2025年博通公司研究报告：ASIC+scale up+scale out全布局，AI核心受益标的

一、ASIC+通信全面布局，充分受益 AI 推理

1.1 通信+算力布局深厚，非英伟达算力硬件最关键一环

博通的前身安华高（Avago），于 2005 年从惠普分拆后，在私募资本 KKR 和银湖主导下开 启并购之路。早期通过收购 LSI 和 Emulex 公司，快速切入存储和网络芯片市场。2015 年： 安华高以 370 亿美元反向收购原博通（Broadcom Corporation），继承其品牌和技术遗产， 一跃成为全球第五大半导体公司。 2018 公司开始转向企业软件领域，以 189 亿美元收购 CA Technologies、107 亿美元收购 Symantec 企业安全部门，2023 年以 610 亿美元完成收购云计算巨头 VMware，实现“半导 体+软件”共同驱动。 目前公司收入包括半导体收入与软件收入。半导体收入主要包含 AI 半导体收入（如 ASIC、 AI 交换芯片等）与非 AI 半导体收入（如传统通信、消费电子、工业等）。软件收入主要 来自 VMware 与之前收购的 Symantec、CA Technologies、Brocade 等。我们认为公司 AI 半导体收入将成为未来公司半导体收入的核心驱动力，非 AI 半导体收入有望企稳反弹。 而软件业务将保障公司高盈利能力，同时降低公司收入的周期性波动。

我们认为，在 AI 芯片的竞争格局中，博通是非英伟达体系最为关键的一环。博通在通信 的深厚积累，帮助英伟达以外的 AI 芯片企业能够实现高效率的卡间互联，以及集群搭建。 另外博通在算力芯片也具备深度布局和设计经验，是 ASIC 设计服务的龙头企业。 在通信芯片方面，博通在柜内互联的 scale up 领域，以及集群服务器、交换机之间互联 的 scale out 领域都具备深厚的技术积累以及丰富的产品布局。 Scale up 网络当中采用较为广泛的技术包括 NVLink、PCIe、UALink、Scale up 以太网、 Infinity Fabric 等。其中 NVLink 为英伟达自研的私有协议。非英伟达的厂商当中，ASIC 的 scale up 网络目前主要采用基于 PCIe 的协议，AMD 目前提供 PCIe 方案以及自研的 Infinity Fabric 方案。公司参与了 UALink 协议的开发，目前 UALink 已经推出首个版 本，另外公司也推出了 scale up 以太网，并参与推出了 UEC 方案。

公司在 NVLink 以外的 Scale up 网络技术都具备较深入布局。在 PCIe 领域，公司全面布 局 PCIe switch 与 PCIe retimer 芯片；在 UALink 领域，公司与 AMD、谷歌、微软、Meta、 思科等厂商都为 UALink 协议的创始企业；在 Scale up 以太网领域，公司推出了 102.4T 以太网交换芯片 Tomahawk6，单个 TH6 可连接 512 个 XPU，实现单跳全互联。

目前大部分 ASIC 芯片 scale up 组网采用基于 PCIe 的技术，AMD MI 系列 GPU 支持 PCIe 与自研 Infinity Fabric 技术，考虑 PCIe 带宽较低，我们认为未来 ASIC 与非英伟达有望 更多转向 UALink 或 Scale up 以太网。考虑公司是 UALink 的创始厂商之一，同时是以太 网交换芯片龙头厂商，率先推出了 102.4T 的以太网交换芯片，我们认为 ASIC 与非英伟达 GPU 未来通信技术的切换有望进一步巩固公司在非英伟达体系的地位。 算力方面，公司是 ASIC 设计服务行业的龙头企业。由于推理算法迭代导致输出单个 token 需要消耗的算力持续增长，叠加模型降费趋势，ASIC 在推理端的应用有望持续成长。公 司在整体 AI 芯片市占率有望增长。

1.2 推理带动 ASIC 需求，公司 ASIC 客户持续拓展

从 chatgpt3 发布以来，大语言模型的推理的成本以指数级别下降，每美元可以生成的 token 数量持续增长。同时模型的能力也持续增加。相较于最早的 chat gpt3，目前的主 流模型都可以通过更低的推理成本达到更高的智能水平。在 2021 年 1 月，GPT3 是唯一可 以达到 MMLU 42 分的大语言模型，当时百万 token 的成本在 60 美元，截至 2024 年 11 月， 由 together.ai 提供的 Llama 3.2B 可以同样达到 MMLU 42 分的水平，但百万 token 的成 本以及降低到 0.06 美元。而可以达到 MMLU 83 分的大语言模型中，Llama 3.1 70B 截至 2024 年 11 月百万 token 的成本已经小于 1 美元。根据 A16z Infrastructure 测算，推理 成本每年降低幅度约 10 倍。

