ASIC出貨量2027年料首超GPU，AI重塑伺服器儲存架構
Nashnova编辑部
DIGITIMES分析師預測ASIC晶片出貨量將於2027年達1530萬顆，首次超越GPU的1070萬顆；與此同時AI伺服器存儲架構進入創新周期，三條技術路徑爭奪下一代主導權。
甚麼是「黃金交叉」，為甚麼是2027年？
ASIC（為特定任務定制的晶片，不像GPU那樣通用）出貨量2026年預計720萬顆，同比增長42.3%；GPU同期850萬顆，增速30%——ASIC已在加速追趕。
到2027年，ASIC增速躍升至110.9%、達1530萬顆，GPU增至1070萬顆但增速放緩至25.2%。這意味著→ ASIC不是贏在絕對體量，而是贏在增長斜率：一年之內增速從42%跳到111%。
簡單來說＝ GPU仍在賣得更多，但定制晶片的需求正以翻倍速度膨脹——誰的客戶在大規模自研晶片，誰就是這個拐點的推手。
谷歌憑甚麼能追上英偉達？
英偉達2027年晶片出貨量預計910萬顆，同比增長18.2%，仍居首位。谷歌預計800萬顆，同比增長134%——差距從數量級縮小到僅110萬顆。
谷歌TPU（谷歌自研的AI訓練晶片）需求爆發有兩個來源：內部靠Gemini和谷歌雲消耗，外部向Anthropic、Meta等客戶銷售。這意味著→ 谷歌不只是自用大戶，還在變成晶片供應商。
但供應瓶頸是最大變量：上游玻璃纖維布、ABF基板（一種晶片封裝用的關鍵材料）以及台積電3納米產能都可能卡脖子。這反映出 增長預測能否兌現，取決於供應鏈而非需求側。
CPU為甚麼也在加速，誰在拉動？
CPU出貨量2026年預計3610萬顆，同比增長27.1%；2027年進一步增至5260萬顆，增速45.7%。
驅動力來自代理式AI（agentic AI，指能自主規劃、執行多步任務的AI系統）的普及——它跑在通用伺服器上，不像大模型訓練那樣只吃GPU。
2027年通用伺服器CPU預計4220萬顆，AI伺服器CPU預計1040萬顆。說白了＝ AI不只是「買顯卡」的故事，通用CPU需求量反而是AI專用CPU的四倍。
存儲架構2027年怎麼變，三條路徑誰先落地？
AI伺服器存儲架構預計2027年進入創新周期，沿三條路徑演進：近存處理（PNM）、三維存儲與邏輯堆疊、高帶寬閃存（HBF）。
PNM（把計算邏輯放在存儲晶片旁邊，而非放在裡面）在功耗、性能、面積上均優於存內處理（PIM），商業化進程預計更快。三維堆疊方面，英偉達、AMD、谷歌都在佈局，不僅堆疊HBM/LPDDR等DRAM，還在把平面SRAM轉向三維堆疊。
HBF容量可超HBM十倍以上，但帶寬和延遲都不如HBM。這意味著→ HBF適合「大容量、對速度要求沒那麼極端」的場景，但標準化和軟件生態尚未成熟，2028年商業部署概率仍偏低。
所有路徑的共同瓶頸在哪？
台積電3納米產能能否如期釋放，是ASIC放量、谷歌TPU擴產、存儲新架構落地的共同驗證節點。
上游材料（玻璃纖維布、ABF基板）的供給彈性同樣關鍵——晶片設計再快，封裝材料跟不上就是空轉。
簡單來說＝ 2027年的「黃金交叉」和存儲變革都畫在了紙上，但能不能兌現，最終看的是工廠和材料，不是簡報。
Content is for reference only, not financial advice.