智通財經APP獲悉，華爾街大型投行之一的伯恩斯坦發布研報稱，全球範圍AI應用端對於谷歌TPU算力體系的強勁擴張態勢，正在為聯發科公司(MediaTek Inc)打開遠超傳統手機芯片業務的新增長空間。將聯發科目標價從4380新台幣大幅上調至5500新台幣，維持「跑贏大盤」評級及其覆蓋範圍內的首選地位，核心依據是定製化AI計算加速器(TPU/AI ASIC/XPU)市場擴大、谷歌項目放量和經營槓桿提升。谷歌TPU即為最典型的雲計算大廠們自研AI ASIC/XPU芯片技術路線。

伯恩斯坦分析師團隊對於聯發科2026—2028年ASIC收入預測分別為24億美元、160億美元和440億美元。報告預計，ASIC佔公司收入的比例將從2026年的11%升至2027年的43%、2028年的高達大約65%，對每股收益的貢獻則分別達到15%、42%和68%。與此同時，伯恩斯坦將2028年全球數據中心XPU ASIC市場預測由1400億—1600億美元提高至2500億—3000億美元，2026年、2027年的預測分別為500億—700億美元和1300億—1500億美元。

這些最新預測意味着，股票市場投資者們對於聯發科的投資邏輯同時受益於行業擴容與該公司本身AI ASIC市場份額大幅提升——報告預計其2028年份額可達約四分之一。

對於模型結構相對穩定、調用量巨大且能夠長期保持高利用率的成熟模型、開源模型與AI智能體工作負載，TPU等專用AI芯片(谷歌TPU即為最典型的雲計算大廠們自研AI ASIC技術路線)可以圍繞低精度矩陣計算、內存訪問和芯片互連進行深度優化，從而改善單位Token成本、每瓦吞吐量與總體擁有成本;與此同時，谷歌TPU算力集群同樣可以承擔大規模訓練任務，因此更準確的趨勢是GPU與ASIC/TPU形成異構算力分工。

也就是說，AI訓練算子進程以及那些架構最複雜、變化速率最快的前沿AI工作負載仍高度需要AI GPU集群——前沿模型預訓練、強化學習和快速變化的新算子仍更依賴GPU的可編程性、CUDA生態與NVLink/NVSwitch集群能力，而圍繞成熟與開源體系AI大模型、Copilot、AI Agent(即AI智能體)的大規模AI推理工作負載則越來越適合專用的自研AI芯片。具體來看，谷歌將第八代TPU分為訓練型TPU 8t和推理型TPU 8i：8i通過更大的片上SRAM、288GB HBM和專用集合通信引擎優化KV Cache與低延遲推理，官方稱其推理性價比較Ironwood提高最高80%。

在摩根士丹利、Wedbush Securities等持續看好AI算力產業鏈投資前景的機構們看來，AI推理時代的近乎無止境最前沿算力與圍繞AI智能體的算力需求，使AI ASIC能夠在不摧毀GPU需求的情況下成長為第二個萬億級算力生態的重要組成部分——反而進一步強化了「AI半導體超級周期不是單一GPU周期，而是整個數據中心硅含量指數級提升周期」的AI算力產業鏈投資邏輯。

TPU放量改寫盈利版圖：聯發科站上ASIC擴張前沿

伯恩斯坦對於聯發科的強勁增長曲線預期能否兌現，關鍵在於連續兩代谷歌TPU算力體系的量產能力。在資深分析師Mark Li領導的伯恩斯坦分析師團隊看來，首個項目TPU v8t已進入量產，測試結果令人滿意;聯發科8月營收走強可能已有ASIC貢獻。

2027年160億美元的預測建立在產能保障之上：聯發科可以從其他產品調配晶圓產能，真正緊張的環節主要是台積電CoWoS先進封裝，伯恩斯坦認為其在谷歌協助下已取得足夠產能。2028年則主要由第二個大型AI算力項目TPU v9驅動，預計2027年末開始量產，採用EMIB-T封裝;更高的芯片複雜度與平均售價，加上封裝供給提升，共同支撐440億美元收入預測。需要補充的是，伯恩斯坦的行業規模及份額測試採用包含HBM價值的統一口徑，而聯發科自身ASIC收入不包含HBM。

基板成為這一代產品的重要約束，Ibiden、Shinko和欣興已被動員準備供給，但各家的經驗和良率進展不同。由此可見，TPU需求向供應鏈利潤的傳導，需要晶圓、HBM、封裝和基板同步配合;決定交付節奏的往往是其中供給最緊、良率爬升最慢的環節。

伯恩斯坦看多聯發科，主要押注盈利兌現，同時已將後續競爭計入估值。伯恩斯坦編制的預測模型顯示，2027年、2028年EPS分別為169.35、369.45新台幣，較市場共識高約22%和38%;其中2028年預測較此前上調65.5%，2027年卻小幅下調0.7%，因此這次上修重點在更遠期。模型中的公司毛利率從2026年的45.9%降至2028年的42.9%，營業利潤率卻由16.6%升至30.1%，反映收入增長快於費用增長形成的經營槓桿。