另外我们注意到，目前模型的能力提升，除了模型的预训练以外，推理的算法升级也不断 落地，通过包括强化学习、MOE 等方法提升模型推理能力。我们认为：模型的推理成本快 速降低，有望带动应用的爆发，而应用爆发将带动更多的推理算力需求，同时推理算法的 迭代也带动更多算力需求。我们认为大量的推理算力以及降本诉求将有效带动 ASIC 的需 求增长。 ASIC 相比 GPU，主要优势在于性价比。ASIC 采用定制化设计，可以针对云厂商的业务， 以及模型做定制开发，将其中常用的算子直接固化到硬件当中，可以大幅提升运算效率， 同时降低功耗。另外 GPU 主流厂商如英伟达产品具有较高毛利率，采用 ASIC 在单价上也 有望降低。

目前北美厂商加快布局 ASIC，公司是 ASIC 设计服务行业龙头厂商，已经获得较多客户项 目，未来有望持续放量。 公司数据中心业务主要包括 ASIC 服务器与以太网交换机，主要服务云厂商 ASIC 体系。目 前北美云厂商积极布局 ASIC，已经实现规模化生产的 ASIC 包括谷歌的 TPU、亚马逊的 Trainium 与 Inferentia、微软的 Maia 以及 Meta 的 MTIA，其中谷歌和亚马逊的产品在 2025 年已经开始实现较大规模出货。我们认为其他云厂商 ASIC 在成熟度逐渐提升后，未来也 具备较大的增长空间。另外 Openai 等厂商也在积极布局 ASIC，未来有望进入量产。 谷歌 TPU 在 24 年已经推出第六代产品当中用于推理的 v6e 产品，与 TPU v5e 相比， Trillium TPU 每一芯片峰值计算效能提升了 4.7 倍。TPU V6e 将 HBM 的容量与带宽提升1 倍，芯片间互连网络带宽也提高了一倍。此外，v6e 还配备了第三代 SparseCore，这 是处理超大嵌体的专用加速器，常用于处理进阶排名与推荐工作负载。V6e 可以更快速地 训练下一代基础模型，并以较短的延迟时间与较低成本提供模型服务。与 TPU v5e 相比， TPU V6E 的能源效率高出 67%。 从数量来看，TPU 是目前 ASIC 当中最为主要的产品之一。根据 Digitimes 测算，2023 年 TPU 在 ASIC 的市占率约 71%，2024 年全球 ASIC 出货达到 345 万颗，其中 TPU 占比提升至 74%。根据 Omidia 测算，2024 年 TPU 的销售额在 60~90 亿美元。

亚马逊 Trainium2 已经推出，2024、2025 年出货增长迅猛。根据 Trendforce，AWS 的出 货成长力道强劲，24 年年增率突破 200%。预计 2025 年 AWS 出货量将成长 70%以上，并更 聚焦往 Trainium 芯片发展，投入 AWS 公有云基础设施及电商平台等 AI 应用。 AWS Trainium2 芯片的效能比第一代 Trainium 提升高达 4 倍。以 Trainium2 为基础 的 Amazon EC2 Trn2 实例专为生成式 AI 而建置，是用于训练和部署具有数千亿到数万 亿以上参数的模型的最强大 EC2 实例。Trn2 实例的价格效能比目前一代 GPU 型 EC2 P5e 和 P5en 实例更好 30-40%。Trn2 实例配备 16 个 Trainium2 芯片，这些芯片透过 NeuronLink 实现互连。Trn2 UltraServer 是全新的 EC2 产品，非常适合需要比独立 EC2 实例所能提供更多内存和内存带宽的最大型模型。UltraServer 设计使用 NeuronLink 将 四个 Trn2 实例中的 64 个 Trainium2 芯片联机至一个节点中。对于推理而言， UltraServer 可协助提供业界领先的响应时间，进而创造出最佳的实时体验。对于训练而 言，与独立实例相比，UltraServers 会透过更快的协同通讯来提高模型平行性的模型训 练速度和效率。 目前包括 Adobe、AI 新创公司 Poolside、数据平台服务 Databricks 以及高通都通过 Trainium2 处理器训练其 AI 模型，其中，高通在云端计算 AI 模型后再将其传送至边缘端。 另外苹果也在采用亚马逊 ASIC 芯片提供的服务，应用于 Siri，Apple Maps 和 Apple Music。 苹果使用亚马逊的 Inferentia 和 Graviton 芯片来服务搜索服务。

