华尔街大型投行之一的伯恩斯坦发布研报称，全球范围AI应用端对于谷歌TPU算力体系的强劲扩张态势，正在为联发科公司(MediaTek Inc)打开远超传统手机芯片业务的新增长空间。将联发科目标价从4380新台币大幅上调至5500新台币，维持“跑赢大盘”评级及其覆盖范围内的首选地位，核心依据是定制化AI计算加速器(TPU/AI ASIC/XPU)市场扩大、谷歌项目放量和经营杠杆提升。谷歌TPU即为最典型的云计算大厂们自研AI ASIC/XPU芯片技术路线。

伯恩斯坦分析师团队对于联发科2026—2028年ASIC收入预测分别为24亿美元、160亿美元和440亿美元。报告预计，ASIC占公司收入的比例将从2026年的11%升至2027年的43%、2028年的高达大约65%，对每股收益的贡献则分别达到15%、42%和68%。与此同时，伯恩斯坦将2028年全球数据中心XPU ASIC市场预测由1400亿—1600亿美元提高至2500亿—3000亿美元，2026年、2027年的预测分别为500亿—700亿美元和1300亿—1500亿美元。

这些最新预测意味着，股票市场投资者们对于联发科的投资逻辑同时受益于行业扩容与该公司本身AI ASIC市场份额大幅提升——报告预计其2028年份额可达约四分之一。

对于模型结构相对稳定、调用量巨大且能够长期保持高利用率的成熟模型、开源模型与AI智能体工作负载，TPU等专用AI芯片(谷歌TPU即为最典型的云计算大厂们自研AI ASIC技术路线)可以围绕低精度矩阵计算、内存访问和芯片互连进行深度优化，从而改善单位Token成本、每瓦吞吐量与总体拥有成本;与此同时，谷歌TPU算力集群同样可以承担大规模训练任务，因此更准确的趋势是GPU与ASIC/TPU形成异构算力分工。

也就是说，AI训练算子进程以及那些架构最复杂、变化速率最快的前沿AI工作负载仍高度需要AI GPU集群——前沿模型预训练、强化学习和快速变化的新算子仍更依赖GPU的可编程性、CUDA生态与NVLink/NVSwitch集群能力，而围绕成熟与开源体系AI大模型、Copilot、AI Agent(即AI智能体)的大规模AI推理工作负载则越来越适合专用的自研AI芯片。具体来看，谷歌将第八代TPU分为训练型TPU 8t和推理型TPU 8i：8i通过更大的片上SRAM、288GB HBM和专用集合通信引擎优化KV Cache与低延迟推理，官方称其推理性价比较Ironwood提高最高80%。

在摩根士丹利、Wedbush Securities等持续看好AI算力产业链投资前景的机构们看来，AI推理时代的近乎无止境最前沿算力与围绕AI智能体的算力需求，使AI ASIC能够在不摧毁GPU需求的情况下成长为第二个万亿级算力生态的重要组成部分——反而进一步强化了“AI半导体超级周期不是单一GPU周期，而是整个数据中心硅含量指数级提升周期”的AI算力产业链投资逻辑。

TPU放量改写盈利版图：联发科站上ASIC扩张前沿

伯恩斯坦对于联发科的强劲增长曲线预期能否兑现，关键在于连续两代谷歌TPU算力体系的量产能力。在资深分析师Mark Li领导的伯恩斯坦分析师团队看来，首个项目TPU v8t已进入量产，测试结果令人满意;联发科8月营收走强可能已有ASIC贡献。

2027年160亿美元的预测建立在产能保障之上：联发科可以从其他产品调配晶圆产能，真正紧张的环节主要是台积电CoWoS先进封装，伯恩斯坦认为其在谷歌协助下已取得足够产能。2028年则主要由第二个大型AI算力项目TPU v9驱动，预计2027年末开始量产，采用EMIB-T封装;更高的芯片复杂度与平均售价，加上封装供给提升，共同支撑440亿美元收入预测。需要补充的是，伯恩斯坦的行业规模及份额测试采用包含HBM价值的统一口径，而联发科自身ASIC收入不包含HBM。

基板成为这一代产品的重要约束，Ibiden、Shinko和欣兴已被动员准备供给，但各家的经验和良率进展不同。由此可见，TPU需求向供应链利润的传导，需要晶圆、HBM、封装和基板同步配合;决定交付节奏的往往是其中供给最紧、良率爬升最慢的环节。

伯恩斯坦看多联发科，主要押注盈利兑现，同时已将后续竞争计入估值。伯恩斯坦编制的预测模型显示，2027年、2028年EPS分别为169.35、369.45新台币，较市场共识高约22%和38%;其中2028年预测较此前上调65.5%，2027年却小幅下调0.7%，因此这次上修重点在更远期。模型中的公司毛利率从2026年的45.9%降至2028年的42.9%，营业利润率却由16.6%升至30.1%，反映收入增长快于费用增长形成的经营杠杆。

