Broadcom AI 芯片营收跃升 221%，但投资者期待更高

Broadcom 的 AI 芯片营收同比飙升 221% 至 167 亿美元，但该公司股价在 9 月公布财报后走弱。这种背离才是真正的故事。Broadcom 实现了非凡的运营增长，但投资者此前已将更陡峭的增长曲线计入预期。

这一季度也显示，Broadcom 正迅速从多元化芯片和软件供应商转变为 AI 基础设施领域的核心厂商。定制加速器和网络产品贡献了公司总营收的一半以上。管理层预计，这一占比将在当前季度进一步上升。

这一转变使 Broadcom 的定制芯片模式与 Nvidia 的通用图形处理器形成更直接的竞争。Nvidia 仍是 AI 训练和推理领域的主导供应商。不过，Broadcom 正帮助最大的云服务公司打造针对其自身模型、工作负载和数据中心优化的芯片。

这场竞争并非简单的赢家通吃。通用 GPU 提供灵活性、成熟的软件生态和快速部署能力。定制加速器则承诺，当工作负载规模足够大、可预测且稳定时，可带来更优的经济效益。

Broadcom 最新数据表明，超大规模云服务商正大力投入第二条路径。但这些数据并不意味着 Nvidia 的平台已经过时，也不能保证 Broadcom 的卓越增长率将转化为同样出色的股东回报。

Broadcom AI 芯片营收成为业务核心

Broadcom 的 AI 业务已不再只是一个前景可期的副业。它如今决定着公司的增长速度、产品结构和投资者预期。

Broadcom 报告称，截至 2026 年 8 月 2 日的财年第三季度营收为 296 亿美元，同比增长 86%。该公司的季度业绩将这轮扩张主要归因于 AI 半导体需求。

AI 半导体销售额达到 167 亿美元，同比增长 221%，较上一季度增长 54%。该类别约占 Broadcom 季度总营收的 56%。一年前，它仅占规模小得多的业务约三分之一。

半导体解决方案部门营收为 208 亿美元，同比增长 127%。基础设施软件业务贡献了另外 88 亿美元，同比增长 29%。与 VMware 相关的软件仍然重要，但 AI 硬件已成为主要增长引擎。

Broadcom 的 GAAP 净利润也达到 131 亿美元，而上年同期为 41 亿美元。非 GAAP 营业利润达到 201 亿美元。经营活动产生的现金总额为 142 亿美元，披露的自由现金流达到 137 亿美元。

这些数字之所以重要，是因为它们将 Broadcom 与许多只兜售 AI 叙事、却缺乏相应现金创造能力的公司区分开来。Broadcom 在确认可观营收的同时，也将其中很大一部分转化为了营业利润和现金。

与上一季度相比，这种加速趋势更加明显。Broadcom 在财年第二季度报告的 AI 半导体营收为 108 亿美元，同比增长 143%。三个月后，季度总额增加了近 60 亿美元。

管理层预计还将实现又一次显著的环比增长。Broadcom 预测，财年第四季度 AI 半导体营收将达到 217 亿美元，同比增长 236%。公司还预计总营收约为 348 亿美元，非 GAAP 营业利润率为 66%。

首席执行官 Hock Tan 表示，定制加速器和 AI 网络的需求依然非常强劲。他的表态值得注意之处在于，同时给出了已实现销售额和短期预测。投资者既获得了当前需求的证据，也获得了下一季度可供验证的具体指标。

Broadcom 的正式监管文件补充了有用背景。文件指出，定制 AI 加速器和 AI 网络产品是半导体业务增长的主要动力，也描述了支持大型 AI 基础设施部署至 2028 年的相关承诺。

