AI 推理概念股有哪些?GPU、ASIC與雲端晶片產業鏈
目錄
AI 推理概念股可按四類業務研究:NVIDIA、AMD 提供運算平台;Broadcom、Marvell 參與客製加速器;Cerebras 提供晶圓級系統與低延遲算力;聯發科、世芯、創意等公司參與客製設計及系統整合。 Alphabet、Amazon、Microsoft、Meta 則把自研晶片用於雲端或自身產品,投資者取得的是整家母公司的業務敞口。各組代表公司的產品與原始披露見下表。
這個市場的機會來自兩個方向:模型與應用增加運算需求,硬件與軟件共同降低完成一次有效任務的成本。通用平台爭取模型覆蓋和部署效率,客製平台爭取大規模工作負載的系統效率;供應商能取得多少價值,取決於它掌握的產品、客戶及交付責任。
資料核對截至 2026 年 10 月 15 日。範圍以資料中心運算平台、美股母公司與台日設計服務代表為主;財報期間、已部署產品及未來路線分別列示。
AI 推理概念股有哪些?運算平台與客製晶片公司
AI 推理是讓已訓練模型處理新輸入、產生答案或執行任務。研究相關股票時,先看公司向誰出售甚麼,再比較它承接的需求。
| 公司/股票 | 產品與角色 | 投資者研究重點 | 原始披露 |
|---|---|---|---|
| NVIDIA(NVDA) | GPU、CPU、互連及軟件組成的運算平台 | 平台交付、軟件覆蓋、網絡配套及客戶採購組合 | FY2027 Q2公告 |
| AMD(AMD) | Instinct GPU、EPYC CPU與軟件平台 | GPU採用、ROCm成熟度、整機交付;CPU及GPU收入分開判讀 | 2026 Q2公告 |
| Broadcom(AVGO) | 客製AI加速器與交換/連接晶片 | 客戶共同開發、量產項目及網絡需求 | FY2026 Q3公告 |
| Marvell(MRVL) | 客製XPU、互連、記憶體及封裝IP整合 | 不同設計項目的導入、晶片內容量及量產進度 | 客製加速器產品頁 |
| Cerebras(CBRS) | WSE晶圓級處理器、CS系統及推理服務 | 低延遲付費需求、系統部署及容量經濟 | CS-4/Nexus說明 |
上述公司的機會差異,在於供應商控制產品的程度。NVIDIA與AMD決定主要平台路線;客製晶片由客戶需求和供應商能力共同形成;Cerebras同時經營系統及算力服務。相同的AI用量增長,會透過不同的採購、交付及收費方式反映在各家公司。
Google TPU、Trainium、Maia與MTIA可以怎樣投資?
這些晶片分別屬於不同上市母公司。母公司的收益主要經由雲端服務、自有產品效率及資本回報體現,晶片的技術成果需要放回整體業務分析。
| 上市母公司 | 晶片/平台 | 截至資料日可核對的狀態 | 經濟機會 |
|---|---|---|---|
| Alphabet(GOOGL/GOOG) | Google TPU | 第八代TPU 8t/8i已披露架構,分別優化大規模訓練與服務工作負載 | Google Cloud容量與成本、內部模型運行效率;供應狀態按產品及區域核對 |
| Amazon(AMZN) | AWS Trainium | Trn3 UltraServers已有正式供應公告,使用Trainium3及Neuron軟件 | AWS服務收入、價格性能與投入資本回報 |
| Microsoft(MSFT) | Azure Maia | 10月12日披露Maia 200已服務生產工作負載,Maia 300計劃2027年推出 | Copilot等產品的推理成本與Azure基礎設施效率 |
| Meta(META) | MTIA | MTIA 300已投入生產;400/450/500為後續多代路線 | 推薦、廣告及生成式AI工作負載的運算效率 |
上述狀態分別來自Google、AWS、Microsoft及Meta官方資料。TPU 8的架構發布、Trn3正式供應、Maia 200生產部署及Maia 300未來計劃,各自回答不同的商業進度問題。[5] [6] [7] [8]