Meta ASIC MTIA 已经推出第二代，目前主要用于模型推理，Meta 预计 26 年将有用于训练 的 ASIC 推出。MTIA 使用台积电 5nm 工艺制造，具有 90W 的热设计功耗（TDP），显著降 低了功耗需求，使其在数据中心中更易于管理。同时，该处理器采用 16 通道 LPDDR5 内 存，配备 128GB 的内存配置，为高效数据处理提供了强有力的支撑。根据 Meta 24Q4 业 绩会，目前 MTIA 主要用于模型推理以及推荐类任务，预计 26 年 MTIA 将用于训练当中。 微软也已经推出 MAIA 100 ASIC,采用 5nm 制程，64GB HBM2E。考虑微软 Azure 云具有较 大体量，同时微软具备 Copilot 等终端 AI 应用场景，我们预计未来微软 ASIC 也将发力。

除了北美四大 CSP 以外，我们预计未来领先的模型厂商如 openai、deepseek 等也将开发 ASIC。Openai 预计将采用台积电 3nm 以及 A16 制程生产 ASIC，目前已经向台积电预定 A16 产能，预计 openai 的 ASIC 将在 26 年年底进入量产。OpenAI、甲骨文和软银合作建立星 际之门项目，预计投资 5000 亿美元用于人工智能基础设施建设，考虑星际之门项目的高 投资，我们预计 openai 的 ASIC 未来也将有较大规模出货量。 目前公司已经获得多个客户。根据公司 AI Infrastructure 活动，公司已经获得三家客户 的 ASIC 项目，在 2025 年开始批量生产。另外根据公司 25 年 3 月业绩会，公司已经获得 另外两家客户 ASIC 项目，未来有望转入量产阶段。同时公司预计今年进入量产阶段的三 家客户，到 FY2027 时将会有总共 600~900 亿美金的需求。

我们认为，公司在 ASIC 设计服务行业的优势主要在于：深厚的 ASIC 设计经验、齐全以及 成熟的 IP。在设计经验方面，公司已经与客户 1 有超 10 年的合作历史，已经合作开发了 超过 10 款 XPU 产品。公司与客户 2 也已经合作 4 年，一共合作研发了 4 款 XPU 产品。IP 方面，公司在计算与通信都积累了大量自有 IP 与技术能力，包括 serdes IP、针对 AI 优 化的 NIC IP、交换芯片 IP、HBM PHY、CPO 技术、先进封装技术等。

受益于公司的经验、技术积累，我们认为公司 ASIC 行业龙头地位有望继续维持，充分受 益 AI 推理需求爆发带动的推理算力需求增长。公司未来与已有客户合作有望继续深入， 获得更多 ASIC 项目，同时也有望获得更多客户。同时由于 AI 推理需求在 25 年 Q2 以来爆 发式增长，我们认为公司已有客户的需求增加，以及新客户的导入，将有望使公司未来上 修 FY2027 客户 600~900 亿美元的需求指引。

1.3 从 scale up 到 scale out 通信芯片全面布局

公司是通信芯片龙头厂商，产品包括以太网交换芯片、PCIe 交换芯片、PCIe retimer 芯 片等。在 scale out 应用中，公司作为以太网交换芯片龙头厂商，有望受益 AI 集群以太 网组网趋势。在 scale up 应用中，公司 PCIe 交换芯片、PCIe 全面布局，另外公司推广 以太网在 scale up 的使用，我们认为公司有望受益 ASIC 放量带来的配套 scale up 市场 增长。 以太网是 IEEE 电气电子工程师协会制订的一种有线局域网通讯协议，应用于不同设备之 间的通信传输，具备技术成熟、高度标准化、网络带宽高以及低成本等诸多优势，是当今 世界应用最普遍的局域网技术。 在 AI 组网领域，由于 Infiniband 相比以太网价格更高，对英伟达的依赖度更高，以及以 太网目前也已经具备例如远程直接内存访问 ( RDMA ) 和融合以太网 RDMA (RoCE)等功能， 可以提供针对高性能计算和人工智能进行优化的高性能、分布式和无损传输层，大型云厂 商在 AI 芯片的 Scale Out 组网当中逐渐转向以太网。另外由于 Infiniband 的主要厂商 Mellanox 已经被英伟达收购，云厂商 ASIC 以及非英伟达的 GPU 也通常采用以太网组网。