这份文件使人难以将这种转型视为暂时的产品周期。Broadcom 正围绕跨度数年的部署安排供应、融资结构和客户项目。其业务正从单个芯片销售转向协同式基础设施项目。

不过，这种集中度也带来了新的衡量标准。当一个类别贡献了超过一半的营收时，投资者不再将其视为可选的上涨来源，而开始将持续加速视为必要条件。

这也解释了为何 221% 的增长未能引发同等热烈的市场反应。已披露的季度业绩确实非同寻常，但股价此前已消化了对非凡业绩的预期。

定制芯片正从 Nvidia 最大客户内部施加压力

Broadcom 最强的竞争优势并非成为 GPU 的通用替代品，而是直接触及希望掌控自身计算经济性的超大规模云服务商。

Broadcom 将其定制加速器称为 XPU。XPU 是与客户共同设计、面向特定 AI 工作负载的处理器，而不是面向整个市场广泛销售的标准芯片。

这些芯片与专用集成电路，即 ASIC，密切相关。ASIC 执行的任务范围比通用处理器更窄。在足够大的规模下，这种专用化可减少不必要的电路、能源消耗和运营成本。

Broadcom 提供设计专长、知识产权、封装知识、连接技术和制造协调。客户则贡献工作负载需求和架构优先级。最终形成的处理器将成为客户基础设施的一部分，而不是标准零售产品。

Google 的 Tensor Processing Unit 是这种模式最成熟的例子。Meta 也已开发其 Meta Training and Inference Accelerator 产品系列。Broadcom 表示，目前支持六家主要定制加速器客户，不过各个项目的披露情况并不一致。

其吸引力很直接。服务于稳定工作负载的超大规模云服务商，可以围绕最常执行的计算来优化硬件，从而提高吞吐量、能源效率或总体运营成本。

其局限性同样重要。定制芯片需要时间进行设计、验证、封装、制造和部署。当工作负载快速变化，或客户需要广泛兼容性时，它们的吸引力会下降。

Nvidia 的 GPU 之所以依然有效，是因为它们支持众多模型和计算任务。Nvidia 还围绕其处理器提供软件库、开发工具、网络技术和完整的机架级系统。该平台降低了将模型从实验阶段推向生产环境所需的工作量。

Nvidia 报告称，其最新财年第二季度的数据中心业务仍是公司最主要的营收来源。其季度文件也显示，公司持续投资于计算、网络、系统和软件领域。

因此，Broadcom 所竞争的并不只是某一款 Nvidia 处理器，而是一套集成开发环境和既有的运营标准。

然而，Nvidia 最大的客户拥有格外强烈的理由去开发替代方案。云服务提供商采购数量庞大的加速器，运营自己的数据中心，并了解自身的重复性工作负载。即使只是适度提升效率，在庞大的已部署基础上也可能意义重大。

这些公司也希望拥有谈判筹码。依赖单一供应商会使其面临定价、产品发布时间表、分配决策和架构选择方面的风险。即便继续购买 Nvidia GPU，自研芯片也能为超大规模云服务商提供另一条路径。

Broadcom 无需构建面向消费者的软件平台，便可从这种多元化中受益。它能够支持多个客户专属设计，同时销售用于将加速器连接成集群的网络组件。

这种网络业务定位扩大了机会。AI 模型并不运行在孤立的处理器上。大型训练和推理系统需要高速连接，以在芯片、机架、存储系统和数据中心之间传输数据。

Broadcom 为这些系统销售 Ethernet 交换芯片和相关连接组件。其定制加速器可直接产生营收，而更大的集群也会增加对周边网络设备的需求。

这形成了一种不同寻常的竞争定位。客户采用 Broadcom 的定制加速器时，Broadcom 可以从中受益；它也可以向使用其他供应商处理器的集群销售网络技术。

因此，将定制 AI 芯片与 GPU 对立的讨论忽略了 Broadcom 战略的一部分。公司并不需要每个超大规模云服务商的工作负载都放弃 Nvidia。它需要的是，定制芯片在可预测工作负载中占据不断增长的份额，同时 AI 集群继续扩张。

对 Nvidia 的压力是真实存在的，但具有选择性。定制芯片瞄准的是规模足以证明专用化合理性的工作负载。GPU 则仍更适合灵活性、软件可用性和快速迭代更为重要的场景。

