Broadcom wygrywa podział rynku chipów AI między AMD a Google

Broadcom przekształcił rywalizację AMD i Google o chipy AI w zupełnie inny wyścig — taki, w którym dostarczanie niestandardowego krzemu może mieć większe znaczenie niż sprzedaż markowych akceleratorów.

Nvidia nadal dominuje na rynku komercyjnych akceleratorów AI, podczas gdy AMD rozwija portfolio Instinct jako główna alternatywa. Google obiera inną drogę, wykorzystując Tensor Processing Units, czyli TPU, projektowane pod kątem własnych obciążeń. Broadcom zyskuje, gdy duzi operatorzy chmurowi uznają, że żaden standardowy dostawca GPU nie spełnia w pełni wszystkich potrzeb infrastrukturalnych.

Nie czyni to Broadcomu bezdyskusyjnym zwycięzcą. Nvidia nadal generuje znacznie większe przychody z centrów danych, a AMD oferuje klientom wiarygodną drugą platformę GPU. Zwrot polega na tym, że Broadcom może rosnąć, nie wypierając żadnej z tych firm z całego rynku.

Jego szansa leży w niestandardowych akceleratorach, sieciach Ethernet, łączności między układami i projektowaniu systemów. Komponenty te stają się cenniejsze, gdy laboratoria AI budują klastry wokół dobrze rozumianych przez siebie obciążeń. Broadcom konkuruje więc mniej o uwagę deweloperów, a bardziej o miejsce w planach rozwoju infrastruktury.

Przychody Broadcomu z AI wykraczają poza poboczną działalność

Najnowsze wyniki Broadcomu pokazują, że niestandardowe chipy AI i rozwiązania sieciowe stały się głównymi motorami wzrostu, a nie eksperymentalnymi liniami produktów.

Broadcom podał przychody za drugi kwartał roku fiskalnego 2026 na poziomie 22,2 mld USD, co oznacza wzrost o 48 procent rok do roku. Przychody z półprzewodników związanych z AI osiągnęły 10,8 mld USD, rosnąc o 143 procent.

Dyrektor generalny Hock Tan przypisał ten wzrost niestandardowym akceleratorom AI i sieciom dla AI. Spółka oczekiwała, że przychody z półprzewodników AI w trzecim kwartale sięgną 16 mld USD, co oznacza wzrost o ponad 200 procent względem porównywalnego okresu.

Dane te pochodzą bezpośrednio z wyników kwartalnych Broadcomu. Wyjaśniają również, dlaczego inwestorzy coraz częściej określają Broadcom mianem firmy sprzętowej AI.

Akcelerator wykonuje intensywne operacje matematyczne wykorzystywane do trenowania lub uruchamiania modelu AI. Nvidia i AMD zazwyczaj sprzedają akceleratory obsługujące wielu klientów, modele i środowiska programistyczne.

Broadcom stosuje inny model. Pomaga wybranym klientom tworzyć procesory przeznaczone do konkretnych obciążeń, często nazywane XPU lub układami scalonymi specyficznymi dla danego zastosowania. Chipy te rezygnują z części uniwersalności, aby obsługiwać węższy zestaw operacji.

Klient odpowiada za strategię obciążeń, a Broadcom wnosi kompetencje inżynieryjne, interfejsy, łączność i doświadczenie produkcyjne. Taki układ może skrócić drogę od wewnętrznego projektu układu do systemu gotowego do wdrożenia.

Sieć stanowi drugą połowę tej szansy. Duży model nie działa na jednym procesorze, dlatego tysiące akceleratorów muszą wymieniać dane z niskimi opóźnieniami.

Broadcom sprzedaje technologię przełączania Ethernet i łączności obsługującą ten ruch. Może więc uczestniczyć zarówno w warstwie obliczeniowej, jak i w sieci łączącej te obliczenia.

To połączenie wyjaśnia, dlaczego raportowane przychody z AI rosną szybciej, niż sugerowałaby sama historia niestandardowych chipów. Każde większe wdrożenie akceleratorów tworzy również popyt na przełączniki, łącza optyczne i komponenty wspierające.

Model ten różni się od ściśle zintegrowanej platformy Nvidii. Nvidia łączy pod jedną marką GPU, połączenia NVLink, produkty sieciowe, systemy, biblioteki i narzędzia dla deweloperów.

