博通（AVGO +3.67%）第三季度人工智能半导体收入同比增长221%，第四季度这一增长可能会加速。管理层预计人工智能相关收入将达到 217 亿美元，比去年同期增长 236%。
这一收入背后有一个明显的驱动因素——定制人工智能加速器，或者管理层所说的 XPU。这些芯片是与超大规模厂商合作设计的，包括 Alphabet (GOOG +0.22%) (GOOGL +0.35%)、Meta Platforms (META -0.41%)、Anthropic 和 OpenAI。尽管英伟达 (NVDA +0.14%) 及其 GPU 一直是人工智能训练和推理的主力，但定制半导体芯片最终可能会成为一项更大的业务。
以下是原因以及这对 Broadcom 及其客户意味着什么。
AI建设的最大瓶颈
人工智能训练存在一些瓶颈。人们非常关注超大规模企业能够以多快的速度建立新的数据中心，以及存储芯片在供应短缺的情况下的需求过剩。但投资者需要考虑的另一个瓶颈是超大规模企业实际可以获得多少资本。
Alphabet 上个季度的自由现金流为负，这是该公司作为上市公司首次出现负现金流。 Meta 也有望做同样的事情。与此同时，Anthropic 和 OpenAI 的现金流严重为负。因此，他们不得不通过债务和股权筹集资金。
纳斯达克：谷歌
由于资本有限，超大规模企业必须将其分配给潜在投资回报率最高的资产。可以肯定的是，对 GPU 存在基本需求，而 GPU 通常更适合训练或混合工作负载任务。然而，定制芯片可提供更好的功耗性能比和更快的推理速度，同时需要更少的前期资本。因此，定制芯片可以表现出更高的资本回报率。
谷歌云首席执行官 Thomas Kurian 最近接受的采访中明确了这一点。他表示，其人工智能服务器的投资回收期不到两年，但谷歌自己的芯片的投资回收期还不到一半。如果人工智能服务器的使用寿命为六年，投资回报率将从约 200% 增加到约 500%。它还通过减少资本支出和缩短投资回收期来降低计算需求放缓的风险。
保持较低的推理成本
Anthropic 和 OpenAI 也设计自己的芯片是有原因的。他们看到了 Alphabet 全栈业务模型的价值，该模型设计了运行其大型语言模型的定制芯片。 Google Gemini 为前沿模型提供了非常低的每个代币价格，Kurian 表示，这完全是因为它运行在 Google Cloud 上的 Google TPU 芯片上。
随着越来越多的企业将人工智能用于更多任务，并且代理人工智能变得越来越有用，代币成本将在决定企业选择哪种模型方面发挥重要作用。为了能够与 Google 一起提供有竞争力的价格，OpenAI、Anthropic 和其他 LLM 开发人员需要使用最高效的芯片。通常，这意味着在定制芯片上运行大部分计算。
纳斯达克股票代码：AVGO
这进一步使规模向有利于 XPU 倾斜，因为它们不仅可以为销售访问权限的超大规模企业提供更高的投资资本回报，而且还可以降低前沿实验室（以及其他企业）的最大持续成本。
XPU 会超越 GPU 吗？
Nvidia 的数据中心业务第二季度的运行率为 3560 亿美元。这绝对是一个巨大的数字，是 Broadcom XPU 业务规模的 4 倍多。
但 XPU 的采用增长速度更快，而且趋势有利于持续增长。
今年早些时候，亚马逊首席执行官安迪·贾西 (Andy Jassy) 表示，他的公司将在其数据中心添加比 Nvidia GPU 更多的定制硅服务器。 Kurian 以及微软高管的评论表明，他们也非常倾向于添加比 GPU 更多的定制芯片。
从销量来看，XPU 似乎已经赢得了 Nvidia 最大客户之间的竞争，而且这种领先优势在未来几年应该会继续扩大。 However, considering XPUs garner lower prices than GPUs, it will be a long time before revenue catches up. That shouldn't matter to investors, though, as prices should reflect the business's future growth.虽然根据未来收益，博通的交易价格高于英伟达，但考虑到定制芯片的增长前景，这种溢价可能是值得的。