对开发者而言，这种分化会影响模型的运行位置，以及哪些优化工具将变得重要。对企业采购方而言，它可能影响云服务定价、容量可用性和 AI 工作负载的可移植性。

要追踪这些关系，不能只看一条财报新闻。比较供应商说法、架构变化和部署时间表的团队，需要在监管文件、技术文档和内部决策之间建立一致的知识工作流。

营收激增来自完整的基础设施技术栈

Broadcom 的运作机制不止于设计定制芯片。它结合了加速器、网络、封装、供应承诺和基础设施融资。

Broadcom 披露的 AI 类别包括定制加速器和网络产品。这一定义很重要，因为 221% 的增长率并不代表单一芯片产品线，而是反映出多个相互关联层面的支出增长。

定制加速器承担核心计算工作。交换芯片在集群内传输信息。SerDes 技术，即对数据进行串行化和解串行化的电路，支持组件之间的高速通信。

先进封装将处理器、内存和支持组件整合在一起。制造合作伙伴负责生产芯片。随着部署规模扩大，基板和封装产能可能成为制约因素。

Broadcom 为那些提前规划数代基础设施的客户协调这些要素。因此，一个大型加速器项目可从处理器、网络、连接技术和相关知识产权中产生营收。

该公司的第三季度文件描述了一个涉及成熟金融合作伙伴的 AI 基础设施平台。Broadcom 表示，该结构将支持前沿 AI 实验室在 2028 年前超过 20 吉瓦的计算能力。

博通还披露了首笔融资安排，用于支持超过一吉瓦的基础设施建设。这一安排表明，部署资本已成为半导体增长逻辑的一部分。

这一细节改变了机遇的性质。博通并非只是等待客户提交常规组件订单，而是在协助搭建超大规模数据中心所需的商业与技术架构。

管理层在财报电话会议中讨论了六家定制加速器客户。其中四个项目的规模似乎足以在未来两年对博通收入产生实质影响。该公司还描述了主要客户路线图中覆盖多代芯片的情况。

博通表示，其在本季度开始出货 OpenAI 第一代定制加速器。该公司将该产品称为 Jalapeno，并称其针对推理工作负载进行了优化。

推理是指运行已训练模型以生成答案、分类、预测或其他输出的过程。它不同于训练；训练是利用大型数据集和大量算力调整模型参数的过程。

博通对该芯片性能的说法尚未得到全面的独立验证。不同加速器之间的比较还取决于模型架构、精度、内存配置、软件、批处理规模和功耗限制。

重要且已得到验证的发展是其已报告的出货情况。将一项设计投入生产，表明一个大型定制项目已从规划阶段向前推进。但这并不能证明其相较 Nvidia 硬件具备全面优势。

博通还讨论了与 Google、Meta 和 Anthropic 相关的持续部署。这些项目强化了同一种商业模式：每位客户都希望获得针对自身模型、经济性和部署计划量身打造的基础设施。

