一个马来西亚华人CEO，如何掀翻了英伟达的桌子？

一个马来西亚华人CEO，如何掀翻了英伟达的桌子？ 2026年3月的某个深夜，旧金山湾区的一家咖啡馆里，几位AI研究员正盯着手机屏幕上的博通财报喃喃自语。屏幕上，84亿美元这个数字让他们久久无法平静——这是一家做芯片的公司一个季度赚到的AI钱，而且同比翻番。更让他们睡不着的是博通CEO陈福阳在电话会上说的那句话：明年我们AI芯片累计营收要突破1000亿美元。 1000亿美元什么概念？大约等于英伟达现在一年的总收入。 陈福阳这个马来西亚华人，平时在硅谷极其低调，公开场合发言惜字如金。但每次他开口，博通股价都能涨一波。2025年9月，他在财报电话会上扔下一句"我们签了一个100亿美元的神秘客户"，然后三缄其口，把华尔街的分析师们急得抓耳挠腮。四个月后谜底揭晓：那个神秘客户是Anthropic——OpenAI最危险的竞争对手。 然后Anthropic又追加了110亿美元的订单。 这还不够。博通还顺手公布了第五位定制芯片客户——又是10亿美元的单子。 一时间，整个AI圈都在问一个问题：英伟达的江山，是不是要保不住了？ 壹、GPU与ASIC：到底有什么区别？ 要理解这场芯片战争，你首先得搞清楚GPU和ASIC这两个冤家到底有什么区别。 GPU——图形处理单元，最早是给游戏玩家和设计师用的显卡。英伟达2006年推出的CUDA平台，让GPU从一个"画图的"摇身变成了"搞计算的"。几千个小型计算核心同时开工，并行处理海量数据——这恰恰是深度学习最需要的。于是英伟达躺着赚了大钱，股价从2016年的30美元一路涨到2026年的900多美元，市值一度超过苹果。 ASIC呢？专用集成电路。通俗说就是为某个特定任务量身定制的芯片。谷歌的TPU（张量处理单元）就是最典型的例子。 举个例子你就懂了。 GPU就像一辆皮卡——既能拉货又能坐人还能越野，什么都能干，但什么都不算最精通。ASIC则像是专门为送货设计的厢式货车——拆掉了一切不必要的配置，只为了一件事：多拉快跑。 IBM的工程师说得更直接：ASIC的能效比GPU高出 100到1000倍 。注意，是100到1000倍，不是10%或20%。这意味着同等算力下，GPU的电费可能是ASIC的100倍以上。 一位前谷歌云员工对UncoverAlpha说："如果应用程序合适，TPU可以提供比GPU好得多的每美元性能。它们还需要少得多的能源，产生比GPU少得多的热量。它们也更节能，碳足迹更小，这使它们成为理想的选择。" 另一位前谷歌TPU业务负责人透露："TPU v6的效率比GPU高出60-65%，前几代为40-45%。" 贰、训练与推理：两种完全不同的生意 AI的工作负载分为两种：训练和推理。 训练就像培养一个医学生——你得花好几年时间让他学习海量知识，一旦学成，这笔巨额投入就结束了。这是一次性的、高强度的前期投资。 推理则是医生坐诊——每天看几十上百个病人，每次诊断都需要调用医学院学到的知识。单个推理的计算量很小，但架不住次数多啊。一个聊天机器人一天要回答几百万个问题，一个自动驾驶系统每秒要做几十次决策。这就是所谓的"推理时代"。 Hashrate Index的分析一针见血：训练是大额前期投资，成本有界；推理是持续的运营成本，用得越多成本越高。 这就是为什么各大公司现在都在疯狂抢购ASIC。 SemiAnalysis算了一笔账：谷歌采购TPU通过博通生产，要付给博通可观的利润率，但这笔钱比英伟达赚的少多了——英伟达不仅在GPU上赚钱，还包括CPU、交换机、网卡、系统内存、电缆、连接器......从谷歌的角度来看，Ironwood芯片的全面3D Torus配置的全包TCO比GB200服务器低约 44% 。