黄仁勋最不想看到的对手，潜伏在谷歌Gemini背后

博通昨天盘中飙了约11%，英伟达却没怎么跟上。市场在短时间里把这个数字跟谷歌刚刚公布的Gemini联系到一起，觉得这次的上涨不是偶然。

要把这个事儿看清楚，先把视角放远一点：过去几年里，许多人都习惯把AI算力简单地等同于英伟达的GPU。实际是，大多数模型训练、推理的确 大量依赖通用GPU，这种工具性带来了巨大的商业回报，也造就了英伟达接近75%的毛利率。换句话说，买H100的账单里，有很大一部分是为英伟达的通用性和生态付钱的。

回过头来看昨天的触发点。谷歌把Gemini推到台面上，那个模型能做的事和它背后的运行方式，让人注意到一个硬件选择的分岔路口。谷歌并没有把这套极大模型完全交给通用GPU来跑，而是用自己设计的张量处理单元TPU，第六代的TPU v5p，还有接下来会用到的Trillium做底座。它们在长上下文、多模态处理上的表现，是建立在专门为Transformer类矩阵运算裁剪过的硬件之上的，不是把通用功能堆满再去适配。

往前再退一步，OpenAI那边依旧大量用英伟达的H100训练早期的大模型，这种用法把英伟达的地位放在了显眼位置。但谷歌选择走另一条路，就开始动摇“只有GPU能撑起高级AI”的认知。定制ASIC的成本很高，流片（NRE）费用那一项不是小数目，但当你的规模够大，分摊到每次训练的成本就会降下来，这会直接改变长期的TCO（总体拥有成本）计算。

这件事里，博通不是一个简单的配角。谷歌能把TPU架起来，除了架构和算法，自身还需要把这些逻辑设计落成能跑在数据中心的实际硅片上，并在高带宽内存（HBM）接口、SerDes高速串并行接口、片间互联等环节做到极致。这些都是博通擅长的领域。换句话说，谷歌画了车的蓝图，博通帮忙造了发动机里那些精密的传动和高速通信部件，最后再交给台积电流片。

博通手里有行业领先的高速混合信号IP，这些技术在实现大规模互联和低延迟传输上很关键。市场开始意识到，协助巨头定制XPU（各种定制计算单元）和提供关键互联组件，已成为博通的新生意。公司在财报电话会上透露，AI相关收入正快速增长，预计2024财年会跨过100亿美元门槛。这不是小钱，说明巨头们愿意把大笔开支投向“去通用化”的硬件路线。

再说网络问题，这往往被外行忽略。到了万亿参数级别，单卡算力已经不是瓶颈，瓶颈变成了成千上万张卡之间的数据如何高效移动。英伟达有自己的InfiniBand和NVLink，尝试把计算和网络绑在一起卖一个封闭的套装；博通则在数据中心交换芯片领域多年耕耘，Tomahawk、Jericho这些系列是业界常见的基石产品。更重大的是，博通推动以太网路线，主导了所谓的Ultra Ethernet方向，主张用开放的以太网＋高性能SerDes来替代昂贵且封闭的InfiniBand。这套组合在谷歌的TPU大规模扩张里扮演了重大角色：光路交换（OCS）和高效的互联设计让整个系统能线性扩展到数万个Pod。

数据方面也给了直观的对比。第三方机构的测算显示，在同等算力需求下，TPU v5p在大规模部署时的TCO比租用英伟达H100集群低大约30%。当模型训练需要数万张卡连续数月时，这差距就不是小数目，而是能把数亿美元利润搬走的量级。对那些年采购硬件上亿级别的云厂商和互联网巨头来说，这不仅是省钱，还是战略层面的选择。

博通的角色还不仅限于谷歌。市场怀疑它可能会参与或推动Meta下一代MTIA芯片、甚至支持字节跳动等公司做自研硬件。这样一来，原本被视为英伟达市场的部分，开始被“定制+互联”的组合系统性蚕食。博通把为超大规模用户做定制变成一套可复制的服务，这本身就是一种商业模式上的迁移。

英伟达的优势也在那儿：CUDA生态、开发者习惯、广泛的兼容性，让它在通用市场上的统治短期内难以被撼动。对中小客户和大多数开发者来说，通用GPU仍是最方便的选择。但头部客户的算力需求和成本考量不一样，他们有能力也有动力去投资定制硬件，这一点被谷歌的做法验证了。

把视角再拉远一点看，博通CEO陈福阳的经营风格解释了公司的打法。他不靠炒作，注重现金流和能形成护城河的技术。卖给大家“挖金子的铲子”似乎更适合他：不必站在舞台中央，只要手里的工具别人离不开就够了。

某种程度上，昨天的股价波动是市场对这些链条重估的一次反应。投资者在重新算账：如果越来越多的巨头把算力从标准化GPU向定制硬件迁移，那么涉及到设计、互联和高速接口的公司会更吃香。是不是会走到那一步，时间和几个季度的数据会告知我们。