考虑到暂称“v10”的2029年谷歌项目可能引入更多供应商，伯恩斯坦将估值倍数从22倍降至18倍;潜在竞争者包括博通、世芯、创意，以及可能参与的AMD、Marvell;联发科的防御能力来自规模、IP组合、成本、采购与项目履历，拓展其他AI客户仍属于潜在增量。与英伟达通过NVLink Fusion推进的合作，则可能带来更多ASIC项目、更高利润率及机架、子系统收入，报告尚未将这些收益计入模型。

伯恩斯坦表示，英伟达和谷歌参与可转债融资也有助于深化合作，谷歌潜在持股上限仅0.2%，并不意味着双方形成排他关系。传统业务也需要纳入判断：伯恩斯坦将2026年全球手机出货降幅预测由15%收窄至13.5%，仍预计联发科手机业务收入下降18%，由约20%的Smart Edge增长部分缓冲，高存储成本向客户转嫁的进展也优于预期。

从算力长约到每Token成本，ASIC需求狂潮席卷全球

与AI算力产业链层面相关联的强劲AI算力需求支撑，已经显著体现在产业链领军者们强劲业绩、韩国持续创纪录半导体出口和长期容量协议安排中。但股票市场对这条算力增长曲线的定价仍在反复调整。

韩国官方数据显示，2026年8月半导体出口达到466.5亿美元，同比增长209%;9月1—10日半导体出口同比增长270.1%。英伟达8月26日公布的2027财年第二季度收入为962亿美元，同比增长106%，其中数据中心收入890亿美元，同比增长117%，进一步体现AI基础设施采购规模的扩大。市场层面，韩国股市在7月底急挫后出现修复，费城半导体指数8月13日盘中较7月29日低点反弹超过20%;但截至9月14日收盘，费半指数之后又单日下跌5.86%。

正在筹备美股市场创纪录IPO的Anthropic，也在通过长期协议扩大算力供应。其今年4月宣布，未来十年向AWS相关技术投入超过1000亿美元，获取最高5吉瓦(GW)的新容量，用于训练和运行Claude;与谷歌、博通签署的另一份协议，则涉及预计自2027年起陆续上线的数吉瓦下一代张量处理单元(TPU)容量。

Facebook母公司Meta同样在扩充多种计算平台：2月公布与AMD合作部署最高6GW的Instinct GPU，4月又与CoreWeave签署约210亿美元的扩展协议，获得延续至2032年末的AI云容量，重点包括推理工作负载。这些协议支持伯恩斯坦关于市场总量扩张的判断：Google、Anthropic、OpenAI、亚马逊等需求来源增加，使多个关键AI芯片相关的供应商有机会同时增长。

上述的这些数据共同表明，AI算力层面的基础设施需求已经形成规模可观的实际采购与供应商收入，这些长期承诺提高了未来芯片、机房和电力需求的可见度，同时也使供应商的交付能力、融资成本和客户实际使用量成为AI投资回报的关键变量。对联发科基本面本身而言，联发科2026—2027年主要受益于TPU v8t、2028年主要受益于TPU v9，直接可跟踪的增长路径仍是报告所列谷歌项目;其他公司的算力承诺首先代表行业需求，能否转化为联发科收入，还取决于具体供应商选择、芯片方案和交付安排。

AI推理时代的Token经济学截然不同于AI训练工作负载，训练包含前向传播、反向传播、梯度同步与频繁变化的研究型算子，更看重通用性、软件成熟度和集群扩展能力;推理则可拆分为计算密集型的预填充(Prefill)和内存带宽、KV缓存及延迟敏感的解码。ASIC/XPU能够实现删除不必要的通用电路，针对FP8/FP4低精度矩阵运算、注意力机制、混合专家模型(MoE)、KV Cache和数据移动路径进行硬化，从而提升每瓦Token数量级、每美元Token数及服务等级协议(SLA)的确定性。

需要强调的是，AI智能体的模型调用模式虽然相比于GPU更加适合ASIC，但其规划、工具调用、检索增强生成(RAG)和状态管理仍需CPU、内存、网络与存储协同，因此智能体时代反而会进一步强化“异构计算体系”。

微软一份研究报告称该公司的定制化AI ASIC——即Maia 200相较其机群中最新一代硬件已经实现每美元性能提高30%，其自研MAI模型运行在Maia 200上时每瓦性能提高约40%。这正是推理时代ASIC/XPU最危险的竞争力：当数十亿次相似Token生成任务能够被高度标准化之后，英伟达主导的“万能GPU”的灵活性溢价不一定值得每一次推理请求都支付。