PART 1 核心投资逻辑
1.需求端爆发：AI算力需求从“通用”向“专用”演化，TPU性价比优势凸显。 随着大语言模型（LLM）进入万亿参数时代，AI计算任务从探索性的“训练”大规模走向商业化的“推理”。GPU作为通用算力单元，其高昂的成本（英伟达H100单卡市价超2万美元）和功耗成为AI应用普及的瓶颈。TPU作为专为张量运算（AI核心计算任务）设计的ASIC芯片，展现出极致的性价比优势。谷歌数据显示，其TPU算力成本仅为OpenAI使用GPU成本的1/5，性能功耗比更是优于同代GPU。苹果、OpenAI、Anthropic等头部AI玩家已开始租用谷歌TPU进行模型训练与推理，标志着市场需求正从对GPU的单一依赖转向“GPU+TPU”的多元化格局。
2.供给端变革：云巨头“自研芯片”打破垄断，重塑产业链价值分配。 以谷歌为首的云服务提供商（CSP）正通过自研TPU等ASIC芯片，摆脱对第三方（英伟达）的依赖，实现“算力自主”。这一转变的核心动因是降本增效和供应链安全。谷歌TPU已迭代至第七代（Ironwood），亚马逊、Meta等紧随其后。这种“垂直整合”模式使得CSP从单纯的“算力购买方”转变为“算力定义者和供给方”，产业链的利润将从原先高度集中的GPU厂商向上游的IP/EDA、晶圆代工、先进封装以及下游的服务器ODM、关键零部件（光模块、PCB、液冷）等环节扩散，为这些环节的头部企业带来结构性增量机会。
3.技术与商业模式涌现：从内部特供到对外开放，开启新增长曲线。 谷歌TPU最初为其内部服务（搜索、Gemini模型）设计，已形成强大的内部需求闭环。自2026年起，谷歌计划对外销售TPU，客户包括xAI、Meta等，这将彻底打开TPU的商业化空间。这一转变将TPU从“成本中心”变为“利润中心”，其市场规模不再局限于谷歌的资本开支，而是面向整个AI市场。同时，国产TPU厂商（如中昊芯英）的崛起，受益于国内智算中心建设和信创政策，正开启一个独立的、由内需驱动的高速增长赛道。
PART 2 产业组织形态
核心产业发展趋势
TPU行业正处于从“内部孵化”到“全面商用”的关键爆发点，未来几年将见证其市场地位的快速确立。
产业链各环节竞争格局
部分展示，前往Alpha派获取完整表格
未来会越来越强的公司类型分析：
1.全栈生态型巨头（如谷歌）：通过“芯片设计+软件框架+云平台+AI应用”的垂直整合，构建了最深的护城河。其技术路线定义了行业标准，能够捕获产业链的最大价值。
2.核心“卖铲人”：在产业链中具有不可替代性的环节，壁垒极高。
￮晶圆代工/封装（如台积电）：垄断了先进制程与先进封装，所有AI芯片的性能都依赖于此。
￮设计服务（如博通）：深度绑定头部客户，提供稀缺的ASIC设计能力，分享AI芯片的高增长红利。
3.高速迭代的零部件龙头（如中际旭创）：紧跟TPU等AI芯片的代际升级，在高速光模块等关键瓶颈部件上技术领先、份额稳固，直接受益于算力集群规模的扩张。
4.国产自主可控龙头（如寒武纪、中昊芯英及其投资者）：在国内信创和智算中心建设的大背景下，作为稀缺的国产AI训练芯片标的，将获得政策和市场的双重支持，成长弹性巨大。
弹性测算分析
需求分析
当前TPU需求主要由谷歌内部业务（搜索、广告、Gemini模型训练）驱动，同时苹果、OpenAI、Anthropic等外部头部客户已开始租用谷歌云TPU，验证了其技术和商业可行性。未来最大的增量来自：1）2026年TPU对外销售，市场从谷歌内部拓展至所有AI开发者；2）大模型从语言向多模态、AI Agent演进，对算力需求呈指数级增长。
供给分析
当前供给由谷歌主导，产能核心瓶颈在于台积电的先进制程晶圆和CoWoS封装。博通、联发科的加入将加速TPU的设计迭代。谷歌已发布第七代TPU，性能持续提升，供给质量不断提高。国产TPU厂商中昊芯英已实现7nm芯片量产，开始小规模供给。
弹性测算
TPU作为专用AI芯片（ASIC）的一种，其市场增长将显著快于通用GPU。我们采用量价模型，并引入“渗透率”和“涌现效应系数”来测算其非线性增长弹性。