Microsoft的最新披露尤其重要:若仍只列Maia 200規格,便會漏掉2027年自研系統擴張對採購組合的影響。分析時應同時保留當前部署與未來計劃,並追蹤實際資本支出及工作負載遷移。
公司與產品角色示意,按截至2026年10月15日的官方資料整理;分類表示業務分工,公司可跨多項產品。
台股ASIC概念股有哪些?聯發科、世芯與創意
ASIC設計服務商協助客戶把架構做成可製造的晶片。常見收入包括前期工程開發費(NRE)、矽智財授權及量產供應,三者的時點、毛利和資金需求不同。
| 公司/市場 | 可核對的角色 | 與AI運算的關係 | 研究時要分辨的差異 |
|---|---|---|---|
| 聯發科(台股2454) | 客製資料中心ASIC與系統整合 | 共同設計運算、封裝、記憶體與互連 | 資料中心項目與手機等既有業務的不同經濟 |
| 世芯-KY(台股3661) | ASIC/SoC設計與生產服務,服務範圍包括AI及高效能運算 | 承接客製運算晶片實作和供應 | 個別項目的開發/量產比例、客戶集中與產品週期 |
| 創意(台股3443) | 先進ASIC實作、IP與製造服務 | 已具名披露VSORA Jotunn8推理晶片的turnkey實作 | HBM、封裝與實作能力如何影響項目價值及交付 |
| 智原(台股3035) | ASIC設計與自有矽智財組合 | 提供專用SoC及IP能力,終端市場較廣 | AI相關項目在整體業務的比重及進度 |
| Socionext(日股6526) | 客製SoC的設計、開發及供應 | 參與客戶自訂系統晶片,應用跨不同市場 | 個別運算項目、開發費與產品收入的組合 |
聯發科的資料中心產品頁與股東資料支持其客製ASIC角色及2454上市身份;這條業務應與手機及其他既有產品分開研究。[17] [18]
世芯、創意、智原及Socionext的官方資料支持上述角色與上市身份;各家AI收入比例及未披露的雲端客戶,仍須以各自申報為準。創意披露的VSORA項目可核對到HBM3E及先進封裝實作,提供了比泛稱「ASIC受惠股」更具體的研究起點。[11] [12] [13] [14]
設計案增加首先支持開發工作,量產放大則需要晶片完成驗證、客戶部署及供應安排。研究名單宜按項目階段整理:技術能力強、取得設計項目和已形成持續產品收入,分別代表不同的商業成熟度。
推理需求怎樣改變晶片規格與公司機會?
長上下文增加記憶體與資料搬移壓力
模型先讀取輸入,再逐步產生輸出。前段稱為prefill,後段稱為decode;對話愈長、同時服務的人愈多,需要保留和搬移的KV Cache也愈大。
NVIDIA的Dynamo把兩個階段分成可獨立配置的worker pools,透過KV Cache轉移連接前後段。這讓平台按輸入長度、輸出長度和併發量分配資源,亦增加記憶體及互連配置的重要性。[15]
對投資者而言,這提供三條不同的研究路徑:運算平台如何提高有效利用率、客製晶片如何配置片上記憶體,以及外部HBM與系統記憶體的需求如何改變。後兩者可接續閱讀AI記憶體階層。
Agent需要低延遲,也需要足夠的總吞吐量
AI代理會反覆調用模型和工具,連續等待會累積成整個任務的完成時間。低延遲服務因而可能取得較高的付費價值;同時,營運商要在電力和設備預算內服務足夠多的請求。
Cerebras的CS-4/Nexus把運算、供電、液冷與I/O共同設計,並支援分離式推理。這是專用系統爭取低延遲市場的具體例子;商業成效應由客戶部署、付費量及容量成本確認。[4]
雲端自研擴張,改變標準平台與設計服務的分工
大規模平台掌握自有應用和模型,較容易把硬件、編譯器與工作負載共同優化。它們仍可保留GPU服務客戶的多樣需求,並把適合的內部任務交給自研平台。
因此,ASIC採用提高時,可能同時增加設計服務、HBM及先進封裝需求,並改變外購GPU的組合。判斷應看實際採購和總市場擴張的速度,詳細取捨見GPU vs ASIC。
NVIDIA、Broadcom與Cerebras的機會怎樣比較?
