博通股價大漲 AI客製晶片 2024216，今天要談的是博通客製化晶片大賣的消息，盤後股價大漲24%，這次要深入分析博通的AI晶片，了解它的技術優勢和市場表現。隨著人工智能推論的應用擴展，博通的技術領導地位逐漸顯現，尤其是XPU晶片，讓我們來看看它的優點和挑戰吧。
博通股價大漲 AI客製晶片 影片
嗨我是亞瑟我有三高
今天來講博通大漲
因為客製化晶片爆棚啦
今天日期是2024年12月16號
坦白說這下真的是要三高爆發了
因為我自己竟然完全不知道
博通在客製化的AI晶片上面
已經有這麼高的突破
這麼多厲害的東西
導致它盤後大漲24%
而這個我竟然沒有追到
哇 氣死我 真是氣死我
那麼這一集我就要好好來分析研究
博通 Broadcom 它的AI晶片到底是什麼
而且為什麼可以攻城掠地這麼厲害
所以這一集會很硬 內容會很多
不好意思 因為這就是我的研究報告
博通財報表現佳
- 2024年博通財報驚喜
- AI成為業績增長關鍵
- 佈局AI策略展現成果
- 技術拓展至資料中心
- 生成式AI需求推動業績
2024 年，博通的財報表現非常突出，尤其是 AI 部門的營收，讓市場刮目相看。根據最新數據，博通在 AI 領域的收入達到了 122 億美元，成為該年度業績增長的重要推動力。不僅如此，這樣的表現也直接提振了市場對博通的信心，讓股價快速上漲。
博通作為晶片領域的技術領導者，早在幾年前就已經開始佈局 AI 推論運算。而這次財報數據顯示，他們的策略正在開花結果。隨著生成式 AI、深度學習等應用快速擴展，博通的技術優勢已不再局限於網路基礎設備，而是進一步拓展到資料中心和 AI 應用，為企業提供了更多新的可能性。
XPU意義與價值
- XPU整合多種功能
- CPU / GPU / FPGA
- 高效運算解決方案
- FPGA可更新程式碼
- 硬體加速與平行運算
什麼是 XPU？簡單來說，它是一種專為 AI 和高效能運算量身設計的處理器架構，全名是 可擴展處理單元（eXtensible Processing Unit）。XPU 的設計理念就是將 CPU、GPU 和 FPGA 的功能整合在單一晶片上，結合三種技術的優勢，針對不同的應用場景提供高度客製化的運算方案。
這種設計最大的特色是靈活、高效。XPU 不僅具備 CPU 處理邏輯運算的能力，也能利用 GPU 的平行運算功能處理大量數據，同時還能透過 FPGA 提供『針對性』硬體加速計算。
FPGA晶片生產完成之後，仍然可以也更新新的程式碼，具有非常高的靈活性和客製化能力。FPGA可以在製造後反覆重設定，讓設計人員能夠快速修改和更新，縮短開發週期並降低成本。
FPGA讓XPU有長期可用性和可升級性，能夠適應不斷變化的技術，也擁有強大的傳統CPU運算能力，與GPU的AI平行運算能力。為資料中心和 AI 應用帶來了更多發展機會。
XPU AI推論優勢
- XPU整合消除數據延遲
- 單顆晶片功耗不到600瓦
- 內建FPGA模組靈活調整
- 適應生成式AI運算需求
- 模組化設備整合
https://www.sigarch.org/a-brief-guide-of-xpu-for-ai-accelerators
XPU 之所以能在 AI 推論市場中展現優勢，主要有四大特點：
第一，整合架構，降低延遲。
XPU 將 CPU、GPU 和 FPGA 的功能全部整合到單一晶片上，不需要數據在不同晶片間來回傳輸，這大幅縮短了延遲時間，特別適合即時處理的應用。
第二，高能效，降低運行成本。
根據博通的內部測試，XPU 晶片的功耗不到 600 瓦，在 AI 市場中是能效表現最好的選擇之一。這對需要大量算力、但同時也在意能源消耗的資料中心來說，是非常有吸引力的。
第三，彈性設計，適應性強。
XPU 的內建 FPGA 模組，能根據不同場景進行硬體層的動態調整。特別是生成式 AI 和即時推論這類需求變化快速的應用場景，XPU 的靈活性讓它能輕鬆應對挑戰。
第四，可與現有設備整合
由於大量模組化的原因， 可以和原有的設備互相連結，甚至可以重新組成新的預算節點，讓業者有更大的靈活性，可以節省大量的成本，而不必浪費舊的設備。
XPU侷限與挑戰
- 軟體生態不足
- 市場滲透率低
- 部署成本高
- 應用場景狹窄
- 生態建設不足
