ai-asic與互連技術引爆無晶圓廠IC設計營收狂潮：2025年增長44%，2027年市場達1200億美元

ai-asic是這篇文章討論的核心

圖源：Pexels | 視覺化呈現高速資料處理晶片與矽基互連基礎設施的物理層級佈局。

⚡ 快速精華 (Key Takeaways)

💡 核心結論：AI算力需求不再是單一GPU的單打獨鬥，而是擴展到互連技術與客製化晶片。Marvell與NVIDIA的20億美元合作，正是AI基礎設施從「拼算力」轉向「拼互連」的明確訊號。

📊 關鍵數據：2025年全球前十大無晶圓廠總營收突破 359 億美元，年增率高達 44%。預測至 2027 年，AI ASIC與客製化XPU市場規模將觸及 1,200 億美元，光學互連技術滲透率預計翻倍。

🛠️ 行動指南：企業應提早佈局矽光子（Silicon Photonics）與NVLink互連技術供應鏈，以適應2026年兆美元級AI資料中心的客製化需求。

⚠️ 風險預警：過度依賴單一生態系可能導致未來系統相容性瓶頸與成本僵固。建議架構評估朝向「混合運算+開放互連協議」方向發展。

🧭 自動導航目錄

NVIDIA 的 AI 霸業：為什麼資料中心業務能佔 90% 營收？
Marvell 與 NVIDIA 豪砸 20 億美元：定制 XPU 與互連技術會如何重塑市場？
博通、AMD、聯發科如何分食 30-43% 的營收成長大餅？
從 2026 到 2027，AI 基礎設施的下一步是矽光子還是銅纜？
AI晶片產業鏈高頻 FAQ 深度解答

我們剛結束一輪對全球半導體供應鏈的深度追蹤，眼前攤開的財報與技術藍圖，確實令人屏息。2025年無晶圓廠（Fabless）的戰況，完全不是線性成長，而是跳躍式的結構重組。這不單是晶片設計的勝利，更是底層互連技術與邊緣推論架構的全面升級。

NVIDIA 的 AI 霸業：為什麼資料中心業務能佔 90% 營收？

NVIDIA 在 2025 年交出的成绩单只能用「碾壓」來形容。年營收直逼 205.7 億美元，同比暴增 65%。更驚人的是，其資料中心業務獨佔 90% 的營收版圖。這意味著什麼？意味著消費級 GPU 市場在他們眼裡已經只是零頭，真正的錢包是雲端巨頭與企業級 AI 叢集。

過往大家總在討論 CUDA 生態系的護城河有多深，但現階段的真相是：黃仁勳正在把 GPU 變成「系統級晶片」。透過將運算核心與高速記憶體封裝（CoWoS）緊密結合，並搭配專屬的 DPU（Data Processing Unit）來卸載網路與儲存負擔，NVIDIA 把單顆晶片的效能推向了物理極限。對於終端企業來說，買的不只是硬體，是一整套從訓練到推論的算力流水線。

💡 Pro Tip 專家見解： 別再只盯著 TeraFLOPS 數字看。NVIDIA 真正的壁壘在於軟體堆疊（Stack）與網路拓撲的無縫整合。未來兩年，能夠提供「算力+互連+散熱」一體化解決方案的供應商，才能吃到企業級預算的大餅。

NVIDIA
$205.7B
+65%

Broadcom
+38%

AMD
+36%

MediaTek
+43%

Marvell
+30%

資料來源：綜合TrendForce與公開財報推算之2025年度估值

Marvell 與 NVIDIA 豪砸 20 億美元：定制 XPU 與互連技術會如何重塑市場？

這筆 20 億美元的聯姻，堪稱 2025 年半導體圈最重頭的炸彈。以往，客製化晶片（ASIC）常被視為雲端巨頭（如 Google 的 TPU、Amazon 的 Trainium）的後花園，但現在 NVIDIA 主動砸錢入股 Marvell，等於宣告：標準化 GPU 的單打獨鬥已經遇到瓶頸，未來的 AI 叢集需要更靈活的「模組拼裝」。

💡 Pro Tip 專家見解： Marvell 在光學 DSP 與矽光子（Silicon Photonics）領域的技術底子極厚。NVIDIA 看中的不是單純的產能，而是 Marvell 的定制化能力（Custom XPU）與 NVLink Fusion 的融合潛力。這意味著，未來的 AI 伺服器將能像搭樂高一樣，自由組合 NVIDIA 的 GPU、Marvell 的客製加速器與光學互連模組。

這次合作不僅聚焦於客製化 XPU，更劍指 NVLink Fusion 的互連標準。在大型語言模型（LLM）參數量突破兆級的背景下，單一晶片記憶體頻寬已經無法滿足需求。必須透過高速互連技術，將成百上千顆晶片組成一個「超級大腦」。Marvell 的加入，正是要打破資料交換的頻寬瓶頸，讓光學互連（Optical Interconnects）成為下一代資料中心的標配。

博通、AMD、聯發科如何分食 30-43% 的營收成長大餅？

當聚光燈打在 NVIDIA 身上時，其他巨頭其實悄悄吃下了可觀的市場份額。博通（Broadcom）在網路交換晶片與客製化 AI ASIC 領域持續擴張，年營收成長穩健，成為企業網路升級的直接受惠者。AMD 則透過 MI300 系列在資料中心與邊緣運算持續滲透，其開放式軟體堆疊（ROCm）逐步吸引對 CUDA 依賴較低的開發者，36% 的成長率證明了市場對第二供應源的強烈渴望。

聯發科（MediaTek）則聰明地轉向邊緣 AI 與智慧行動装置。畢竟不是所有 AI 運算都要塞回雲端，未來的 AI PC 與旗艦手機需要強大的本地推論晶片。43% 的年增率顯示，端側 AI（Edge AI）正在爆發，這是一片被許多雲端派忽略但利潤極高的腹地。

💡 Pro Tip 專家見解： AI 算力市場的「長尾效應」正在顯現。GPU 負責重型訓練，ASIC 負責特定場景推論，CPU 負責調度。企業應放棄「萬能晶片」的幻想，針對自身業務場景（如金融低延遲、製造視覺檢測、醫療影像處理）選擇最適合的異構運算架構，才能真正壓低 TCO（總體擁有成本）。

從 2026 到 2027，AI 基礎設施的下一步是矽光子還是銅纜？

站在 2025 的尾巴眺望未來，我們必須正視一個現實：傳統的銅纜互連在高速率下正面臨訊號衰減與功耗失控的雙重夾擊。當資料傳輸速率邁向 1.6T 甚至 3.2T 時，電氣互連的損耗將變得無法忽視。矽光子技術（Silicon Photonics）正從實驗室走向量產前夜。它利用光纖的超大頻寬與低損耗特性，有望在機櫃間乃至機櫃內的資料交換中取代傳統銅線。

💡 Pro Tip 專家見解： 2026 年將是光電共封裝（CPO, Co-Packaged Optics）的試煉年。雖然全面普及仍需克服散熱與封裝良率挑戰，但在超高密度 AI 叢集中，光學互連將成為打破「記憶體牆」與「通訊牆」的唯一解藥。供應鏈企業應優先佈局光模組與 DSP 晶片技術。

除了互連技術，客製化晶片的滲透率也將持續攀升。隨著模型壓縮與量化技術的成熟，特定場景的推論不再需要通用 GPU 的全副武裝，量身打造的 ASIC 將提供極高的能效比（Performance per Watt）。這對 2027 年的全球 AI 硬體市場而言，意味著供應鏈將從「標準品量大價跌」轉向「客製化高毛利」的新常態。