三家公司回答的是不同的投資命題。
NVIDIA的重點是平台內容量與廣泛適用性。 客戶購買加速器之外,還需要CPU、互連、軟件與整機部署能力。平台價值能否維持,要看模型支援、交付時間和客戶實際成本,而不只看單顆GPU性能。
NVIDIA當期公告亦列出Groq 3 LPX互動推理加速器進入完整生產,顯示平台本身也在增加專用推理能力。分析應按產品及系統價值分層,而非把一家公司固定等同一種架構。[1]
Broadcom的重點是大客戶客製項目與網絡。 雲端平台保留自己需要的架構,供應商提供實作、IP及量產能力。項目放量可帶來高收入,但客戶數、代際轉換及議價權具有重要影響。其AI半導體收入同時包含加速器與網絡。
Cerebras的重點是低延遲系統能否取得持續付費。 速度創造產品價值,容量利用率、服務價格及建設支出決定資本回報。對應的研究要同時看系統與雲端兩種生意。
Marvell與NVIDIA的NVLink Fusion合作亦顯示,客製運算與既有平台互連可以在同一系統中結合。產業競爭已延伸到整套部署方案。[10]
接下來可按問題選擇:NVIDIA vs Broadcom比較商業模式與財務,NVIDIA vs AMD比較GPU平台,Cerebras公司頁分析晶圓級系統與雲端容量。
財報目前證明了哪些AI運算需求?
資料分別來自三家業績公告;這些分類和截止日不同,適合觀察各自商業規模,推理收入及市場份額需要更細的資料。[1] [3] [2]
目前的證據支持「多種運算架構同時擴張」,但公司機會仍會分化。量產交付、客戶採購組合及軟件利用率,是未來幾季比產品名稱更有用的觀察項目。
怎樣比較每token成本與晶片效能?
同樣寫着「tokens/s」,可能量度單一使用者的生成速度,也可能是整個系統的輸出總量。比較前,應固定模型與版本、精度和準確度、輸入/輸出長度、併發量,以及允許的首token延遲和生成間隔。
MLPerf Endpoints以延遲與吞吐的取捨曲線描述完整系統,並區分模型等價和軟件披露等條件。這種比較方式更接近營運商的選擇:在達到服務品質後,每單位時間能完成多少有效工作。[16]
推理機制示意,依NVIDIA Dynamo及MLCommons方法整理;箭頭表示資料處理順序,非公司供貨關係。
Klaro的研究順序是:先確定服務品質,再核對有效吞吐,最後計入硬件、電力、軟件、網絡及利用率。具體成本算例見GPU與ASIC總成本比較。
研究AI晶片股票,下一步看哪些證據?
| 研究方向 | 支持機會的證據 | 需要重新評估的變化 |
|---|---|---|
| GPU平台 | 新模型支援、實際部署、平台配套及收款改善 | 客戶遷移、交付延遲或價格壓力 |
| 客製ASIC | 項目完成驗證、進入量產並延續至下一代 | 主要項目取消、推遲或客戶內製比例提高 |
| 晶圓級/專用系統 | 低延遲付費需求、實際交付、利用率提高 | 服務溢價下降、設備閒置或建設成本上升 |
| 雲端自研 | 生產工作負載擴張、單位成本與資本回報改善 | 部署擴張但折舊及電力成本增長更快 |
| 設計服務 | 開發費、量產收入和客戶組合共同改善 | 設計案增加而產品收入遲遲未形成 |
完整產業研究需要同時理解運算和它的上下游。記憶體可讀HBM產業鏈,連接可讀AI網絡,製造整合可讀先進封裝。若研究基金,則由半導體ETF比較核對實際持倉與產品結構。
常見問題
Google TPU可以單獨買股票嗎? TPU是Alphabet旗下Google的產品。公開市場投資入口是Alphabet股票,相關回報同時受搜尋、廣告、雲端及其他業務影響。
世芯、創意與Broadcom都屬於ASIC公司,研究重點有甚麼差別? 它們都參與客製晶片,但IP組合、客戶合作方式、產品供應責任及量產規模不同。應比較具體項目、收入確認和客戶組合,再判斷各自的產業機會。
推理成本下降會怎樣影響晶片需求? 每項任務所需資源可能下降,同時更低成本也可能擴大使用量。總需求取決於任務量、每項運算強度和系統利用率共同變化;公司收入還受售價及市場份額影響。
Klaro Research
資料來源與更新依據
資料截止:2026年10月15日
- [1] NVIDIA NVIDIA FY2027 Q2 財務公告