规模使这一模式具备可行性。定制设计在首个量产单元出货前，就会产生高昂的工程和验证成本。客户必须部署足够多的芯片，才能将这些成本分摊到庞大的工作负载上。

这一要求限制了可触达的客户群。绝大多数企业永远不会委托开发自己的加速器，而会通过云平台或 AI 服务间接使用定制芯片。

超大规模云服务商所处的位置不同。它们的模型可服务数百万用户，而其基础设施消耗大量电力和资本。它们有理由围绕持续性的训练或推理需求来优化处理器。

这种模式也可能加深对云服务商的依赖。针对某一家服务商的定制加速器优化的软件，未必能轻易迁移到另一种环境。专用硬件能够提升效率，同时也会加剧架构锁定。

博通的网络产品在一定程度上降低了该公司面临的这种风险。以太网是跨厂商广泛采用的既有网络标准。即便不提供全部加速器，博通也能参与异构集群建设。

因此，博通 AI 芯片收入背后的机制，是专业化与广度的结合。加速器是定制化的，但商业机会延伸至整个配套系统。

这一结构有助于解释近期增长的速度，也解释了为何执行变得复杂。博通必须协调芯片设计、软件就绪度、制造、封装、网络、融资、电力以及数据中心建设。

任何一个环节的延误都可能影响部署时间。报告的需求可以保持强劲，但确认收入可能在不同季度之间移动。随着预测不断上调，这种敏感性变得更为重要。

为什么非凡增长仍未能令市场满意

博通的财报引发了反转：经营业绩加速增长，但股价反应显示，市场预期已先一步加速。

管理层预计，第四财季收入约为 348 亿美元。这一数字意味着同比将再增长 93%。但它仍略低于多家财经媒体援引的一致预期。

相对于博通整体的增长规模，这一差距很小。然而，高估值公司往往交易的是预期增速与实际增速之间的差异。当投资者期待更大幅度超预期时，仅仅超过上一年并不够。

这也解释了为什么回溯性的投资收益计算可能掩盖当前决策。一项过往回报反映的是投资者当时支付的价格、后续盈利、估值变化和股息。它并不能说明今天的估值是否仍提供同样的机会。

博通的股价已经受益于多年来不断增长的半导体需求、并购和 AI 热潮。相关问题并不是该公司是否建立了一项有价值的业务，而是市场已经计入了多少未来成功。

最新季度同时抬高了这一方程式的两端。博通证明，AI 销售的扩张速度快于此前的季度节奏；同时，它也促使投资者预期未来两个财年收入将显著增长。

管理层目前预计，2026 财年 AI 半导体收入约为 580 亿美元。该公司表示，供应承诺支持其在 2027 财年实现约 1,150 亿美元收入，并称对 2028 财年约 2,300 亿美元的收入具有一定可见性。

这些较远期数字是公司预测，并非已完成的销售。它们取决于客户部署、基础设施进度、融资、制造产能以及持续的 AI 需求。

博通上一季度的财报说明了基线变化之快。6 月，该公司报告季度 AI 半导体收入为 108 亿美元，并预计第三季度将达到 160 亿美元。

实际第三季度销售额超过了这一预测。然而，每一个成功的季度都会抬高博通下一季度必须超越的水平。当投资者已经预期其收入翻倍时，增长本身就更难带来惊喜。

客户集中度带来了另一项不确定性。六家定制加速器客户构成一个规模较小的群体，尽管每家企业的运营规模都极其庞大。一个项目延期就可能影响数十亿美元的预期收入。

博通的客户关系也可能涉及多家芯片供应商。超大规模云服务商可以发展内部设计能力、采用竞争性 ASIC 合作伙伴、采购 Nvidia 或 AMD 加速器，并在不同架构之间迁移工作负载。