Broadcom zamiast tego wspiera infrastrukturę, którą klient chce kontrolować. Jego produkty stają się składnikami systemu noszącego tożsamość Google, Meta, Anthropic lub innego operatora.

Taka pozycja zapewnia mniejszą widoczność publiczną. Zmniejsza też potrzebę przekonywania milionów deweloperów do przyjęcia nowego, zastrzeżonego środowiska programistycznego.

Wzrost Broadcomu nie dowodzi, że niestandardowe chipy zastąpią GPU. Pokazuje, że hyperscalerzy traktują obecnie niestandardowe przyspieszanie jako strategię produkcyjną wartą wieloletnich nakładów.

Wyniki spółki zawierają również istotne ostrzeżenie. Dostawca obsługujący ograniczoną liczbę klientów hyperscale może doświadczać gwałtownych zmian, gdy jedno wdrożenie przesuwa się między kwartałami.

Broadcom zależy od tego, czy klienci skutecznie projektują modele, zabezpieczają moce centrów danych i realizują wewnętrzne plany dotyczące chipów. Jego przychody mogą szybko rosnąć, lecz koncentracja tworzy ryzyko negocjacyjne i prognostyczne.

Mimo to najnowsze liczby zmieniły ciężar dowodu. Niestandardowe akceleratory AI nie muszą już wykazywać, że istnieje dla nich realny rynek. Pytanie brzmi, jaką część kolejnego cyklu inwestycji infrastrukturalnych mogą przejąć.

Dlaczego podział sprzętowy między AMD a Google sprzyja Broadcomowi

Podział między AMD i Google reprezentuje dwie różne filozofie zakupowe, a Broadcom zyskuje, gdy operatorzy chmurowi wybierają własność zamiast uniwersalności.

Akceleratory Instinct AMD opierają się na modelu komercyjnego GPU. Klienci kupują standaryzowany procesor wspierany przez stos oprogramowania ROCm firmy AMD, a następnie wykorzystują go do różnych obciążeń treningowych i inferencyjnych.

TPU Google wychodzą z innego założenia. Google projektuje sprzęt, kompilatory, modele, sieci i centra danych jako części jednego skoordynowanego systemu.

To rozróżnienie sprawia, że zestawienie słów kluczowych AMD Google jest czymś więcej niż niezręcznym porównaniem dwóch nazw chipów. Opisuje strategiczny wybór stojący przed każdym dużym nabywcą infrastruktury AI.

Jedna opcja polega na zakupie elastycznego akceleratora od Nvidii lub AMD. Druga to projektowanie wyspecjalizowanego sprzętu wokół znanych obciążeń i zachowanie większej kontroli nad powstającym systemem.

Seria MI350 firmy AMD oferuje do 288 gigabajtów pamięci HBM3E i osiem terabajtów na sekundę przepustowości pamięci. HBM to pamięć warstwowa umieszczona blisko akceleratora, aby przyspieszyć przesyłanie danych.

Firma pozycjonuje systemy MI350 do trenowania, inferencji i obliczeń o wysokiej wydajności. Jej specyfikacje akceleratorów podkreślają również wsparcie dla otwartego oprogramowania i standardowych wdrożeń serwerowych.

Ta elastyczność ma znaczenie dla dostawców chmurowych i przedsiębiorstw obsługujących wielu klientów. Nie zawsze mogą przewidzieć, które modele, formaty numeryczne lub frameworki programistyczne zdominują przyszły popyt.

Google stoi przed inną kalkulacją, ponieważ kontroluje kluczowe wewnętrzne obciążenia. Wyszukiwarka, reklama, Gemini, YouTube i Google Cloud tworzą ogromny, powtarzalny popyt o rozpoznawalnych wzorcach działania.

Niestandardowy procesor staje się bardziej atrakcyjny, gdy jego właściciel może utrzymywać go pod stałym obciążeniem. Wysokie wykorzystanie rozkłada koszty projektowania na dużą skalę obliczeń.

TPU Ironwood siódmej generacji Google ilustruje to podejście. Google podaje, że Ironwood zapewnia ponad czterokrotnie wyższą wydajność na chip niż Trillium w treningu i inferencji.

