“未来六个季度数据中心收入5000亿美元。”黄仁勋在GTC25上说。

2026年1月6日开幕的CES 2026，老黄又宣称90%的ASIC项目会失败，这实际上是对此前谷歌TPU为代表的ASIC芯片（专用集成电路）的口头“讨伐”，一场针对ASIC的全面围猎已经悄悄开始。

很多人会关心，GPU、ASIC竞争的终局如何？答案是取决于半导体战争的终极弹药库——台积电CoWoS先进封装产能。

这意味着，只要对台积电CoWoS产能预订、分配情况，进行颗粒度拆解，就能精确测算出2026年AI算力芯片的出货格局。

可以说，2026年“芯片战”，系于台积电115万片CoWoS晶圆产能。

该图片可能由AI生成

01 战争的起源

我们先对GPU和ASIC的战争背景做一些铺垫（有行业基础可跳过本部分）。

人工智能对算力的需求扩张是共识，但必须明确：更先进的计算架构、工艺制程和先进封装，是三个关键路径。

关于架构，谈到最多的是GPGPU（通用图形处理器），英伟达在这条路上，借助CUDA生态的20年铺垫，成为通用并行计算的绝对王者。

硬件层面，英伟达的核心武器有两个：HBM内存极高的带宽、GPGPU大规模流处理器阵列。从H200、GB200到2026年1月推出的“Vera Rubin”，都是这条路径的产物，性能提升直接与显存带宽、NVLink互连规模挂钩。

GPGPU之外，以谷歌TPU为代表的ASIC芯片，探索出了另一条更精准、定制化的架构——云端推理侧的负载日益固化，为特定算法（如Transformer）定制的ASIC芯片，能够展现出碾压级的能效比，即每瓦性能和总拥有成本（TCO）优势。

谷歌的TPU、亚马逊的Trainium都是这条路径的先锋。博通、Marvell、Al chip等设计公司，正是通过为这些云巨头定制ASIC芯片，撕开了AI芯片万亿市场的一道口子。

相比架构竞争，工艺制程这条路径显得更好理解，从7nm、5nm、3nm到2025年底量产的2nm，每一次制程跃进都意味着晶体管密度和能效的提升。

不过，工艺制程是一条高门槛的路径：进化速度越来越慢，成本越来越贵，2nm晶圆代工价格高达3万美元，入场费已非所有玩家都能承受。此外，工艺制程的微缩还将面临“功耗墙”和“存储墙”。

架构、制程之外，第三个关键路径是先进封装，以CoWoS（Chip on Wafer on Substrate）为代表的先进封装是台积电为高性能计算打造的“皇冠上的明珠”。

CoWoS封装概念图，来源：台积电

CoWoS的精髓在于异构集成，将多个小芯片，例如计算芯粒（GPU/ASIC核心）、高带宽内存（HBM）、I/O芯粒等，通过中介层进行超高密度、超高带宽互连，集成在一个封装内。

表1：CoWoS中介层面积变化趋势

这种方式可以突破单芯片光罩（掩模板）尺寸限制，中介层面积当前可达2800mm²，直接好处就是晶体管更多，HBM显存更高。

另外，由于CoWoS采用了硅中介层，上面的微凸块（μBump）间距极小，芯粒间通信带宽激增，延迟和功耗大幅降低。

正因如此，无论是追求极致性能的英伟达GPU，还是追求最佳总拥有成本的云巨头ASIC，但凡涉足顶级AI算力，都离不开CoWoS。

所以，在2026年这个时间点上，当制程进入2nm深水区，成本高企，架构路线出现根本性分叉时，CoWoS先进封装的产能分配，就成了决定算力版图的最关键变量，没有之一。