定制芯片并不能消除制造风险。博通仍依赖外部晶圆厂及更广泛的供应链，以获得晶圆制造、存储器、基板、封装和设备支持。

电力供应是另一项限制。客户可能在目标数据中心获得电力、冷却、施工许可或网络连接之前就订购加速器。硬件需求与运营能力并不总是同步到位。

融资结构也带来额外问题。博通的文件描述了旨在支持大型基础设施项目的融资载体。这类安排可以加速部署，但也将芯片需求与资本可得性及客户信用质量联系起来。

投资者还应将博通报告的数据与管理层的非 GAAP 呈现区分开来。该公司同时报告会计结果和调整后指标。股权激励、收购相关费用和重组成本可能造成显著差异。

软件业务仍是另一个变量。基础设施软件提供经常性收入和现金流，但其增长速度远低于 AI 硬件。随着产品组合变化，合并利润率可能发生变动。

博通指引第四季度非 GAAP 营业利润率为 66%。对于大型科技供应商而言，这仍处于异常高的水平。不过，它略低于最新季度非 GAAP 数据所隐含的利润率。

不断增长的半导体业务占比可能压低利润率，因为硬件的经济性不同于软件。未来业绩将取决于定制芯片定价、制造成本、封装费用以及网络收入的占比。

这些风险均不会否定该季度已报告的业绩。它们解释了为何投资者将这一令人印象深刻的结果视作确认，而非惊喜。

因此，核心张力在于预期与执行之间。博通已开辟出一条可信的路径，以获得大幅增加的 AI 收入。其估值越来越要求公司在没有重大延误的情况下走完这条路径。

三个信号将检验博通的 AI 增长叙事

下一阶段取决于已报告收入、客户部署进展，以及定制加速器与通用 GPU 之间的竞争格局。

第一个信号是博通第四财季的 AI 半导体收入。管理层预计为 217 亿美元，环比增加近 50 亿美元。达到这一水平将表明，第三季度需求持续转化为已确认销售额。

若出现显著缺口，将削弱当前增长反映可靠量产爬坡的论点。解释原因与未达预期本身同样重要。供应时点问题与客户取消订单或数据中心延期有着不同的含义。

总收入也值得关注。博通 348 亿美元的预测涵盖快速增长的 AI 硬件、其他半导体产品和基础设施软件。收入构成将显示 AI 是在带动更广泛的公司业务，还是在掩盖其他领域的疲软。

投资者应将报告的增长与现金生成能力和营业利润率进行比较。如果营运资本、融资敞口或生产成本吞噬了经济收益，那么通过高要求基础设施项目产生的收入价值就会下降。

第二个信号是博通六家定制加速器客户的进展。管理层已描述供应可见性和多年路线图，但部署证据仍须随之而来。

应关注量产出货、新一代加速器、已安装算力以及客户披露。具体里程碑比对未来可触达市场规模作出更大的估计更具说服力。

Google 持续部署 TPU 尤其重要，因为它提供了一个成熟的参考案例。OpenAI、Meta 和 Anthropic 可以证明博通能否针对具有不同工作负载的客户复制这一模式。

若多个项目贡献了有意义的收入，多元化将强化这一叙事。它将降低对单一客户资本计划的依赖，并使博通的定制芯片平台更具可复制性。

若多个项目均出现延误，则会指向共同的限制因素。即便客户仍希望获得硬件，封装、存储器、电力、融资或建设也可能成为瓶颈。

第三个信号是来自 Nvidia、AMD、Marvell、超大规模云服务商和内部设计团队的竞争回应。当客户将更多稳定工作负载分配给专用处理器时，博通的机会就会扩大。

Nvidia 可以通过更快的产品周期、更高的推理效率、更强的网络能力和更广泛的软件平台来应对。若 GPU 变得更便宜或更易于运行，定制设计背后的成本效益计算就会改变。

AMD 提供另一条通用加速器路径，而 Marvell 则在定制芯片和网络项目上展开竞争。云服务商也可以将连续几代芯片分配给多个设计合作伙伴。

若定制加速器持续获得生产工作负载，同时不失去进度可靠性，博通的优势将更加清晰。若客户主要将这些芯片视为与 Nvidia 谈判的筹码，其地位则会削弱。

软件采用情况将有助于区分真实利用率与已安装容量。只有当客户模型能够在加速器上高效、可靠地运行时，已部署的加速器才能产生持久价值。

开发者应关注编程工具是否能在不同架构之间变得更易使用。企业则应考察云服务提供商会将基础设施节省让利给客户，还是将其留作利润空间。

AI 产品用户可能永远不会看到服务背后的处理器名称，但仍能通过响应速度、使用限制、区域可用性和产品成本感受到其影响。

Broadcom 的 AI 芯片收入已经通过了“具备实质财务影响”的考验。下一项考验在于，这种增长能否跨越客户、产品代际和数据中心建设周期持续复现。

221% 的增长率足以形成醒目的标题，但本身并不能构成持久的预测。Broadcom 必须将当下高度集中的增长势头，转化为可持续多年的生产体系。

评估该公司的读者应关注下一份季度业绩、已点名的部署里程碑，以及主要云平台内部的加速器分配情况。这些信号将揭示，定制芯片是否会在 Nvidia GPU 之外获得持久的角色。

请明确区分：Broadcom 已报告了异常强劲的当前需求，而其最宏大的预测仍属于管理层预期。已被验证的收入与承诺中的规模之间的差距，正是下一批决定性证据将出现的地方。