https://www.networkoptix.com/blog/2024/03/05/introducing-the-open-ai-accelerator-standard
儘管博通的 XPU 技術在硬體設計和能效上表現突出，但仍面臨幾個重要侷限。
軟體生態系統不足，是最主要的挑戰。相較於 NVIDIA 成熟的 CUDA 平台，博通缺乏完善的開發工具與環境，提高開發者和企業的轉換成本。
其次，市場滲透率有限。目前 XPU 雖打入 Google、AWS 等大型客戶，但在中小型企業中接受度低，難以快速規模化。初期部署成本高 ，也讓阻擋許多潛在客戶，因為 XPU 的客製化設計，需要重新調整系統和程式，增加了資金與時間負擔。
最後，博通 XPU 聚焦於推論運算，應用場景相對狹窄，在生成式 AI 訓練，仍難以匹敵 NVIDIA 和 AMD 的專業晶片。未來若無法構建更成熟的生態系統，博通可能面臨硬體能力強，但市場吸引力不足的風險。
博通成功因素
- 博通擁有深厚ASIC經驗
- 配合客戶設計專屬方案
- 結合網路相關機房技術
- 模組化設計提升靈活性
- 降低升級成本擴展性強
博通能在 XPU 市場迅速崛起，成功的背後有以下幾個重要原因：
第一，ASIC 設計技術深厚。
博通在 ASIC 晶片設計上擁有多年的累積經驗，能快速針對超大規模雲服務商（如 Google、AWS 等）提供高度客製化的解決方案。
第二，生態整合能力完整。
博通不僅提供 XPU 晶片，還結合了自家的交換機技術，形成一套完整的資料中心解決方案，直接滿足企業對運算與網路的綜合需求。
第三，模組化設計，提升靈活性。
XPU 採用模組化的生產方式，讓它能輕鬆整合到現有的機房或網路架構中，甚至可以直接配合原本的伺服器內部設計。這不僅提高了客戶升級的靈活性，也降低了整體成本。
NVIDIA AMD
- NVIDIA全年約1200億美元
- 博通全年營收516美元
- AMD全年營收約268億美元
- XPU表現突出適用推論場景
- 對比表列出三家功能差異
https://www.digitimes.com/reports/ai/2024_ai_chip
2024 年，NVIDIA、博通和 AMD 在 AI 晶片市場中各有策略，以下是它們的營收和產品特性比較：
NVIDIA：全年營收預估 1,200 億美元，其中超過70%- 800億，來自 AI 晶片和資料中心業務，為市場領導者。
博通（Broadcom）：全年營收 51ˊ 億美元，AI 晶片收入為 122 億美元。
AMD：全年營收預估 268 億美元，AI 晶片收入為 50 億美元。
在這邊我提供了一張我自己做出來的整理表
目前NVIDIA的H100 博通的XPU跟AMD的MI300X
它本身的架構跟場景運用的不同
給各位做一個參考
比較重要的部分是
H100跟MI300它都可以適用於訓練AI
但是博通的XPU是適用於推論
就是運用AI
這導致了博通不管再努力也無法到訓練AI的部分
這部分是它目前天花板的上限
這要稍微留意一下
另外它的平台生態系統目前還不夠成熟
CUDA目前真的是一方獨大
暫時還沒有人能夠挑戰它
AI客製晶片爆噴
- 博通聚焦AI推論成功
- 大型客戶深度合作
- 結合FPGA與ASIC架構
- 博通針對大客戶客製化
- CUDA生態挑戰仍存在
https://finance.yahoo.com/news/broadcom-unveils-tech-speed-custom-140241416.html
博通這次在 XPU 市場的成功，充分展現了它「默默耕耘、精準突破」的策略。當市場目光集中在 NVIDIA 與 AMD 的競爭，或 Intel 的爭砸時，博通已經悄悄透過，與大型客戶的深度合作，開發出一套完全不同於 CUDA 的模式。
相較於 NVIDIA 和 AMD 提供的標準化產品，博通強調以 FPGA 彈性設計為基礎，結合其整合的 ASIC 架構，針對AI推論，打造高度客製化的運算解決方案。這樣的策略不僅讓博通降低功耗，也讓雲服務供應商，可以在現有設備上快速提升運算效能。
雖然博通在客製化設計中脫穎而出，但 NVIDIA 的 CUDA 生態系統，仍是市場上最成熟的解決方案，大量的開發工具與軟體程式內容，是博通未來需要面對的挑戰之一。
然而，博通將目標精準地鎖定在 AI 推論領域，而這次策略的成果不僅展現在數據中，更體現在它日益穩固的市場地位。
