博通将很快为Meta、OpenAI和Anthropic部署数千兆瓦的定制加速器,该公司表示这一成就显示AI公司和超大规模云服务商在短期内无法成功开发和部署自己的芯片。
在公司2026财年第一季度财报电话会议上,首席执行官陈福阳指出,AI相关芯片同比增长106%,为该季度带来84亿美元收入。
"我们的定制加速器业务在五家客户中进展良好,"这位首席执行官说,并补充说他预计谷歌在部署下一代TPU时将显示出"更强劲的需求"。Anthropic很快将实施一千兆瓦的博通制造的TPU,陈福阳表示这家AI公司计划在2027年部署三千兆瓦。Meta将在"2027年及以后"安装"数千兆瓦"博通的XPU加速器。
首席执行官表示,OpenAI将在2027年基于定制XPU部署"超过一千兆瓦的计算能力"。
陈福阳说博通已经确保了制造所有这些设备所需的供应链,包括高带宽内存,并能满足到2028年的需求。他预测博通在未来几年将赢得类似的交易,因为超大规模云服务商和AI新兴公司无法匹配其设计和交付定制芯片的能力。
"它们面临巨大挑战,"他说,在吸引能够为特定工作负载创建芯片的芯片设计人才、管理生产流程、发展封装专业技术以及芯片网络连接方面。
陈福阳表示,自主芯片制造努力必须创建的芯片不仅要与英伟达竞争,还要与"你正在竞争的所有其他大语言模型平台参与者"竞争。他认为在任何超大规模云服务商或AI公司"在未来许多年内"都不会发生这种情况。
"任何人都可以在实验室设计出运行良好的芯片,"他说。"但你能否快速生产10万片这样的芯片,并以你能承受的良品率?我们看不到世界上有太多参与者能做到这一点。"
博通的AI相关网络业务也在蓬勃发展,收入同比增长60%。陈福阳表示公司将在明年推出第七代Tomahawk交换芯片,性能将是当前型号的两倍,直连铜互连也将实现同样的性能提升,这意味着客户不需要考虑转向光网络。
因此陈福阳预测博通在2027年仅从AI芯片就有"可见路径"赢得1000亿美元或更多的收入。
博通整体半导体业务本季度收入为125亿美元,同比增长53%。非AI芯片收入保持稳定在41亿美元。
VMware支撑的软件业务
博通的软件基础设施业务——CA、赛门铁克企业和VMware的合并——实现了1%的收入增长,达到68亿美元。VMware收入增长13%,表明客户对CA和赛门铁克并不热衷。
陈福阳对VMware的前景持乐观态度,称其旗舰Cloud Foundation私有云套件是企业AI部署基础设施的"重要层次"。
"VCF无法被去中介化或替代,"他说。"AI将创造对更多VMware的需求,而不是更少。"
为了证明这一点,博通预测第二季度软件收入将达到72亿美元,代表9%的增长。公司预测整体第二季度收入将达到220亿美元,同比增长47%。
投资者似乎喜欢这些数字和新股票回购计划的宣布,博通股价在盘后交易中跳涨近5%。
Q&A
Q1:博通为哪些AI公司提供定制芯片?
A:博通为Meta、OpenAI、Anthropic、谷歌等五家客户提供定制加速器芯片。其中Anthropic将部署一千兆瓦的TPU,Meta将安装数千兆瓦的XPU加速器,OpenAI将在2027年部署超过一千兆瓦的计算能力。
Q2:为什么AI公司难以自主开发芯片?
A:博通CEO认为AI公司面临巨大挑战:需要吸引专业芯片设计人才、管理复杂的生产流程、发展封装技术和芯片网络连接能力。更关键的是,要快速大规模生产高良品率芯片,这需要强大的制造能力和供应链管理。
Q3:博通在AI芯片市场的收入表现如何?
A:博通AI相关芯片收入达84亿美元,同比增长106%。AI相关网络业务收入同比增长60%。公司预测2027年仅从AI芯片就能获得1000亿美元或更多收入,并已确保到2028年的供应链。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。