Google twierdzi również, że jeden pod Ironwood może połączyć 9 216 chipów. Każdy procesor zawiera 192 GiB pamięci o wysokiej przepustowości, podczas gdy cały system udostępnia 1,77 petabajta.

Ironwood wykorzystuje XLA, kompilator tłumaczący operacje modeli na instrukcje zoptymalizowane pod sprzęt Google. Takie współprojektowanie sprzętu i oprogramowania może eliminować narzut, który platforma ogólnego przeznaczenia musi zachować dla szerszej kompatybilności.

Dokładny wkład Broadcomu w każdą generację TPU Google nie jest w pełni opisany w publicznych ujawnieniach. Doniesienia od dawna łączą obie firmy, lecz żadna z nich nie publikuje pełnego podziału odpowiedzialności inżynieryjnej.

Ta luka ma znaczenie. Broadcomowi nie należy przypisywać wyłącznej zasługi za procesory, które Google opisuje jako projektowane na zamówienie, ponieważ Google wnosi kluczową architekturę, oprogramowanie i wiedzę o obciążeniach.

Uzasadniony wniosek jest węższy. Broadcom zbudował biznes pomagający operatorom hyperscale przekładać plany dotyczące niestandardowych akceleratorów na wdrożenia na dużą skalę.

Stawia to Broadcom między nabywcą a odlewnią. Nie musi posiadać modelu klienta, usługi chmurowej ani platformy dla deweloperów.

Firma może również wspierać kilka niestandardowych planów rozwoju, nie przedstawiając jednego publicznego akceleratora jako odpowiedzi na każde obciążenie. Takie portfolio rozkłada jej ekspozycję na różne laboratoria AI.

AMD musi przekonać klientów, że jego wspólna platforma zapewnia wystarczającą wydajność, dostępność i dojrzałość oprogramowania. Google musi wykazać, że jego zintegrowany stos uzasadnia ograniczenia bardziej wyspecjalizowanej architektury.

Broadcom czerpie korzyści z popytu tworzonego przez ten drugi argument. Gdy hyperscaler uznaje, że wyróżnienie wymaga własnego krzemu, Broadcom staje się kandydatem na partnera inżynieryjnego.

Dlatego podział między AMD i Google tworzy większą szansę, niż sugeruje prosty benchmark GPU. Rzeczywista rywalizacja dotyczy tego, kto kontroluje architekturę i kto zarabia na jej budowie.

Niestandardowy krzem zmienia rywalizację z Nvidią

Broadcom nie musi bezpośrednio pokonać platformy GPU Nvidii, ponieważ niestandardowy krzem uderza w ekonomię powtarzalnych, przewidywalnych obciążeń.

Pozycja Nvidii pozostaje bardzo silna. Jej przychody z centrów danych w roku fiskalnym 2026 osiągnęły 193,7 mld USD, co oznacza wzrost o 68 procent względem poprzedniego roku.

Same przychody z centrów danych w czwartym kwartale wyniosły 62,3 mld USD. Te wyniki finansowe pokazują, dlaczego ogłoszenie wyparcia Nvidii ignorowałoby skalę rynku.

Nvidia dostarcza więcej niż procesor. Oprogramowanie CUDA, zoptymalizowane biblioteki, rozwiązania sieciowe, systemy referencyjne i szeroka dostępność w chmurze zmniejszają trudności wdrożeniowe dla deweloperów.

Ta szerokość oferty czyni Nvidię wartościową, gdy obciążenia szybko się zmieniają. Grupa badawcza eksplorująca nową architekturę zazwyczaj preferuje sprzęt adaptowalny i znane narzędzia programistyczne.

Niestandardowy krzem staje się bardziej przekonujący po ustabilizowaniu się obciążenia. Operator może usunąć funkcje, z których rzadko korzysta, i przeznaczyć większą powierzchnię chipa na często wykonywane obliczenia.

Inferencja jest szczególnie istotnym przypadkiem. Inferencja to proces uruchamiania wytrenowanego modelu w celu generowania prognoz, odpowiedzi, obrazów lub innych wyników.

Szeroko używana usługa może wykonywać podobne operacje miliardy razy. Nawet niewielka poprawa efektywności może wpływać na zapotrzebowanie centrum danych na energię, chłodzenie i moc obliczeniową.