核心假设：
1.出货量 (量)：以xx证券预测的2025年270万片、2026年370万片为基准。考虑到2026年后TPU对外销售及AI应用爆发，假设2027-2028年出货量年均复合增长率（CAGR）为40%。
2.平均售价 (价)：参考xx研报披露的TPU v5约5000美元的成本，并考虑其作为高端芯片的销售溢价，设定2025年ASP为8000美元。随着技术迭代（TPU v7/v8）和HBM等成本增加，以及性能大幅提升带来的价值增长，假设ASP年增15%。
3.ASIC渗透率：TPU是ASIC的一种。根据Marvell和博通预测，ASIC在数据中心AI加速器中的份额将从2024年约25%提升至2028年的50%左右。我们将此作为模型的重要参考。
4.涌现效应系数：线性测算无法体现产业爆发力。我们引入系数来量化“对外销售打开新市场”、“生态完善吸引开发者”、“性价比优势加速替代GPU” 等非线性增长因素。假设该系数从1.1开始，逐年递增。
TPU行业市场规模弹性测算表
部分展示，前往Alpha派获取完整表格
结论：
预计到2028年，全球TPU市场规模将超过1200亿美元，四年复合增长率高达72.9%。这一测算结果显著高于传统半导体行业，其核心弹性来源于 “AI专用算力需求爆发” 与“对高成本GPU的替代” 形成的供需剪刀差，以及“谷歌从自用到外售” 带来的商业模式突变。
主要上市公司对比分析
在TPU产业链中，最具投资价值的公司是那些在关键环节具备稀缺性、技术壁垒和强绑定关系的企业。
•谷* (G****) 是生态的定义者和最大受益者，其投资价值在于整个AI战略的成功，TPU是其核心武器。
•博* (A***) 和台** (T**) 是“卖铲人”中的王者，前者提供稀缺的ASIC设计能力，后者提供独一无二的制造能力，确定性最高。
•中***是算力基础设施的“送水管”，TPU集群规模越大，网络速率越高，其价值越高，是A股中受益最直接、弹性最强的标的之一。
•寒***和中*** (通过 科***、艾**、浙*** 间接投资) 代表了国产TPU路线的希望，虽然技术和生态仍有差距，但受益于国内庞大的市场和政策支持，具备极高的长期想象空间和弹性。
关注和跟踪的指标
1.需求端核心指标：
￮谷歌资本开支（Capex）指引： 这是判断TPU及相关基础设施投资力度的最直接、最领先的指标。需特别关注其对数据中心和AI部分的投入规划。
￮谷歌云TPU客户增长情况： 关注除苹果、OpenAI外，是否有新的重量级客户宣布采用TPU，这是TPU生态扩展的关键信号。
￮国产智算中心招标情况： 跟踪国内各地智算中心的建设进度和对国产AI芯片的采购比例，这是判断国产TPU路线商业化落地的重要依据。
2.供给端瓶颈指标：
￮台积电CoWoS产能扩张进度及稼动率： CoWoS是目前AI芯片（包括TPU和GPU）的核心产能瓶颈，其产能释放速度直接影响TPU的出货量。
￮HBM（高带宽内存）价格与供给： HBM是TPU的关键组件，其价格和供应情况会直接影响TPU的成本和出货。
￮光模块订单/出货数据： 跟踪中际旭创等龙头厂商800G及1.6T光模块的出货量和订单情况，可侧面验证大型TPU集群的部署进度。
3.最佳跟踪环节：
￮上游的ASIC设计服务商（如博通）和晶圆代工厂（如台积电） 是跟踪全球TPU趋势的最佳环节。它们的订单和业绩指引直接反映了谷歌等云巨头的需求强度和技术路线图，具有最强的领先性。
￮中游的光模块龙头（如中际旭创） 是跟踪A股产业链的最佳环节。其高端产品的出货量和ASP（平均售价）变化，是衡量AI算力投资落地情况的“晴雨表”，数据透明度相对较高。
产业链重点公司
部分展示，前往Alpha派获取完整表格
*内容由Alpha派Agent生成，仅供参考，并不构成投资建议
一键get主题概念股，就用主题选股Agent
·路径：PaiPai-主题选股
Web端直达链接：
https://alphapai-web.rabyte.cn/reading/paipai/index
