英伟达 vs 自研 ASIC/TPU：份额侵蚀与客户集中度的多空对照

一句话结论：英伟达的市占率几乎必然从近乎垄断回落（这接近共识），但"份额下降"≠“收入下降”。短中期更可能是份额降、收入仍增；真正的胜负手是毛利能不能扛住，以及大客户会不会集中性转向内部硅。

一、问题的本质：为什么英伟达不自己做 ASIC / TPU

很多人问"NVDA 为什么不像谷歌那样做一颗专用 AI 加速器"，核心答案是：

英伟达的 GPU 本身就已经是一颗"可编程的 TPU"。

谷歌 TPU 的核心就是一个大号矩阵乘法引擎（脉动阵列），而英伟达数据中心 GPU 里的 Tensor Core 就是同一类东西——现代 B/H/Rubin 系列绝大部分晶体管面积都给了矩阵运算、Transformer Engine、FP4。它已经把"TPU 那部分"塞进芯片，外面再裹一层可编程性 + CUDA。再单独剥一颗固定功能 TPU，等于为一点点能效，扔掉自己最值钱的两样东西（生态 + 灵活性）。具体原因：

商业模式与毛利：定制 ASIC（如博通替谷歌做 TPU）本质是"代工设计服务"，芯片归客户、客户拿走大部分价值。英伟达卖通用 GPU 是 ~70%+ 毛利的生意，下场做 ASIC = 自我商品化。
CUDA / 生态护城河：壁垒靠"一个通用架构卖给所有人"复利。ASIC 绑死单一客户、绕开 CUDA，等于亲手削护城河；多一个 ISA 还会把开发者的目标平台劈成两半。
TPU 的优势来自垂直协同设计，而 NVDA 结构上没有：谷歌同时掌握芯片 + 编译器（XLA）+ 自家模型（Gemini），三者 co-design 才压出能效。英伟达面对几千客户、几千模型，没有"自家固定负载"可针对性优化，通用可编程才是理性产品。
灵活性 vs 固化：AI 架构变化极快（Transformer、MoE、FP4…），ASIC 从设计到流片 ~2 年、功能写死，可能流片即过时。GPU 可编程，能跟着新模型走。
利益冲突 / 赢不回叛逃客户：要做 ASIC 的恰是它的大客户，目的就是摆脱对它的依赖。一颗"英伟达牌 TPU"仍把客户锁在自己身上——拉不回叛逃者，却会蚕食忠诚的 GPU 买家，两头不讨好。

反制方式：英伟达不另起 ASIC 架构，而是在 GPU/CUDA 家族内部做专用化——每代把 TPU 的好处吸进 GPU（Tensor Core、Transformer Engine、FP4、NVLink），并按负载分型号（如 2025-09 发布、面向百万级长上下文推理的 Rubin CPX，走"分离式推理"，后续路线图又有调整）。同时用 NVLink Fusion（2025-05）让客户自研 ASIC 也能插进它的机柜生态，照样卖网络/CPU/交换/软件；并以约 20 亿美元投资 Marvell，形成"软性生态锁定"。

二、客户集中度：事实与数据（这是空头逻辑的硬基础）

英伟达最大的买家，正是自研芯片要绕开它的那批人，且集中度极端：

口径（FY2026）	数据
四个直接客户各自 >10%，合计	61%（Q3：A 22%、B 15%、C 13%、D 11%）
前两大客户合计（Q2）	约 39–40%（A 23%、B 16%）
前五大云厂（CSP）占公司收入	约 40%
大型 CSP 占数据中心收入	每季约 50%（另一半来自企业/工业/主权 AI 等）
黄仁勋口径：非云客户占比	约 40%

这些客户具备啃下 ASIC 的全部条件：有钱（单颗 ASIC 研发 3–5 亿美元对其是小钱）、有量（>10 万颗即划算）、有动机（躲开 ~70%+ 毛利、掌控供应链与路线图）。

