2026年11月16日(周一),天风国际证券分析师郭明錤在X平台发文,给出一个值得通信与算力产业同时关注的判断:在英伟达CEO接班人选仍存不确定性的背景下,谷歌TPU正借助OpenAI、Anthropic的新增需求扩大业务边界。其产业调查显示,谷歌TPU的可视订单周期已拉长到2029年,而多数AI芯片供应商的可视周期仍集中在2027年四季度至2028年二季度。这个信息的关键不在于“谁取代谁”,而在于AI芯片竞争从单一GPU主导,转向GPU与专用加速器并行、云厂商与大模型公司深度绑定的多极格局。
订单能见度拉长,真正变化在“长期算力锁定”
所谓出货能见度,指的是企业能够掌握的未来客户订单和出货计划的时间长度。对AI芯片而言,能见度越长,意味着客户需求越早进入供应链规划,设计、流片、先进封装、高带宽存储、高速互联和整机柜交付等环节才有条件提前备产。
郭明錤此次披露的核心信息是,谷歌TPU的订单可视周期已经延伸到2029年,明显长于英伟达GPU及其他AI芯片供应商多数集中在2027年四季度至2028年二季度的能见度区间。这一对比不宜简单理解为TPU需求已经全面超越GPU,但它说明一个重要变化:大模型公司对中长期算力的规划正在提前,专用芯片路线开始获得更明确的客户需求支撑。
需要区分的是,出货能见度是分析师基于产业调查给出的判断,并不等同于已经披露的正式合同。它反映的是供应链对客户未来需求的掌握程度,而不是全部收入已经锁定。对产业观察者而言,能见度拉长的价值在于提示备产周期和竞争节奏变化,而不是替代对已确认订单的核验。
v9与v8分工:谷歌TPU从自用算力走向对外供给
郭明錤提到,从2028年起,v9 TPU将成为谷歌自建算力的主力方案;v8系列(8t/8i或其设计变体)的订单可视为来自OpenAI和Anthropic。这一代际分工值得注意:谷歌将最新一代TPU用于自身算力体系,同时将上一代或设计变体供给外部大客户,既有助于消化产能,也能保持自身技术代差。
这意味着谷歌TPU的角色在发生变化。过去TPU更多被视为谷歌内部自用算力基础设施,如今在OpenAI、Anthropic等大模型客户需求带动下,TPU开始承担对外供给和业务拓展功能。谷歌在AI芯片竞争中的身份,从“自研自用的云厂商”进一步转向“算力平台与芯片方案供给方”。
这种变化对英伟达构成分流,但并不意味着TPU可以轻易复制GPU的通用生态。TPU的优势在于与谷歌云、软件栈和特定模型负载深度适配,客户迁移需要模型适配和工程投入。OpenAI和Anthropic愿意采用TPU路线,说明在大规模推理和训练成本压力下,专用芯片的系统成本、能效和供应稳定性正在成为重要考量。
联发科与博通:定制芯片链条价值重估
此次信息中,联发科和博通的角色尤为值得拆解。按郭明錤的测算,2028年至2029年,OpenAI需要约1200万颗由联发科设计的8t,Anthropic需要约1400万颗由博通设计的8i,两者需求均呈逐年增长趋势。
对联发科而言,参与TPU设计意味着其能力边界从移动SoC、通信芯片进一步延伸到数据中心AI加速器设计服务。AI ASIC并非单一芯片设计,它涉及IP整合、先进封装、高速接口、功耗管理和量产工程能力。联发科若能进入谷歌TPU供应链,将获得的不只是订单规模,更是数据中心级芯片设计经验的背书。
博通则延续其在定制ASIC和网络芯片领域的积累。8i由博通设计,说明在大模型公司追求差异化算力的过程中,具备SerDes、交换、封装和定制芯片能力的厂商会获得更多机会。TPU不是孤立芯片,其背后需要高带宽存储、先进封装、高速互联、交换机和光模块等配套,定制芯片链条的价值正在被重新评估。
需要强调的是,“由某厂商设计”并不等于制造、封装、系统集成等全部环节由同一厂商完成。具体代工和分工并未在郭明錤此次信息中完整披露。产业分析应关注设计中标和量产节点,但不宜把设计方直接等同于全部价值归属。
OpenAI买断、Anthropic租买结合:采购逻辑分化
郭明錤还披露,OpenAI采用买断方式,Anthropic同时采用租赁和买断方式。这一差异反映了两类大模型公司在算力资本开支上的不同策略。
买断模式更接近直接锁定芯片和算力资产,资本开支前置,适合对长期训练和推理需求有较强确定性的客户。租赁与买断结合则更灵活,可在短期峰值需求和长期算力锁定之间取得平衡,降低一次性资本支出压力。对供应链而言,买断更直接对应芯片出货节奏;租赁则可能通过云服务和算力运营体现,收入确认和交付方式会有所不同。
按郭明錤给出的区间口径,2028年至2029年OpenAI约1200万颗、Anthropic约1400万颗,合计约2600万颗量级。这一数字应被视为产业测算和需求预测,而非已确认订单总量。它的意义在于提示:如果大模型公司对专用芯片的采购按此节奏推进,AI集群规模将推动数据中心内部东西向流量、高速互联、光模块、交换、液冷和电源等配套需求同步扩张。
英伟达的变量:接班不确定性与ASIC分流
郭明錤将英伟达CEO接班人选的不确定性作为背景之一。需要准确理解的是,这里说的是接班人选存在不确定性,并非英伟达已经完成换帅。对一家GPU龙头而言,治理层交接安排会影响客户、供应链和资本市场对长期路线稳定性的预期,但英伟达当前的核心优势仍在于GPU通用性、CUDA生态、系统级网络方案和规模化交付能力。
TPU订单能见度延长,并不等于英伟达GPU需求转弱。不同客户的采购协议、云服务模式和供应结构不同,能见度长短不能直接换算为市场份额。真正的竞争焦点正在从单芯片性能转向系统成本、能效、软件生态、供应安全和多源采购能力。大模型公司引入TPU,本质上是在GPU之外增加一条可控的算力路线,以降低单一供应依赖和长期成本。
把测算和订单分开看,产业机会在网络与配套
从现有公开信息看,郭明錤披露的内容属于产业调查和需求预测口径:v9 TPU在2028年成为谷歌自建算力主力,v8系列订单“可视为”来自OpenAI和Anthropic,2028年至2029年的颗数需求为分析师测算。严格意义上的已确认订单,仍需以谷歌、OpenAI、Anthropic或供应链厂商的官方披露为准。把测算当趋势观察是合理的,把测算当已锁定收入则会高估确定性。
对通信产业而言,AI芯片竞争的外溢效应更值得关注。数千万颗AI加速器的需求,对应的是大规模智算集群,集群内部的东西向流量、光互连、交换网络、液冷和电源管理都会成为瓶颈环节。国内通信产业链在光模块、光器件、交换机、液冷、电源和智算中心网络方案等环节具备配套能力,云服务商和芯片企业也在推进自研AI加速器,形成GPU与专用芯片并行的技术路线。未来竞争不只是芯片本身的竞争,而是“芯片+网络+软件+云服务”的系统能力竞争。
谷歌TPU订单能见度延至2029年,释放的信号是AI算力供给正在走向多元化。英伟达仍具通用GPU优势,谷歌TPU借助大模型客户扩大业务,联发科和博通在定制芯片链条中的角色上升。对产业而言,下一阶段的看点不是单一芯片的胜负,而是谁能把芯片、网络、软件和供应链组织成可规模交付的算力系统。
热门跟贴