正當輝達(Nvidia)不斷推出更強大的AI晶片之際，亞馬遜、微軟、Meta、谷歌甚至特斯拉等購買Nvidia AI晶片的大客戶也都跳出來自研晶片，以降低對Nvidia晶片的依賴。由於雲端、高倍速(HPC)對AI晶片需求量太大，不但Nvidia、超微等通用型AI晶片製造商吃不下來，得以讓客製化晶片(ASIC)找到自己的生存空間。繼谷歌先前發表新款TPU並表示Meta也想購買後，微軟發表最新Maia 200的自研晶片，亞馬遜AWS最新的Trainium 3自研晶片已在去年底上線，這讓ASIC IP的博通、邁威爾(Marvell)以及EDA的新思科技和益華電腦(Cadence Design)以及ARM都將受惠。

博通是全球ASIC IP的龍頭，市占率高達7成，在截至去年11月底的過去一年中，營收達638.87億美元、年增率23.9%。由於博通先前不斷透過併購壯大，擁有廣泛的IP，成為ASIC IP的龍頭。隨著客戶來自AI的需求增加，讓AI逐漸成為博通的主要業務。上季來自AI的營收占總營收36%，預估本季的AI營收將翻倍並成長到82億美元，已逐漸與其他半導體業務營收相當，而博通目前擁有AI產品積壓訂單高達730億美元，預計在未來18個月內陸續出貨。

AI ASIC與高速網通晶片是博通最重要的成長動，已結合IP、系統架構並與長期客戶黏著度高的平台型ASIC業者，毛利率維持在70%上下。目前博通有谷歌、Meta、字節跳動、Anthropic以及第5大客戶(可能是微軟或OpenAI)。但由於客製化ASIC的硬體成本較高，使得接單毛利率比傳統的乙太網路交換晶片為低。因此，隨著AI營收占比成長，會壓低博通的毛利率表現。即便如此，IP業者如能掌握系統層級設計與客戶的長期綁定，ASIC不會走向低毛利的競爭。

Marvell在ASIC IP的市占率約15%。根據上季財報顯示，上季來自AI的營收已突破11億美元，營收占比達53%。在其資料中心部門營收當中，AI的貢獻占比更高，顯示AI已經成為Marvell的核心成長引擎。Marvell的客製化AI方案正進入量產階段，預計2026會計年度AI總營收將超過25億美元。亞馬遜、微軟和谷歌是Marvell的主要客戶。尤其是亞馬遜更是重中之重，Marvell幫AWS提供客製化AI加速器Trainium 2晶片，並提供廣泛的資料中心半導體，如光學DSP和乙太網路交換晶片。市場傳出OpenAI和Meta是Marvell積極爭取的客戶，Meta也在光學技術與資料中心連網設備上採用Marvell的方案。Marvell的年營收僅約78億美元上下，明顯少於博通，而該公司的毛利率僅約50%上下，但這一年在AI雲端相關的ASIC營收，讓Marvell的單季營收成長有超過5成並接近6成的紀錄。

EDA的新思科技和益華電腦在ASIC中毛利表現相對高的產業，並能讓整體ASIC設計複雜度持續上升，促使他們的獲利成長。以新思科技來說，去年因為併購Ansys的一次性費用提列，毛利率明顯下滑，但也維持在51%上下(24年毛利率則有81.4%)；而益華電腦則有85%以上的高毛利，顯示軟體授權模式在ASIC世代反而進一步增強其獲利能力。新思擁有龐大的設計IP業務(例如在介面、記憶體IP)，25年營收占比24.8%。與純軟體授權相比，IP業務包含更多的版稅成本與客製化支援，毛利相對略低。益華電腦則更集中於毛利極高的純EDA工具軟體。以授權IP和版權收入模式為主的ARM，毛利率就高達97%。

亞馬遜、微軟、谷歌、Meta和特斯拉等科技巨頭跨入自研ASIC並不是以賣晶片為目的，而是為了要降低購買AI GPU的成本，並將ASIC視為優化本業的工具。自研晶片的投資報酬不會反映在晶片營收，而會分散在雲端毛利率、AI服務定價與產品差異化能力上。AWS的Trainium和Inferentia晶片，是大型CSP業者自研ASIC最成熟的案例。其目的在於降低AI訓練與推理成本，降低對單一AI GPU供應商(Nvidia)的依賴。更重要的是，還能成為未來採購Nvidia、超微AI GPU時的談判主動權，以確保雲端毛利率不被算力成本侵蝕。

AWS在去年底推出的Trainium 3，採用3奈米製程的AI自研晶片，能用在大規模AI模型訓練，專為訓練擁有兆級參數的基礎模型設計。在生成式應用上，支援下一代代理式AI、複雜推理以及影片生成等高負載任務。除了訓練，它也用於大規模推論，提供比前代更高的輸送量與更低的延遲。這款晶片並能支援頂尖AI運用，例如Anthropic已宣布在其Claude系列模型的開發中大規模採用Trainium晶片。亞馬遜宣稱Trainium 3的推論成本可能比Nvidia H100?便宜5成，降低向Nvidia的購買成本。實際測試也顯示，雖然Trainium 3效能優於Nvidia H200，但仍落後Nvidia最新Blackwell B200，亞馬遜仍得持續和Nvidia合作。

微軟最新推出的Maia 200自研晶片，採用台積電3奈米製程，擁有超過1000億個電晶體，是微軟目前為止部署效率最高的推論系統，主要定位在AI加速器上，將專為處理大規模AI工作負載設計，特別優化AI回答問題(推論)的處理速度與效率。目前已部署在美國資料中心，優先支援Microsoft 365 Copilot、Azure OpenAI Service以及內部超智慧團隊的工作負載。微軟也確認這款晶片將用於運作OpenAI的最新模型(如GPT-5.2)。即便如此，微軟也仍無法脫離Nvidia晶片，因為AI需求缺口實在很大，微軟目前策略是有多少買多少，自研晶片僅能填補需求缺口，而非取代。再來就是Nvidia的CUDA軟體架構確實是Nvidia晶片的護城河，客戶難以戒除。

特斯拉自研晶片Dojo是專門用在大規模影響處理與神經網路訓練的超級電腦系統，將用在特斯拉全自動駕駛(FSD)的端到端模型演進的主要處理器。以及要用在Optimus人形機器人的開發，還有要用在虛擬世界中模擬無數種駕駛情境，以加速AI的學習進度，減少對現實攝氏的需求。馬斯克也表示，未來Dojo也要具備像AWS一樣像其他公司出售算力服務。