公司下游以太网交换机厂商营收增长迅速。北美云厂商以太网交换机供应商主要包括天弘 科技、Arista、智邦。2024 年天弘科技通信终端市场销售收入达 64.91 亿美元，同比+39.85%， 25Q2 销售收入达 16.41 亿美元，同比+75.49%；Arista 硬件销售收入达到 58.84 亿美元， 同比+16.99%，25Q2 销售收入达到 22.05 亿美元，同比+30.43%；智邦 2024 年交换机收入 为 629.53 亿新台币，同比+10.19%，25Q2 达 211.31 亿新台币，同比+48.79%。根据 Arista， 2025 年数据中心以太网交换机市场约 300 亿美元，2027 年有望达到 400 亿美元。

公司是以太网交换芯片龙头厂商，产品迭代领先，目前已经发布 102.4T 交换芯片。据 Khaveen Investments 测算，按销售额看，22 年博通在全球以太网商用交换芯片的市占率 达到 70%，主要竞争对手为英伟达和 Marvell。目前公司已经率先发布了 102.4T 以太网交 换芯片，迭代速度领先其他竞争对手。我们认为公司 102.4T 交换芯片 Tomahawk6 的发布 有望进一步巩固公司在 AI 以太网组网的行业地位，Tomahawk6 具备高集成度的特点，同 时可以支持大集群组网，在同样组网规模下可以降低网络层数，降低集群整体功耗。

Scale up 方面，公司在除了英伟达自有协议 NVLink 以外的协议如 PCIe、UALink、SUE（Scale up Ethernet）都有布局，且产品进度领先。 PCIe Switch 的核心作用是将主机有限的 PCIe 通道拆分为多个下游通道，支持更多设备 接入。对于采用基于 PCIe 作为 scale up 协议的 ASIC 或 GPU 芯片当中，PCIe switch 可 以用于 ASIC/GPU 到另外一颗 ASIC/GPU 的连接，或用于连接存储、NIC 网卡等其他硬件。 以AMD MI300X的八卡服务器为例，一个服务器当中，每两个MI300X连接一个公司的Atlas2 PCIe switch 芯片，单个服务器当中共使用四个 PCIe switch 芯片。在亚马逊的 Trainium2 ASIC 的机柜当中，PCIe switch 用于连接 CPU tray 到搭载 ASIC 的 compute tray。PCIe retimer 则支持芯片之间更长距离的传输。

公司在 PCIe switch 与 PCIe retimer 行业当中率先推出了第七代 PCIe 的产品。同时 PCIe retimer 也较主要竞争对手具有制程优势，同时相比主要竞争对手采用外采第三方 SerDes， 公司使用自研 SerDes，产品可以较竞争对手减少 35%功耗，提升 40%的传输距离。

除 PCIe 外，公司在 UALink、Scale up Ethernet 等新型 scale up 协议当中也有布局。公 司是 UALink 创始企业之一，今年公司发布的 102.4T 以太网交换芯片也支持 Scale up Ethernet 应用。另外考虑公司在以太网交换芯片的龙头地位，我们认为未来公司有望在 Scale up Ethernet 也成为最核心公司。 由于面临其他非 NVLink 协议的竞争，今年英伟达也开始推广 NVLink Fusion 模式，即将 私有 scale up 协议 NVLink 允许用于非英伟达的 AI 芯片集群当中。我们认为，目前 NVLink Fusion对非英伟达厂商使用NVLink的限制较为严格，实际应用当中难以实现。另外NVLink Fusion 将非英伟达以外最主要的 AI 芯片厂商 AMD 与公司都排除在外，因此我们预计未来 非英伟达 AI 芯片仍然将较少使用 NVLink。 目前 NVLink Fusion 的合作厂商包括联发科、Marvell、Alchip、Astera Labs、新思、Cadence 等，在同时采用英伟达芯片与合作厂商芯片的集群当中，可以使用 NVLink。 受益于 AI 推理带来的需求，公司 AI 收入以及 AI 收入占半导体收入的比例快速提升。公 司 FY2024 半导体销售收入为 300.96 亿美元，其中 AI 收入为 122 亿美元，AI 收入占半导 体销售收入已经达到 40%。