考慮到暫稱「v10」的2029年穀歌項目可能引入更多供應商，伯恩斯坦將估值倍數從22倍降至18倍;潛在競爭者包括博通、世芯、創意，以及可能參與的AMD、Marvell;聯發科的防禦能力來自規模、IP組合、成本、採購與項目履歷，拓展其他AI客戶仍屬於潛在增量。與英偉達通過NVLink Fusion推進的合作，則可能帶來更多ASIC項目、更高利潤率及機架、子系統收入，報告尚未將這些收益計入模型。

伯恩斯坦表示，英偉達和谷歌參與可轉債孖展也有助於深化合作，谷歌潛在持股上限僅0.2%，並不意味着雙方形成排他關係。傳統業務也需要納入判斷：伯恩斯坦將2026年全球手機出貨降幅預測由15%收窄至13.5%，仍預計聯發科手機業務收入下降18%，由約20%的Smart Edge增長部分緩衝，高存儲成本向客戶轉嫁的進展也優於預期。

從算力長約到每Token成本，ASIC需求狂潮席捲全球

與AI算力產業鏈層面相關聯的強勁AI算力需求支撐，已經顯著體現在產業鏈領軍者們強勁業績、韓國持續創紀錄半導體出口和長期容量協議安排中。但股票市場對這條算力增長曲線的定價仍在反覆調整。

韓國官方數據顯示，2026年8月半導體出口達到466.5億美元，按年增長209%;9月1—10日半導體出口按年增長270.1%。英偉達8月26日公布的2027財年第二季度收入為962億美元，按年增長106%，其中數據中心收入890億美元，按年增長117%，進一步體現AI基礎設施採購規模的擴大。市場層面，韓國股市在7月底急挫後出現修復，費城半導體指數8月13日盤中較7月29日低點反彈超過20%;但截至9月14日收盤，費半指數之後又單日下跌5.86%。

正在籌備美股市場創紀錄IPO的Anthropic，也在通過長期協議擴大算力供應。其今年4月宣佈，未來十年向AWS相關技術投入超過1000億美元，獲取最高5吉瓦(GW)的新容量，用於訓練和運行Claude;與谷歌、博通簽署的另一份協議，則涉及預計自2027年起陸續上線的數吉瓦下一代張量處理單元(TPU)容量。

Facebook母公司Meta同樣在擴充多種計算平台：2月公布與AMD合作部署最高6GW的Instinct GPU，4月又與CoreWeave簽署約210億美元的擴展協議，獲得延續至2032年末的AI雲容量，重點包括推理工作負載。這些協議支持伯恩斯坦關於市場總量擴張的判斷：Google、Anthropic、OpenAI、亞馬遜等需求來源增加，使多個關鍵AI芯片相關的供應商有機會同時增長。

上述的這些數據共同表明，AI算力層面的基礎設施需求已經形成規模可觀的實際採購與供應商收入，這些長期承諾提高了未來芯片、機房和電力需求的可見度，同時也使供應商的交付能力、孖展成本和客戶實際使用量成為AI投資回報的關鍵變量。對聯發科基本面本身而言，聯發科2026—2027年主要受益於TPU v8t、2028年主要受益於TPU v9，直接可跟蹤的增長路徑仍是報告所列谷歌項目;其他公司的算力承諾首先代表行業需求，能否轉化為聯發科收入，還取決於具體供應商選擇、芯片方案和交付安排。

AI推理時代的Token經濟學截然不同於AI訓練工作負載，訓練包含前向傳播、反向傳播、梯度同步與頻繁變化的研究型算子，更看重通用性、軟件成熟度和集群擴展能力;推理則可拆分為計算密集型的預填充(Prefill)和內存帶寬、KV緩存及延遲敏感的解碼。ASIC/XPU能夠實現刪除不必要的通用電路，針對FP8/FP4低精度矩陣運算、注意力機制、混合專家模型(MoE)、KV Cache和數據移動路徑進行硬化，從而提升每瓦Token數量級、每美元Token數及服務等級協議(SLA)的確定性。

需要強調的是，AI智能體的模型調用模式雖然相比於GPU更加適合ASIC，但其規劃、工具調用、檢索增強生成(RAG)和狀態管理仍需CPU、內存、網絡與存儲協同，因此智能體時代反而會進一步強化「異構計算體系」。

微軟一份研究報告稱該公司的定製化AI ASIC——即Maia 200相較其機群中最新一代硬件已經實現每美元性能提高30%，其自研MAI模型運行在Maia 200上時每瓦性能提高約40%。這正是推理時代ASIC/XPU最危險的競爭力：當數十億次相似Token生成任務能夠被高度標準化之後，英偉達主導的「萬能GPU」的靈活性溢價不一定值得每一次推理請求都支付。