Tu pojawia się szansa Broadcomu. Jego platforma niestandardowych akceleratorów pozwala klientowi optymalizować rozwiązanie pod strukturę modelu, przepływ pamięci, precyzję numeryczną i zachowanie sieci.

Sieć jest równie istotna, ponieważ szybsze procesory nadal mogą czekać na dane. Użyteczna wydajność klastra zależy od tego, jak sprawnie chipy współdzielą parametry modelu i wyniki pośrednie.

Nvidia rozwiązuje ten problem za pomocą NVLink, InfiniBand i produktów Ethernet. Broadcom konkuruje przede wszystkim przez Ethernet — uznany standard pozwalający operatorom budować infrastrukturę z komponentów wielu dostawców.

Debata nie dotyczy wyłącznie sieci zastrzeżonych kontra otwarte. Nabywcy porównują opóźnienia, zarządzanie przeciążeniami, integrację oprogramowania, dostępność komponentów, znajomość operacyjną i kontrolę.

Broadcom zyskuje, gdy klienci preferują Ethernet i chcą uniknąć zależności od jednego kompletnego dostawcy. Nvidia zyskuje, gdy wydajność zintegrowanej platformy przeważa nad tą obawą.

To kluczowy zwrot w artykule. Broadcom może zwiększać udział w wydatkach na AI, nie przekonując szerszego rynku deweloperów do porzucenia Nvidii.

Jej klienci podejmują tę decyzję wewnętrznie. Wdrażają niestandardowe akceleratory do wybranych obciążeń, nadal kupując GPU Nvidia do badań, zewnętrznych usług chmurowych lub mniej przewidywalnych zadań.

Google stosuje to mieszane podejście. Oferuje TPU, a jednocześnie udostępnia instancje GPU Nvidia za pośrednictwem Google Cloud.

Meta stanowi kolejny przykład. Broadcom ogłosił rozszerzone partnerstwo wspierające układy Meta Training and Inference Accelerator do 2029 roku.

Firmy poinformowały, że program obejmuje dwunanometrowy akcelerator i wiele generacji układów krzemowych. Opisały również plany wdrożeń liczonych w kilku gigawatach.

Ich partnerstwo MTIA łączy niestandardowe obliczenia z technologią Ethernet firmy Broadcom. Plany wdrożeniowe pozostają jednak wybiegające w przyszłość, dopóki klienci nie zainstalują i nie wykorzystają obiecanej mocy.

Model mieszany wywiera presję na obu czołowych dostawców GPU. Nvidia ma do czynienia z klientami, którzy chcą większej kontroli nad kosztami, podażą i architekturą.

AMD stoi przed subtelniejszym wyzwaniem. Może zdobyć klientów poszukujących drugiego komercyjnego akceleratora, ale część z tych nabywców może ostatecznie przenieść największe obciążenia na wewnętrzne układy.

Dla AMD Google ilustruje zarówno szansę, jak i zagrożenie. Google Cloud może oferować akceleratory AMD, lecz własny program TPU Google zmniejsza potrzebę wyłącznego polegania na zewnętrznych GPU.

Dla Broadcom każda z tych zmian może generować popyt. Operator chmury poszukujący alternatyw może zacząć od AMD, a następnie dodać niestandardowe procesory, gdy obciążenia osiągną wystarczającą skalę.

Nie oznacza to, że każda firma AI powinna projektować układ. Niestandardowy krzem wymaga doświadczonych zespołów, stabilnych obciążeń, dużych wolumenów wdrożeń i długich cykli planowania.

Większość przedsiębiorstw nie spełnia tych warunków. Będą nadal wynajmować moc obliczeniową lub kupować systemy oparte na komercyjnych akceleratorach.

Obsługiwani przez Broadcom klienci są więc skoncentrowani na szczycie rynku. To ograniczenie nadal może wspierać duży biznes, ponieważ firmy te dysponują ogromnymi budżetami infrastrukturalnymi.

Wygrywająca pozycja nie polega na posiadaniu każdego akceleratora. Chodzi o udział w wydatkach klientów zdecydowanych przejąć większą kontrolę nad własnym stosem obliczeniowym.