二、并购拓展软件业务，收购 VMware 有望带来可持续的高盈利能力

2.1 依靠并购持续拓展软件业务，历史收购证明公司良好运营能力

公司软件业务主要包括 17~19 年收购的 Brocade、CA Technologies、Symantec 以及 2023 年完成收购的 VMware。

随着公司 23 年 11 月完成了 VMware 的并表，公司软件收入在 FY24 大幅增加。FY24 公司 软件收入达到 214.78 亿美元，占总收入比例为 41.6%。由于软件相比半导体业务具备更 高毛利率，公司软件收入的增加也使得公司维持高毛利率，相比行业其他龙头公司，公司 也具备更高毛利率。对比上一完整财年的财务数据，在美股主要 AI 半导体相关企业当中， 公 司 Non-GAAP 毛 利 率仅 低 于 全部 收 入 为软 件 授 权的 Arm ， 同时 略 低 于 PCIeswitch/retimer 芯片的竞争对手 Astera Labs；而公司 Non-GAAP 营业利润率则高于其他 所有美股主要 AI 半导体相关企业。

公司在收并购拥有丰富经验，历史上收购都取得了较大成功。公司的历史收购在短期都能 够拉动公司整体收入和利润，快速产生回报。公司也能够依靠所收购公司创造更多的利润 后，较快速覆盖收购所产生的债务。 长期看，公司在半导体行业的一系列收购，使得公司拓展了丰富的下游应用领域，包括数 据中心、消费电子、汽车、工业等行业，也形成了丰富的产品矩阵。公司丰富的产品品类、 下游应用，以及软件收入的增长，使得公司对半导体周期的敏感性降低，实现持续增长。

2.2 VMware 深化公司数据中心业务协同，转向订阅制有望维持增长

VMware1998 创立。1999 年，VMware 推出了 VMware Workstation 1.0，这是第一款允许 用户在一台 PC 上以虚拟机形式运行多个操作系统的商业产品。VMware 于 2001 年凭借 VMware GSX Server（托管式）和 VMware ESX Server（无主机式）进入服务器市场。2004 年，EMC Corporation 收购了 VMware。2016 年，Dell Technologies 收购了 EMC 并吸收 了 VMware。VMware 凭借其服务器虚拟化平台 VSphere 成长为最重要的虚拟化服务供应商， 拥有超过 500000 名客户的市场份额 2023 年 12 月，公司以 690 亿美元完成了对 VMware 的收购，旨在扩展其多云战略。自收 购以来，公司已将其产品整合为两个主要产品组合：VMware Cloud Foundation (VCF) 和 VMware vSphere Foundation (VVF)。此外，公司已将 VMware 从永久许可证、支持和订阅 (SNS)续订过渡到基于订阅的定价模式。

根据公司 25 年 6 月业绩会，目前 VMware 最大的 1 万家客户当中，已经有 87%切换到了 VCF 模式。我们认为，VMware 作为数据中心的基础软件，下游客户切换供应商需要较长时间 认证，同时需要较大迁移成本，因此客户对 VMware 具有较大粘性。公司将 VMware 切换到 订阅制，大部分客户有望继续使用 VMware，而订阅制付费也有望为公司提供可持续的收 入来源。

三、非 AI 半导体业务筑底，传统通信需求有望逐渐回暖

公司非 AI 半导体下游主要为企业网/园区网等传统通信市场、存储控制器、工业、消费电 子等。目前工业、消费电子、存储市场已经温和复苏。我们预计公司传统通信相关业务也 有望逐渐回暖，带动公司非 AI 半导体业务温和增长。 公司FY24Q1开始披露半导体收入当中的AI相关收入，虽然公司整体半导体收入逐步向上， 但增长基本来自 AI 相关，非 AI 半导体业务仍然承压。

目前传统通信下游主要厂商思科已经显现业务复苏。2Q22~4Q23 思科单季度订单持续同比 下滑，1Q24 以来单季度订单已经实现同比增长。目前思科的订单增长已经传导至收入端 增长，4Q24 以来思科营收已经实现同比增长，2Q25 思科总收入同比增长 7.56%。从库存 来看，思科库存周转天数仍然维持高位，我们认为思科作为通信设备厂商，属于公司下游 企业。思科收入与订单已经实现同比增长，但库存仍然出于较高水平，需要一定时间去化。 未来通信设备企业库存逐渐正常后，对上游通信芯片拉货有望逐渐正常，带动公司非 AI 半导体收入温和增长。

编辑：火腿肠