AI 晶片的三個層級，解釋 Nvidia、Broadcom、Intel 反應為何不同

核心重點：

• AI 晶片產業包含三個不同層級：大眾市場晶片、客製化晶片與製造。
• 像 Nvidia 這類通用晶片製造商，從廣泛的 AI 支出中受惠最多。
• 諸如 Broadcom 的客製化晶片設計商，在大型 AI 公司尋找替代方案時受益，不過它們也面臨客戶集中與財務風險。
• 晶圓代工廠需要大型且承諾下單的買家，才能支付昂貴廠房的成本，這就是為什麼客戶消息對 Intel 股價影響如此之大。
• 電力供應、供應商多元性與製造集中化，正影響所有層級。

一份涵蓋 GPU、ASIC 和晶圓代工廠的 AI 晶片競賽指南。

為何同一則 AI 新聞讓 Nvidia 創下新高，而 Intel 在同一天下跌？原因在於「AI 晶片」涵蓋了數種不同的業務。各家公司在這個產業的不同層級中營運，每個層級都有獨特的經濟特性、風險與成功因素。掌握這些層級，追蹤產業新聞就簡單得多，也更容易理解投資人為何反應如此不同。

重要術語：

• GPU（圖形處理器）：一種通用處理器，能處理多種 AI 工作負載。Nvidia 的 GPU 為訓練與部署大型 AI 模型樹立了標準。
• ASIC（特殊應用積體電路）：為單一客戶或特定目的打造的晶片。它不如 GPU 靈活，但在其預期用途上可能更便宜或更省電。
• TPU（張量處理單元）：Google 的客製化 AI 晶片，為 ASIC 的一例，與 Broadcom 共同設計。
• 晶圓代工廠：為其他公司所設計的晶片進行製造的廠商。TSMC 是最大的晶圓代工廠。
• 錨定客戶：大型且承諾下單的買家，佔據新工廠的大部分產能，有助於讓這項投資變得合理。
• 製程節點：一代晶片製造技術。每一個新節點都能生產效能更強的晶片，但需要龐大的前期支出。

第一層：用於一般 AI 使用的晶片

這一層涵蓋訓練與運行 AI 系統的晶片。Nvidia 在此領先。其優勢不僅來自硬體：軟體開發者長期在其平台上開發，使得轉換成本高昂。

當 AI 支出強勁且分散於眾多客戶時，這個層級的公司表現良好，因為它們的晶片幾乎能服務任何人。2026 年 10 月初，Nvidia 創下歷史新高，因為投資人聚焦於強勁的營收預測與大規模股票回購。

第二層：為單一客戶打造的晶片

這一層涉及為單一主要買家設計的客製化晶片。最大型的 AI 開發者在運算上的花費極高，因此針對自身模型量身訂做硬體變得值得，可能降低成本並減少對單一供應商的依賴。

Broadcom 是這個領域的領先設計商。投入客製化晶片相當昂貴，因此新的融資模式正在出現。一個例子是租賃：由一個獨立的投資工具購買晶片，再出租給 AI 公司，將成本隨時間分攤，並引入放款機構與投資人。2026 年 10 月初，據報導 Broadcom 正為 Anthropic 使用的客製化晶片安排 600 億美元的此類融資。

這個層級的主要風險在於集中度，因為每一項設計都高度依賴單一客戶，以及支持它的融資複雜性。

第三層：晶片生產

這一層關乎晶片的製造。無論晶片由誰設計，通常都必須由晶圓代工廠生產。先進工廠的成本高達數百億美元，因此晶圓代工廠需要可靠且高產量的客戶來填滿產能，並為下一個製程節點付費。

TSMC 主導這個層級。Intel 正試圖建立一個競爭性的晶圓代工業務，這就是為什麼能否贏得客戶對其股價至關重要。2026 年 10 月初，在 Elon Musk 證實 TSMC 正洽談加入 Terafab（一項德州的晶片計畫，Intel 原本是唯一被點名的製造合作夥伴）之後，Intel 股價下跌。令人擔憂的不是合約流失，而是威脅到投資人已反映在股價中的客戶成果。

依層級解讀晶片新聞

這種分層視角能釐清原本令人費解的市場走勢。

AI 需求強勁的消息通常對第一層公司提振最大，因為它們銷售給廣大的客戶群。大型 AI 開發者正在自製晶片的消息，可能有利於第二層的設計商，同時讓第一層供應商產生疑慮。關於工廠合作的新聞主要影響第三層公司，而且對那些仍在建立聲譽的公司最為重要。

估值則是另一個因素。具備明顯且現有需求的公司，較能承受負面頭條。股價依賴未來成果的公司，對任何讓那些成果變得不確定的事情更為敏感。

跨層級的力量

數個長期趨勢影響整個產業。電力供應正成為瓶頸，因此每瓦提供更多運算能力的晶片會獲得優勢。大型買家希望有單一供應商以外的替代選擇，這鼓勵了客製化晶片設計。此外，先進製造仍集中在極少數地方，讓領先的晶圓代工廠擁有強大的議價能力。

追蹤這些趨勢如何演變，往往比對任何單一頭條做出反應更有價值。