Czego teza Broadcom nadal nie dowodzi

Szybki wzrost przychodów potwierdza popyt, ale nie dowodzi, że Broadcom zapewnił sobie trwałą przewagę nad Nvidia lub AMD.

Pierwszą niewiadomą jest koncentracja klientów. Programy niestandardowych układów Broadcom obejmują niewielką grupę firm o ogromnej sile zakupowej.

Ci nabywcy mogą agresywnie negocjować, opóźniać wdrożenia lub przekierowywać zasoby inżynieryjne. Utrata jednej mapy drogowej mogłaby nieproporcjonalnie wpłynąć na przyszły wzrost.

Drugą kwestią jest ryzyko rozwoju. Niestandardowy akcelerator powstaje na lata przed wdrożeniem, gdy architektury modeli i wymagania dotyczące pamięci pozostają niepewne.

Nieoczekiwana zmiana w technikach AI może sprawić, że wyspecjalizowany sprzęt będzie słabo dopasowany do najnowszych obciążeń. Uniwersalne GPU stanowią zabezpieczenie przed taką możliwością.

Trzecią kwestią jest oprogramowanie. Google może wspierać rozwój TPU za pomocą JAX, integracji z PyTorch, XLA i wewnętrznych zasobów inżynieryjnych.

Mniejsi operatorzy nie mogą łatwo odtworzyć tego wysiłku. Procesor o atrakcyjnych parametrach nadal zawodzi, jeśli programiści mają trudności z przenoszeniem na niego modeli.

Google pracował nad zmniejszeniem tej bariery. Jego stos Ironwood wspiera optymalizację kompilatora i niestandardowe jądra w ramach skoordynowanego systemu.

Jednak opublikowane przez Google deklaracje wydajności odzwierciedlają jego własne środowisko sprzętowe i programowe. Niezależne porównania w różnych produkcyjnych obciążeniach pozostają ograniczone.

Wybór między AMD a Google nie dotyczy więc wyłącznie szczytowej mocy obliczeniowej. Obejmuje przenośność, czas rozwoju, wykorzystanie zasobów, dostępność w chmurze oraz koszt utrzymania oprogramowania.

AMD może odpowiedzieć, poprawiając zgodność ROCm i oferując akceleratory o znacznej pojemności pamięci. Nvidia może obniżać koszty inferencji, jednocześnie rozbudowując swoje zintegrowane systemy.

Obie firmy sprzedają również technologię sieciową lub współpracują z dostawcami systemów. Broadcom nie może zakładać, że jego pozycja lidera Ethernetu i wygrane projekty niestandardowe pozostaną bezsporne.

Podaż stanowi kolejne ryzyko. Broadcom polega na zewnętrznych producentach i dostawcach zaawansowanego pakowania, aby przekształcać projekty w gotowe procesory.

Niestandardowe akceleratory konkurują o tę samą najnowocześniejszą moc produkcyjną, którą wykorzystują inne układy AI. Ograniczenia w pakowaniu mogą opóźniać przychody nawet wtedy, gdy popyt klientów pozostaje silny.

Dostępność energii stała się równie ważna. Wdrożenie w skali gigawatów wymaga energii elektrycznej, terenu, chłodzenia, transformatorów, sieci i możliwości budowlanych.

Gotowy układ nie może generować przychodów w niedokończonym centrum danych. Harmonogramy infrastrukturalne mogą więc dominować nad harmonogramami półprzewodników.

Inicjatywa finansowa Broadcom z czerwca 2026 roku ilustruje zarówno szansę, jak i ograniczenie. Firma dołączyła do Apollo i Blackstone w platformie zaprojektowanej, aby umożliwić wdrożenia AI o mocy ponad 20 gigawatów do 2028 roku.

Inicjatywa rozpoczęła się od pierwszej transakcji wspierającej ponad jeden gigawat mocy związanej z Anthropic. Broadcom poinformował, że jego XPU i rozwiązania sieciowe będą obsługiwać wdrożenia dla czołowych laboratoriów AI.

Ta platforma mocy rozszerza rolę Broadcom poza dostawy komponentów. Ujawnia również, jak dużo kapitału i koordynacji wymagają nowoczesne klastry AI.