02 产能图谱：台积电CoWoS的供给格局

表2：台积电CoWoS产能爬坡情况

从我们掌握的情况来看，过去三年，台积电CoWoS产能一路从单月12K晶圆，逐步爬升至2025年底的80K/月，2026年年底的预估目标是120K/月左右。

取一个全年有效平均值：96K/月，即2026年台积电CoWoS总有效产能约为：96K/月 × 12个月 = 1150000片晶圆，这是AI芯片战的总弹药基数。

产能分配原则

这1150000万片晶圆如何分配，背后是一场基于技术、商业、地缘的复杂棋局。

按照优先级，英伟达作为CoWoS最早期、最大胆的共同定义者和投资者，其架构（如NVLink）与台积电CoWoS工艺深度耦合，毫无意外可以拿到最多。

按客户层级，由于苹果、英伟达、AMD是台积电前三大VVIP级客户，其巨额预付款和长期协议锁定了基础产能。不过，苹果要到2028年才有自研AI芯片。另外，博通、Marvell因承接谷歌、AWS、Meta等云巨头天量ASIC订单，已跻身顶级VIP客户行列。

另外，对台积电来说，除了ASIC以外，AMD、英特尔乃至中国客户，都是制衡英伟达、分散客户风险的重要力量，也会分得一部分产能。

产能分配明细

总体来看，产品需求最旺、单价最高、技术最领先的英伟达有望拿到其中近60%的产能；AMD的预定量在90K左右，占比接近8%，相比2025年有64%的增量，增幅几乎与英伟达一致。

当然单一客户CoWoS订单激增，也包含了中介层放大的因素，但对于业绩的贡献必然是正面的。不过也要强调，更复杂、集成度更高的封装（如集成更多HBM、更大中介层）初期良率较低，实际有效产出需打折。

表3：CoWoS产能整体预订和分配情况

整个ASIC阵营，大致可以划分为博通、世芯（AI Chip）、Marvell和联发科几家，其中博通是领头羊。

博通2026年预定量大幅增至200K，同比增122%，主要受谷歌TPU外供拉动，但博通主要负责TPU v6p以及v7p，偏向推理的v7e由联发科负责，会在2026年下半年推出。未来TPU v8还是会遵循v7的模式，由博通与联发科两家下单CoWoS。

博通的200K预定量，按客户预订情况大致拆分如下：

第一大客户谷歌TPU预计分得200K当中60~65％

第二大客户Meta的MTIA大约占博通预订量的20%左右

第三大客户OpenAI将于年底推出内部代号Titan芯片，台积电N3制程，预计占今年博通预订量的5-10%，2027年将达到20%+

2028年，苹果的AI ASIC芯片Baltra也将面世，目前由博通负责高速互联，SerDes IP以及后端布线，预计2026年上半年进入流片阶段。

表4：ASIC阵营的CoWoS产能预订和分配情况

相比之下，由于AWS下一代Trainium 3转单世芯（Al chip），Marvell显得比较失意，主要客户还是AWS的Trainium 2，好在新客户微软采用N3E制程的Maia 200加入，才避免了下滑，CoWoS预定量与2025年持平。

世芯由于拿到了AWS Trainium 3订单，CoWoS预订量上升到60k，同比增加200%，大部分预定产能为N3制程的Trainium 3 Anita，加上Inferentia 2、微软Maia 100以及少量的Intel Gaudi 3。

Annapurna作为AWS的子公司，一直承担AI ASIC开发任务，同时也向台积电直接预定CoWoS产能，Trainium 3的Mariana版本有别于Al chip的Anita版本，同时在台积电投片。

联发科是台积电2026年CoWoS的新进客户，目前已调拨大量人力支持ASIC业务——未来将成为联发科的重点板块——2026年下半年主要承担侧重推理的TPU v7e的出货，并在2027年作为出货主力年，同时2027年将叠加TPU v8e的订单，有机会出现600%的CoWoS同比增幅。

根据我们了解到的情况，联发科目前已将AI ASIC视为未来核心业务，作为行业巨头，其布局AI芯片将很大影响目前ASIC设计的行业格局。

剩下的台积电CoWoS客户的量级都小于1万片，其中微软自研ASICAthena的早期设计与流片还是微软自己的团队在小批量推进中。

有了产能的分配数据，基于硅中介层面积，大致就能算出来，2026年，各家能够出多少颗GPU/ASIC芯片。

我们假设英伟达的660000片晶圆当中，10%分配给Hopper架构，即6.6万片，按单片切29颗来计算，预计今年整体H200的产出量可以达到190万颗。

回看整体台积电整体产能分配，拿下总共75万片CoWoS产能的GPGPU阵营（NV+AMD），在面对还只有37万片产能的ASIC阵营时，还是拥有绝对的火力优势，甚至英伟达一家的火力就超过全球其他企业的总和。