第一方 · 財報 · 截至2026-07-26 · 發佈:2026年8月26日 · 查閲:2026年10月15日
- [2] Broadcom Broadcom FY2026 Q3 財務公告及對賬
第一方 · 財報 · 截至2026-08-02 · 發佈:2026年9月2日 · 查閲:2026年10月15日
- [3] AMD AMD 2026 Q2 財務公告
第一方 · 財報 · 截至2026-06-27 · 發佈:2026年8月4日 · 查閲:2026年10月15日
- [4] Cerebras CS-4及Nexus架構技術說明
第一方 · 行業資料 · 2026-08-18發布 · 發佈:2026年8月18日 · 查閲:2026年10月15日
- [5] Google Cloud TPU 8t/8i架構與工作負載分工
第一方 · 行業資料 · 2026年4月架構披露;2026-10-15讀取 · 查閲:2026年10月15日
- [6] AWS EC2 Trn3 UltraServers正式供應公告
第一方 · 行業資料 · 2025-12-02供應公告 · 發佈:2025年12月2日 · 查閲:2026年10月15日
- [7] Microsoft Azure Maia 200生產部署及Maia 300的2027年計劃
第一方 · 行業資料 · 2026-10-12披露 · 發佈:2026年10月12日 · 查閲:2026年10月15日
- [8] Meta MTIA多代路線及生產部署
第一方 · 行業資料 · 2026-03披露 · 查閲:2026年10月15日
- [9] Marvell 客製AI加速器的架構、IP及製造分工
第一方 · 行業資料 · 2026-10-15產品頁 · 查閲:2026年10月15日
- [10] Marvell Marvell與NVIDIA的NVLink Fusion合作
第一方 · 行業資料 · 官方合作披露 · 查閲:2026年10月15日
- [11] Alchip 世芯-KY公司業務及3661上市身份
第一方 · 行業資料 · 公司業務及上市代碼 · 查閲:2026年10月15日
- [12] GUC 創意3443參與VSORA Jotunn8的turnkey ASIC實作
第一方 · 行業資料 · 2026-05-26產品合作披露 · 發佈:2026年5月26日 · 查閲:2026年10月15日
- [13] Faraday 智原ASIC服務與矽智財業務
第一方 · 行業資料 · 公司業務與3035上市身份 · 查閲:2026年10月15日
- [14] Socionext Socionext客製SoC業務及6526上市身份
第一方 · 行業資料 · 公司業務與上市身份 · 查閲:2026年10月15日
- [15] NVIDIA Dynamo分離式prefill/decode serving文件
第一方 · 原始資料 · 2026-10-15讀取;官方dev文件 · 查閲:2026年10月15日
- [16] MLCommons MLPerf Endpoints的延遲/吞吐與同條件比較方法
權威資料 · 方法文件 · 2026-10-15方法頁 · 查閲:2026年10月15日
- [17] MediaTek 聯發科資料中心客製ASIC與系統整合
第一方 · 行業資料 · 2026-10-15產品頁 · 查閲:2026年10月15日
- [18] MediaTek 聯發科2454上市身份與股東資料
第一方 · 原始資料 · 上市身份 · 查閲:2026年10月15日
研究限制
- 範圍為資料中心運算平台及美/台/日代表公司,未承諾全球公司名錄或消費晶片覆蓋。
- 公司產品角色支持產業定位;未披露的客戶、AI收入比例及量產數量保持未確定。
- 財報分類、期間與性能測試條件不同,本文不製作跨平台市場份額或股票回報排名。
需要重新檢查的事件
- GPU、TPU、Trainium、Maia、MTIA及CS產品的實際供應或部署狀態改變時,更新對應公司地圖。
- 主要公司申報新增可分拆的AI運算收入、量產客戶或同條件成本證據時,更新機會比較。
本文僅供參考,不構成投資建議。