Ogłoszona moc nie jest równoznaczna z zainstalowaną, produktywną infrastrukturą. Finansowanie, pozwolenia, budowa, przyłącza do sieci i popyt klientów muszą się zgrać.

Kolejna niewiadoma dotyczy przejrzystości. Broadcom selektywnie omawia klientów niestandardowych akceleratorów, a poufność ogranicza wgląd w warunki umów lub ekonomikę programów.

Inwestorzy mogą obserwować łączne przychody z półprzewodników AI. Nie zawsze mogą jednak oddzielić akceleratory obliczeniowe od rozwiązań sieciowych ani zidentyfikować wkład każdego klienta.

To sprawia, że proste prognozy są niewiarygodne. Silny kwartał może odzwierciedlać trwałą zmianę platformy, tymczasową koncentrację dostaw lub oba te czynniki.

Ujęcie w kategoriach „ostatecznego zwycięzcy” pomija również ekspansję rynku. Nvidia, AMD, Broadcom, operatorzy chmur, dostawcy pamięci i odlewnie mogą wszyscy rosnąć, gdy rosną całkowite wydatki na AI.

Zwycięstwo nabiera znaczenia dopiero po zdefiniowaniu rywalizacji. Nvidia przewodzi szerokiej platformie akceleratorów, podczas gdy Broadcom zyskuje w niestandardowym krzemie i infrastrukturze Ethernet.

AMD pozostaje mniejsze w akceleracji centrów danych, ale dostarcza strategicznie ważną alternatywę. Google jest jednocześnie nabywcą usług chmurowych i projektantem własnych układów.

Te pozycje nakładają się na siebie, ale nie są identyczne. Siła Broadcom wynika z obsługi klientów, których zachęty różnią się od zachęt tradycyjnych nabywców półprzewodników.

Teza słabnie, jeśli niestandardowe układy wielokrotnie nie dotrzymują harmonogramów, nie poprawiają użytecznej efektywności lub pozostają ograniczone do wewnętrznych eksperymentów. Słabnie także wtedy, gdy ekonomika platformy Nvidia eliminuje powód do specjalizacji.

Wzmacnia się, gdy klienci wdrażają kolejne generacje układów. Powtarzalne programy pokazują, że niestandardowy krzem przeszedł testy operacyjne i zasłużył na dalsze inwestycje.

Umowa Broadcom z Meta obowiązuje do 2029 roku, ale obiecane generacje wciąż muszą stać się działającymi systemami. Wzrost przychodów pozostanie najjaśniejszym publicznym dowodem tej konwersji.

Trzy sygnały rozstrzygną wyścig AMD Google o układy AI

Kolejny etap zależy od dowodów wdrożeń, powtarzalnych zobowiązań klientów oraz od tego, czy dostawcy komercyjnych GPU zawężą ekonomiczne uzasadnienie dla niestandardowych układów.

Pierwszym sygnałem są raportowane przez Broadcom przychody z półprzewodników AI. Kierownictwo oczekiwało 16 miliardów dolarów w trzecim kwartale fiskalnym 2026 roku.

Realizacja tej prognozy wsparłaby tezę, że popyt przechodzi od pojedynczych wygranych projektowych do większych wolumenów produkcyjnych. Jej niespełnienie wywołałoby pytania o terminy dostaw i koncentrację klientów.

Struktura przychodów ma równie duże znaczenie jak ich łączna wartość. Inwestorzy powinni szukać dowodów, że zarówno niestandardowe akceleratory, jak i rozwiązania sieciowe przyczyniają się do wyników w przypadku kilku klientów.

Jeden kwartał nie może potwierdzić trwałości. Kolejne wzrosty powiązane z wieloma wdrożeniami byłyby silniejszą oznaką szerokiej zmiany infrastrukturalnej.

Drugim sygnałem jest rzeczywiste wykorzystanie Google Ironwood i Meta MTIA. Google udostępnił Ironwood publicznie po przedstawieniu go jako rozwiązania do szkolenia i inferencji o dużym wolumenie.

Google twierdzi, że Ironwood oferuje dziesięciokrotnie wyższą szczytową wydajność niż TPU v5p oraz ponad czterokrotnie wyższą wydajność na układ niż Trillium. Firma deklaruje też niemal trzydziestokrotnie wyższą efektywność energetyczną niż jej pierwszy chmurowy TPU.