三、看空逻辑：份额会明显萎缩

市占率确实在掉：数据中心 AI 加速器收入份额，从 2023 的 ~92% 降到 2026 的 ~80–85%；自研 ASIC 目标 2026 拿到 10–15%，AMD 约 5–8%。
ASIC 出货增速远超 GPU：2026 定制 ASIC 出货预计同比 +44.6%，而商用 GPU 仅 +16.1%。
博通这条线在放量：博通是谷歌 TPU、Meta MTIA、微软 Maia 以及 OpenAI/Anthropic 加速器项目的设计方，AI 在手订单约 730 亿美元，目标 2027 年 AI 芯片年收入 1000 亿美元。
经济账成立：部署 >10 万颗时，定制芯片对特定负载 TCO 可低 30–50%；高频推理一年内即可收回 3–5 亿美元研发成本。
集中度即脆弱性：任一大客户砍 capex 或大幅转内部硅，都会直接冲击 NVDA 的绝对数字。

四、看多逻辑：份额 ≠ 收入（对空头的反驳）

蛋糕在暴涨：总市场若 3 年涨 3–5 倍，份额从 90% 掉到 70%，绝对收入照样大增。只盯"市占率%"是错的指标。
ASIC 主要吃"自家增量推理"，不是训练/前沿：训练、研发、跑最新模型几乎离不开 GPU 的可编程性。谷歌 TPU 是唯一真正成熟的（做了 10 年），Trainium/Maia/MTIA 偏推理，且在自家内部都没能完全替掉 GPU。
自研很难，软件是真壁垒：CUDA + 编译器 + 生态成熟度追起来很痛；不少"自研芯片"公告含相当成分的对 NVDA 压价筹码，真下单仍买大量 GPU。
NVDA 在反制 + 客户结构在分散：NVLink Fusion 让别人的 ASIC 也给它贡献基础设施收入；约 40% 收入已来自非云客户（主权 AI、企业、CoreWeave 等 neocloud），这些买家自己做不了 ASIC。叠加每年一迭代（Hopper→Blackwell→Rubin），ASIC 在追移动靶。
毛利极高本身是双刃：H100 类产品毛利高达约 88%（制造成本约 3,320 美元、售价约 28,000 美元）——这是吸引对手进场的诱因，但也意味着即便降价让利，NVDA 仍有极大缓冲空间维持竞争力。

五、真正的胜负手：盯这三个变量，而非"份额"

定价权 / 毛利（核心）：一旦 ASIC 成熟、供给追上需求，议价权下滑 → 毛利从 ~70% 往下压，这才是真正伤估值的地方。毛利率趋势比市占率更重要。
客户集中度风险：关注前 2–4 大客户占比变化，以及任何一家把内部硅占自身算力的比例显著抬高的信号。
时间维度：近 1–2 年需求远超供给，ASIC 放量尚未啃到 NVDA 绝对数字；3–5 年才是份额与毛利侵蚀真正发力的窗口。

六、关键监测指标（Checklist）

[ ] 季度毛利率：是否跌破 ~70%，以及管理层对毛利的指引口径。
[ ] 客户集中度：>10% 客户数量与合计占比（当前四家 = 61%）的季度变化。
[ ] 大客户内部硅比例：谷歌 TPU、AWS Trainium、微软 Maia、Meta MTIA 占各自算力的份额。
[ ] 博通/Marvell AI 收入与在手订单：博通 AI 收入向 1000 亿美元目标推进的节奏。
[ ] 非云客户占比：主权 AI、企业、neocloud 能否持续稀释大客户集中度。
[ ] 供需平衡拐点：GPU 从"供不应求"转向"供给追上"的时点——这是议价权转折的先行信号。
[ ] NVDA 迭代节奏：Rubin 及后续是否守住年更新节奏与全栈（网络/软件）优势。

七、结论

份额几乎肯定会从垄断回落——这部分空头是对的。但把它等同于"收入大幅萎缩"则过度简化：短中期更可能是"份额降、收入仍增"，因为蛋糕在暴涨、ASIC 主要啃标准化推理、且 NVDA 用生态 + 迭代 + 半定制（NVLink Fusion）在主动对冲。

对投资者而言，真正决定 NVDA 估值的不是"份额会不会掉"（会），而是毛利能不能扛住与大客户会不会集中性转移。这也正是当下 NVDA vs AVGO 多空争论的真正焦点。

数据来源

免责声明

本报告为基于公开信息的事实梳理与分析框架，不构成投资建议。作者非持牌投资顾问，所有数字（市占率、集中度、毛利、份额预测等）来自第三方来源，可能存在口径差异或时效偏差，请以官方财报与一手披露为准。具体仓位与交易决策请自行判断或咨询专业人士。