Broadcom 刚刚向华尔街给出了一个极其激进的预测

Broadcom 刚刚向华尔街给出了一个极其激进的预测。 它的 AI 半导体营收，预计从 2026 财年的 580 亿美元，飙升到 2028 财年的 2300 亿美元。 但在这一连串天文数字背后，管理层说了一句反常识的判断： 未来几年，它的 AI 网络业务增速，会和定制算力芯片跑得一样快。

所有人都在盯着算力。 算力芯片是聚光灯下的绝对主角。 交换机、光模块、连接线，在过去只是机房里的配角。 为什么负责连线的生意，能跟算力芯片并驾齐驱？

因为分布式计算撞上了一道物理墙。 计算机体系结构里，1967 年阿姆达尔定律就定下了这道铁律。 单颗芯片的算力提升是线性的。 但今天训练一个前沿大模型，没人能靠单颗芯片搞定。 科技巨头要把 10 万颗、甚至上百万颗芯片绑在同一个集群里。

芯片一多，真正的麻烦才刚开始。 跑分布式训练的时候，每跑完一个步骤，所有芯片必须同步交换参数和梯度。 芯片数量每翻一倍，芯片之间要打通的通信路径就呈几何级数暴增。 只要有一条线路发生拥堵，九万多颗顶级芯片就得全部停下来，干等迟到的那批数据包。 这叫通信墙。 决定一个超级集群极限速度的，从来无关单颗芯片的算力峰值，全看数据穿过网络的速度瓶颈。

各大科技巨头都在拼命做算力自研。 Google 迭代 TPU，Meta 部署 MTIA。 OpenAI 和 Anthropic 抢着做自研加速芯片。 大家都在试图甩掉高昂的算力溢价。 可当十万颗芯片真正连成一片，所有人迎面撞上了同一堵墙。

为了不让昂贵的芯片在机架里发呆，网络架构必须被彻底重构。 机柜内塞满高速铜缆。 集群间铺设多层胖树网络。 交换机用上了单颗吞吐超过 100 Tbps 的 Tomahawk 芯片。 传统数据中心里，网络开销大概只占总硬件成本的 10%。 而在十万卡以上的超级集群里， 交换芯片、光模块与信号处理器的开销，被一路推到了 40% 以上。

各大巨头费尽心机绕开了算力税。 转头就不得不把省下来的预算，如数交给了网络税。

算力的战争永远在台前，制程和架构一代一换。 但只要物理规律还在，只要芯片还需要互相说话。 那道藏在芯片与芯片之间的物理缝隙，就永远在收过路费。