Są to pomiary dostawcy, a nie uniwersalne wyniki. Silniejsze dowody przyniosą dostępność dla klientów, utrzymujące się wykorzystanie, wsparcie programowe i powtarzalne wdrożenia.

Google już twierdzi, że Gemini, Veo, Imagen i Claude firmy Anthropic wykorzystują TPU do szkolenia lub obsługi. Szersze wykorzystanie przez klientów pokazałoby, że niestandardowy sprzęt może wykraczać poza wewnętrzne zastosowania jednego właściciela.

Dwunanometrowy program MTIA firmy Meta stanowi odrębny test. Dostarczenie wielu generacji do 2029 roku potwierdziłoby zdolność Broadcom do obsługi kolejnego klienta na dużą skalę.

Opóźnienia ujawniłyby długie cykle rozwojowe stojące za niestandardowym krzemem. Mogłyby również skierować obciążenia z powrotem ku platformom Nvidia lub AMD.

Trzecim sygnałem jest reakcja dostawców komercyjnych GPU. Platforma Rubin firmy Nvidia celuje w niższe koszty inferencji, zachowując jednocześnie szerokie środowisko programowe.

AMD promuje akceleratory MI350 o dużej pojemności pamięci i coraz dojrzalszym stosie ROCm. Lepsza przenośność oprogramowania zmniejszyłaby koszt wyboru AMD zamiast Nvidia.

Jeśli Nvidia i AMD będą obniżać całkowite koszty operacyjne szybciej, niż rozwijają się programy niestandardowe, specjalizacja stanie się mniej atrakcyjna. Klienci mogą preferować elastyczny sprzęt dostarczany według przewidywalnego harmonogramu.

Jeśli niestandardowe układy zapewnią powtarzalne zyski efektywności w stabilnych obciążeniach, pozycja Broadcom się wzmocni. Hiperskalerzy będą mieli wyraźniejszy powód, by finansować więcej wewnętrznych projektów.

Najbardziej prawdopodobnym wynikiem pozostaje heterogeniczna infrastruktura. Zespoły badawcze będą korzystać z elastycznych akceleratorów, podczas gdy duże usługi produkcyjne będą coraz częściej rozważać sprzęt dostrojony do powtarzalnych zadań.

To środowisko sprzyja dostawcom, którzy mogą uczestniczyć w kilku architekturach. Możliwości Broadcom w zakresie obliczeń, przełączania, łączności i projektowania spełniają ten wymóg.

Uniemożliwia ono również prosty wniosek, że zwycięzca bierze wszystko. Nvidia może pozostać największą platformą, podczas gdy Broadcom przechwytuje rosnącą część niestandardowej infrastruktury.

AMD może zdobywać udział w rynku komercyjnych akceleratorów, nawet gdy Google rozszerza TPU. Google może oferować wszystkie trzy opcje za pośrednictwem swojej chmury, jednocześnie wewnętrznie preferując własne układy.

Debata o sprzęcie AI AMD i Google dotyczy ostatecznie kontroli. Nabywcy muszą zdecydować, czy posiadanie obciążeń uzasadnia koszty i złożoność posiadania większej części własnego krzemu.

Broadcom pozycjonuje się jako firma, która pomaga odpowiedzieć twierdząco. Jej przychody sugerują, że kilku dużych klientów już doszło do tego wniosku.

Najbliższe jeden do trzech miesięcy powinny wyjaśnić, czy te zobowiązania przyspieszają. Warto obserwować przychody Broadcom z AI, dostępność produkcyjną niestandardowych układów oraz ekonomikę inferencji u dostawców GPU.

Dla programistów i nabywców korporacyjnych pytanie nie brzmi, które logo wygrywa każdy benchmark. Zastanów się, gdzie twoje obciążenia potrzebują elastyczności, gdzie się powtarzają i kto kontroluje stos programowy.

Ta decyzja określi, czy następne wdrożenie trafi na sprzęt Nvidia lub AMD, Google TPU czy inny niestandardowy akcelerator. Zadecyduje również o tym, jak duża część powstałej infrastruktury będzie przepływać przez Broadcom.