从英伟达到博通，AI行业经历了“大范式转变”。

继上周五市值突破1万亿美元并创下24%的最大单日涨幅后，博通周一在华尔街的推动下飙升逾11%，收于250美元，盘中创下251.88美元的历史新高。 Street上调目标价。推动。

相比之下，英伟达股价周一下跌，盘中下跌近3%，收盘跌幅近1.7%至132美元。自12月以来，英伟达股价已下跌约4.5%。较上月创下的收盘高点148.88美元已下跌逾11%，正式进入回调区间。

一般认为，股价较历史收盘高点下跌10%或以上就构成回调。

01 从英伟达到博通，华尔街宠儿易主？

此次博通股价大涨，得益于该公司上周四晚发布的好于预期的财报和乐观的前景。受益于生成式人工智能（AI）热潮，博通全年人工智能相关收入同比飙升220%至122亿美元。

博通首席执行官Hock Tan在当天的业绩会议上大胆预测：2027年定制AI芯片ASIC（专用集成电路）的市场需求将达到600亿美元至900亿美元。

分析称，如果博通CEO对ASIC市场的预测准确，博通ASIC相关AI业务预计在未来三年内每年翻一番，ASIC有望迎来爆发期。

以下是华尔街分析师的最新观点：

高盛建议买入博通股票，并将其 12 个月目标股价从 190 美元上调至 240 美元，理由是定制芯片产品增加了新的大客户，而且去年完成 610 亿美元收购 VMware 后管理层的强劲执行力。 。 “我们对公司未来的营收和盈利增长前景更加充满信心。”

巴克莱将博通的目标股价从 200 美元上调至 205 美元。

Truist 将 Broadcom 的目标股价从 245 美元上调至 260 美元。 Truist指出，构建基础设施需要英伟达及其芯片，但市场也表达了其他公司也可以从中受益的观点。今年，七姐妹队内部出现了很多轮换。

Bokeh Capital Partners表示，博通上周的声明可能会促使趋势投资者开始关注该公司并寻找增长更快的目标。趋势投资推动了股票的业绩，相信短期内不会失势，但趋势投资的特点是永远寻找业绩更好的标的。

媒体分析师表示，英伟达最近的糟糕表现可能表明华尔街在经历又一个辉煌的一年后正在获利了结。对于英伟达来说，有一些担忧。尽管整个市场创下历史新高，但英伟达却落后了。如果这种趋势持续下去，这可能是一个警告信号。业内人士指出，125美元至130美元之间是英伟达股价和整个市场的关键考验区间。

02 数据枯竭、边际效益递减……大型模型从训练转向推理

作为AI模型的第一阶段，预训练是不断向模型“喂”数据并不断迭代更新的过程。

为了提高模型性能，秉承数据量、计算量、模型参数越大越好的原则（即Scaling law），各大科技巨头纷纷抢购目前市面上最强大的NVIDIA GPU，从而可以减少积累的GPU数量，从而“保证”AI模型的有效性。

然而，高强度、大规模的模型训练正在“耗尽”全球数据库，在模型扩容的边际效益递减的同时，算力成本依然居高不下，这引发了关于AI是否会成为现实的讨论。训练阶段即将结束。

近日，前 OpenAI 联合创始人、SSI 创始人 Ilya Sutskever 在 NeurIPS 2024 大会上的演讲中表示，预训练时代即将结束。作为人工智能化石燃料的数据是有限的。目前用于AI预训练的数据已经达到峰值。

OpenAI 大师 Noam Brown 近日回应称，AI 从 2019 年至今取得的令人难以置信的成就来自于数据和计算能力的扩展，但大型语言模型仍然无法解决像 Tic-Tac-Toe 这样的简单问题。

出现的问题是：扩展就是您所需要的吗？我们真的需要花费更高的成本来训练更好的人工智能吗？

外界的注意力开始转向AI大模型的下一阶段——逻辑推理。

逻辑推理作为大模型预训练的下一阶段，是指在现有大模型的基础上，开发各个细分垂直领域的人工智能应用，实现终端实现。

从市场上的大型模型产品来看，包括Google的Gemini 2.0、OpenAI的o1等，AI Agent（智能代理）现在已经成为各大公司的主打方向之一。

随着大型AI模型的成熟，有人认为以ASIC（专用集成电路）为代表的推理芯片将逐渐取代以GPU为代表的训练芯片，成为各大AI公司的“新宠”。

03 什么是ASIC？比 GPU 更“具体”

半导体大致可分为标准半导体和专用集成电路（ASIC）。标准半导体具有标准化的规格，只要满足基本要求即可应用于任何电子设备，而ASIC则是半导体制造商根据特定产品要求生产的半导体。

因此，ASIC通常用于专门设计和制造的设备中以执行必要的功能。

AI计算由此衍生出两条路径：一是以NVIDIA GPU为代表的通用路径，适合通用高性能计算，二是以ASIC定制芯片为代表的专用路径。

GPU作为标准的半导体成品，在处理大规模并行计算任务时表现良好，但在处理大规模矩阵乘法时，存在内存墙问题，专门设计的ASIC可以解决这个问题。一旦量产，ASIC的性价比将会更高。

简单来说，GPU因其成熟的产品和成熟的产业链而价格较高，而ASIC的想象力则在于更加“专一”，在处理单一计算任务时能够实现更高的处理速度和更低的能耗。因此，它也更适合推理端边缘计算。

04 为科技巨头定制AI芯片成为漫威、博通的“摇钱树”

由于GPU产能紧张且价格昂贵，不少科技巨头开始加入自研ASIC芯片仅供自用的队伍。

有人认为，谷歌是AI ASIC芯片的先驱，因为它在2015年发布了第一代TPU（ASIC）产品。同样具有代表性的ASIC芯片包括亚马逊的Tranium和Inferentia、微软的Maia、Meta的MTIA和特斯拉的Dojo等。

在自研AI芯片的上游供应链中，Marvell和博通是一直占据主导地位的两大厂商。

麦克威尔的崛起与其新领导层的成功战略密不可分。仿佛早有预见，自2016年上任以来，该公司CEO马特·墨菲(Matt Murphy)利用公司重组之机，将公司战略重心转向为科技巨头定制芯片，成功抓住了AI热潮中的机遇。

除了谷歌和微软两大客户外，梅尔维尔最近还与亚马逊AWS签署了为期五年的合作协议，帮助亚马逊设计自己的AI芯片。业内人士认为，这将有助于Marvell的AI定制芯片业务在下一财年实现翻倍增长。

作为 Marvell 的主要竞争对手，博通还拥有三大客户：Google、Meta 和 Byte。

有分析师预测，到2027-2028年，每个客户每年的购买规模将达到100万颗。随着第四、第五大客户也开始快速攀升，未来这些科技公司的芯片定制订单将会增加。过去几年为博通带来了可观的AI收入。

随着AI大模型进入“下半场”，真正的推理端才刚刚开始，另一场关于芯片的恶战即将开始。正如博通首席执行官 Hock Tan 此前预测的那样：

“未来50%的AI Flops（算力）将是ASIC，甚至CSP（超大规模云计算厂商）内部使用100%都是ASIC。”

本文来自微信公众号“华尔街洞察”，作者：李小印何浩，36氪经授权发布。