03 算力、营收：GPGPU具备碾压优势

CoWoS是一个关键变量，但仅比较CoWoS还是会误判战局——不同的封装方案，比如single-die以及dual-die方案，将导致中介层面积出现很大的不同。

以Hopper为例，由于采用single-die，一片CoWoS晶圆可以切29颗，到了Blackwell由于采用dual-die方案，每片晶圆只能切14颗。

所以，台积电CoWoS的产能增幅，不能单纯定义为AI芯片出货量的增加，也要考虑CoWoS硅中介层面积不断放大的增量。

从CoWoS到SoW，光罩面积及中介层变化，来源：台积电

前面表1有提到，硅中介层面积越来越大的变化趋势，是AI芯片明确的技术路线，目前中介层面积是光罩面积的3.3x，2026年的Rubin将提升到是4~5.5x，而2027年4-die合封的Rubin Ultra将达到9~9.5x。

因此，以CoWoS的产能（消耗面积）增、减幅度来计算企业营收增、减幅度更为准确。

所以，这场AI芯片战争的主导因素，除了要看谁消耗了更多的CoWoS产能，也要看谁贡献了更多的算力，以及谁创造了更多的营收和利润。

算力维度的比较非常直观，一颗英伟达B300的FP8算力达10PFLOPS，而一颗定制推理ASIC的算力可能仅为其几分之一，即便是最强的TPU v7p也只有英伟达B300的一半，这没有将今年要推出的Rubin考虑在内。

就在2026年1月6日开幕的CES上，老黄说Rubin的性能比Blackwell在推理提升5倍，训练提升了3.5倍，言外之意是GPU与ASIC的性能差距并没有缩小。

从算力维度可以得出结论——即使CoWoS切出来的芯片颗数接近，GPGPU阵营的总算力很可能仍大幅领先，这是GPU通用架构的“蛮力”优势——来自CoWoS消耗面积（晶体管）的多寡。

价值维度的比较则更为残酷，英伟达单颗GPU售价高达3万美元以上，未来会提升到4-5万美元。云巨头自研ASIC芯片的“成本”即便与GPU接近，“内部结算价”肯定卖不到GPGPU的市场价格。

以Anthropic向博通采购210亿美元的100万颗TPU为例，扣除服务器等诸多配置，单颗对外售价在1.5万美元以下，不到英伟达Blackwell系列的一半。

结合算力和价值两个点，可以更明确的得出结论——AI芯片是多维度的比拼，不单单比摩尔定律、比芯片工艺制程，还要比谁的面积更大，能放进更多晶体管，最终表现在性能上的差别，也决定了价格。

英伟达用60%的CoWoS产能，创造整个AI加速芯片市场70%以上的收入和90%以上的利润，这才是文章开头黄仁勋“6个季度，5000亿美元”的底气。

04 ASIC的本质：优化财务报表

英伟达的优势，CUDA就不必说了，经常被忽略掉的是搭配的NVLink、NVSwitch所构成的系统级优势，用户买的不是芯片，而是一整套最强的“交钥匙”解决方案。

作为对比，ASIC芯片优势在于，云厂这类超大规模用户，当其软件栈完全自控且工作负载高度特化且稳定（如搜索推荐、广告排名、语音识别推理），自研能带来极致的总拥有成本（TCO）优化。

可以这样说：AISC要讲的故事——专用化换取“去英伟达化”，最终优化财务报表。所以，能不能用ASIC的关键只有一点，规模（量）够不够大，没有其他。

首先，自研ASIC的资金、人力投入巨大；其次，便宜的TPU可不是买来就直接能用的，像Anthropic向博通采购210亿美元直接采购谷歌TPU的方案，背后也需要配置一支极为强大的底层系统工程师团队，并不断进行深度迁移及适配。

