链层面来看，强劲的AI算力需求支撑已经显著体现在产业链领军企业的强劲业绩表现、韩国持续创纪录的半导体出口数据以及长期容量协议安排之中。但股票市场对这条算力增长曲线的定价仍在反复调整之中。韩国官方公布的数据显示，2026年8月半导体出口达到466.5亿美元，同比增长209%；9月1日至10日的半导体出口同比增幅更是高达270.1%。英伟达在8月26日公布的2027财年第二季度收入达到962亿美元，同比增长106%，其中数据中心业务收入为890亿美元，同比增长117%，进一步印证了AI基础设施采购规模的持续扩大。
从市场表现来看，韩国股市在7月底经历急挫后出现修复行情，费城半导体指数在8月13日盘中较7月29日的低点反弹幅度超过20%；但截至9月14日收盘，费城半导体指数之后又出现单日下跌5.86%的波动。正在筹备美股市场创纪录IPO的Anthropic，也在通过签订长期协议来扩大其AI算力供应。该公司今年4月宣布，未来十年将向AWS相关技术投入超过1000亿美元，以获得最高5吉瓦的新增算力容量，用于训练和运行其Claude模型；与谷歌和博通签署的另一份协议，则涉及预计自2027年起陆续上线的数吉瓦下一代张量处理单元算力容量。
Facebook母公司Meta同样在积极扩充多种计算平台：2月宣布与AMD合作部署最高6吉瓦的Instinct GPU集群，4月又与CoreWeave签署了价值约210亿美元的扩展协议，获得延续至2032年末的AI云容量，重点关注推理工作负载。这些大规模长期协议有力支持了伯恩斯坦关于市场总量持续扩张的核心判断：随着谷歌、Anthropic、OpenAI、亚马逊等需求来源的不断增加，多个关键AI芯片相关供应商将有机会实现同步增长。上述数据共同表明，AI算力层面的基础设施需求已经形成了规模可观的实际采购和供应商收入，这些长期承诺显著提高了未来芯片、机房和电力需求的可见度，同时也使供应商的交付能力、融资成本和客户实际使用量成为决定AI投资回报的关键变量。
聚焦联发科基本面本身而言，该公司2026至2027年的增长主要受益于TPU v8t项目放量，2028年则主要依靠TPU v9项目驱动，直接可跟踪的增长路径仍是报告所列出的谷歌核心项目；其他科技巨头的算力承诺首先代表行业整体需求的强劲程度，能否最终转化为联发科的具体收入，还取决于特定供应商的选择、芯片方案的确定以及交付安排的落地。AI推理时代的Token经济学与AI训练工作负载存在本质差异：训练过程包含前向传播、反向传播、梯度同步以及频繁变化的研究型算子，更看重通用性、软件成熟度和集群扩展能力；而推理过程则可拆分为计算密集型的预填充阶段和内存带宽、KV缓存及延迟敏感的解码阶段。
ASIC/XPU专用芯片能够删除不必要的通用电路设计，针对FP8/FP4低精度矩阵运算、注意力机制、混合专家模型、KV缓存和数据移动路径进行深度硬件定制，从而显著提升每瓦Token数量级、每美元Token数以及服务等级协议的确定性。需要特别强调的是，AI智能体的模型调用模式虽然相比GPU更加适合ASIC执行，但其规划、工具调用、检索增强生成和状态管理等复杂功能仍需CPU、内存、网络与存储系统的紧密协同，因此智能体时代的到来反而会进一步强化“异构计算体系”的核心架构理念。微软发布的一份研究报告显示，其定制化AI ASIC——即Maia 200芯片相比其数据中心机群中最新一代硬件已经实现了每美元性能提高30%的显著优势，而其自研MAI模型运行在Maia 200上时每瓦性能也提高了约40%。这正是推理时代ASIC/XPU最具杀伤力的竞争优势所在：当数十亿次相似Token生成任务能够被高度标准化之后，英伟达主导的“万能GPU”所代表的灵活性溢价，将不一定值得每一次推理请求都为之买单。
Comments