所以，仅仅开支这一项，也决定了ASIC只有超大型云厂、超大规模企业才会使用，但即便是购买现成ASIC芯片，也就能拓展到Anthropic这体量的大模型企业，很难再往下了。

再者，目前头部AI集群的功耗已从几十千瓦迈向兆瓦级，未来芯片功耗将飙升至数千瓦，普通客户无法承受这种规模。而且，在风冷已到极限，液冷（包括冷板、浸没式）成为标配的背景下，数据中心的物理设计和最大集群规模，都是必须综合考量的因素。

另外，GPGPU与AISC两者的较量也不限于单芯片，基于CPO共封装来解决“功耗墙”和“互连墙”，这种系统级的方案，以及华为的384颗NPU互连的CloudMatrix 384这种系统架构创新，也都至关重要。

所以，CoWoS只是起点，更上层的互连网络（NVLink, CXL, UCIe）、光引擎（CPO）都是竞争的关键变量。

而这些变量所需要的巨额资本支出，都不是小厂可以承受的。

05 终局推演：军火商大赢家

现阶段英伟达为代表的GPGPU（通用图形处理器）市场，虽然部分被侵蚀，但随着物理AI这些领域的推进，在可见的3-5年，英伟达仍将统治AI训练市场和高性能通用计算市场（训练、新兴应用、中小企业、科研）。

但是，推理占据未来AI算力实际消耗的大头，且工作负载更固定，正是ASIC的用武之地，ASIC的势头只会越来越好。

所以大家会看到，为了加固“护城河”，英伟达斥资200亿美元收购Groq，意图将LPU融入自己的技术矩阵中。

与此同时，英伟达也在通过推出更细分领域的产品，如推理专用芯片、更灵活的订阅模式（DGX Cloud）、以及更强大的系统级解决方案（如NVL144/288/576），来应对ASIC的“包围”。

目前的英伟达依旧处于有利位置，依旧掌握着“AI芯片战争”的主动权，他们要解决的核心问题——市占率与毛利的平衡。

只要英伟达不坚守极高的毛利率，愿意牺牲毛利换取市场，他还是无坚不摧的王者。

ASIC生态下，谷歌TPU外供，标志着ASIC从“概念”和“试点”正式迈入“规模化部署”，其增长直接与这些云巨头的资本开支绑定。

只要巨头们持续投资AI基础设施，且自研芯片的TCO优势持续存在，ASIC芯片对CoWoS需求就会持续增长。博通，联发科，Marvell作为顶级设计服务商将持续受益。

很多人会关注，GPGPU和ASIC对CoWoS产能需求变化？

从产品进化的角度来看，2026年的Rubin架构产品，率先采用5.5x光罩面积的中介层，2027年很快会推进到9.5x，ASIC产品的绝对性能没有GPGPU那般极致要求，2026年预估也就在3.3x，甚至在2027年也大概率还如此。所以结论基本也是明确的：未来GPGPU对CoWoS产能的预定量会大幅度增长。

而回到最终芯片的数量上，由于ASIC芯片的中介层普遍在2500mm²，单片CoWoS晶圆切出来的芯片数量，是GPGPU的两倍，而GPGPU目前CoWoS预定量是ASIC的两倍，所以今年两种类型AI芯片的全球出货量，也就大体相当。

至于企业营收，那就与CoWoS出货量成正比了，因为性能与面积（晶体管总数）成正比，同制程双颗的dual-die性能必然高于single-die的芯片。

所以，未来我们更可能看到的是一个“GPU+ASIC”的混合算力世界：云巨头用英伟达GPU进行前沿模型研发和训练，同时用自研ASIC进行成本敏感的大规模推理部署。

换句话说，这场战争并非一场你死我活的歼灭战，而是一场持久且复杂的“划界战争”。

但不管两种生态格局如何，作为这场芯片战共同且唯一的“军火商”，台积电坐拥CoWoS产能的定价权，将是无论哪一方获胜都不可或缺的终极大赢家。