TrendForce 近期发布 2026 年第二季度全球 Fabless 公司 TOP 10 榜单，交出了一份相当有冲击力的成绩单。前十大 Fabless 公司合计营收达到 1414.5 亿美元，同比增长 73%。这个增速已经很亮眼，但它只是一个总量结果——比数字本身更值得追问的是：究竟谁在增长？涨了多少？涨在哪个环节？顺着这份榜单往下看，产业里几个明显的变化已经浮出水面。
01 TOP10到底发生了什么？
先看整张榜单：合计营收继续增长，但增量分布明显不均。英伟达依然稳坐榜首，一家就吃下前十总营收的 64%，其余九家完全不是一个量级。博通守住了第二的位置，虽然营收绝对值和英伟达差着几个身位，但同比增速超过 110%，排在第一。AMD 以 115.36 亿美元超越高通，挤进前三；高通则退居第四，同比、环比双双下跌。再往后，依次是联发科、Marvell、瑞昱、MPS、联咏和豪威。
中后段的公司同样值得留意。Marvell 同比增长 34%，环比增长 12%；MPS 同比增长 48%，环比增长 22%。营收体量虽然不算大，但增长质量相当不错。整体来看，这份榜单的“洗牌”不只是排名上的升降：英伟达拉开了更大的差距，AMD 完成了对高通的超越，中后段厂商则在增速上进一步分化。
02 英伟达凭借什么吃掉64%的营收？
前面说了英伟达是其余九家“难以望其项背”的存在，那它凭什么建立起这么大的领先优势？
答案主要有两点。
首先是 AI GPU 需求的持续增长。随着大模型训练、推理以及 Agentic AI 应用不断扩展，云服务商、AI 公司和企业客户都在持续加码 AI 基础设施，GPU 依然是当前 AI 数据中心最主要的计算加速器。TrendForce 也指出，除了传统超大规模云服务商之外，NeoCloud、主权 AI 项目以及企业客户都在给英伟达贡献更多收入，客户范围拓宽进一步支撑了 GPU 需求。
从英伟达财报来看，AI 数据中心还是公司最主要的增长引擎。本季度总营收 962.2 亿美元，其中数据中心业务营收达到 890 亿美元，同比增长 117%，约占总营收的 92%。这个体量已经远远甩开游戏、专业可视化和汽车等其他业务。
英伟达的优势还来自 GPU 之外的 AI 基础设施布局。AI 计算规模越来越大，多颗 GPU 之间需要高速交换数据，GPU 与 CPU、网络设备以及其他计算节点之间的通信效率，也直接影响整个系统的运行效率。英伟达因此不断强化高速互连和网络能力，把 GPU、NVLink、网络芯片和整机系统组合起来，逐步形成覆盖计算、互连与系统的 AI 基础设施方案。
其中 NVLink 是这套体系里的关键技术。它是一套高速互连技术，用来提升 GPU 之间以及处理器与加速器之间的数据传输效率。在英伟达的 AI 计算平台中，NVLink 可以把多颗 GPU 连接起来，构成更大规模的高速计算域；NVLink-C2C 则进一步负责处理器与加速器之间的高速低延迟互连。随着 AI 集群规模持续扩大，高速互连的重要性也在不断抬升。英伟达还进一步推出 NVLink Fusion，把 NVLink 的能力延伸到第三方定制芯片。合作伙伴可以基于这个平台开发定制 CPU 和 XPU，并接入英伟达的 AI 基础设施——英伟达提供互连、网络和机架级系统等配套能力，合作伙伴则针对特定工作负载设计处理器。
目前 Marvell 已经加入 NVLink Fusion 生态，为定制 XPU 提供互连和网络方案；AI 推理芯片公司 d-Matrix 也宣布采用 NVLink Fusion，把下一代 Raptor 推理处理器接入英伟达 AI 基础设施。英伟达还和联发科展开合作，由联发科面向数据中心客户开发定制 XPU。从 GPU 到 NVLink，再到网络和机架级系统，英伟达正在把 AI 基础设施的覆盖范围不断做宽。对客户来说，这意味着 AI 算力的部署可以围绕一套更统一的软硬件体系展开，而英伟达也因此进一步强化了自己在 AI 数据中心里的平台地位。
03 AMD升至第三，AI红利向CPU传导
如果说英伟达吃下的是 AI 算力需求最直接的一波红利，那 AMD 的排名变化则说明：这波需求正在向更广泛的数据中心计算环节传导。
看 AMD 自己的财报，本季度营收 115 亿美元，数据中心业务达到 67 亿美元，占总体的 58%，同比增长 107%。CEO 苏姿丰特别强调，这次数据中心的“成功”很大程度上得益于市场对 EPYC（霄龙）处理器以及 Instinct GPU 的强劲需求。也就是说，AMD 这一轮的增长不能只归功于 CPU，GPU 同样是重要的增长来源。
不过更值得注意的是，在数据中心业务高速增长的同时，AMD 的服务器 CPU 也在持续扩张。服务器 CPU 营收已经连续第五个季度创下历史新高，云端和企业客户的销售额同比都增长了超过 70%。随着第五代 EPYC Turin 和第四代 EPYC Genoa 继续扩大部署，AMD 在 x86 服务器市场的营收份额也在持续提升。第五代 EPYC Turin 目前已经覆盖全球超过 1600 种 EPYC 公有云实例中的近三分之一，云服务商正把它用于数据库、存储和 AI 等更多工作负载。
这背后的逻辑，和 GPU 直接受益于 AI 需求并不完全一样。大模型训练和推理对并行算力的渴求，首先推高了 GPU 加速器的采购量，GPU 因此成为 AI 基础设施扩张中最先感受到需求爆发的芯片。但随着越来越多 GPU 进入数据中心，围绕这些加速器运转的服务器系统也需要更多 CPU 来承担数据处理、任务调度、存储访问和系统管理等工作。AI 算力需求就这样开始向通用计算环节传导。
AMD 已经开始围绕这个变化调整产品布局。公司今年推出第六代 EPYC 服务器处理器，明确面向 Agentic AI、通用计算和企业工作负载；同时也在通过 Helios 机架级 AI 系统，把 EPYC CPU、Instinct GPU 以及网络等产品整合到更完整的 AI 基础设施里。AI 先带动 GPU 需求快速上升，再通过数据中心规模扩张和工作负载变化把增量传导到 CPU 等通用计算环节。恰好同时拥有 GPU 和 CPU 产品线，让 AMD 能承接这两层需求，这也是其数据中心业务持续扩张的重要支撑。
04 手机芯片厂商也开始抢AI算力的蛋糕
相比英伟达和 AMD，高通和联发科走的是另一条路。
这两家原本都主攻手机芯片，但当手机芯片市场承压时，AI 成了它们寻找增长空间的重要破局点。
高通的路线比较多元，汽车、物联网和数据中心都是它持续发力的方向。财报显示，本季度高通营收达到 99.47 亿美元，其中 QCT 收入里汽车部分贡献 15.88 亿美元，同比增长 61%，汽车业务已经连续 23 个季度保持两位数同比增长；物联网贡献 18.3 亿美元，同比增长 9%。高通对这两个板块的目标也很明确：汽车业务 2029 财年冲刺 100 亿美元，物联网超过 140 亿美元。
而且，高通正在把数据中心当作下一阶段的重要增长方向。今年 6 月，高通正式公布了面向数据中心的完整 AI 路线图，并把 2029 财年数据中心业务营收目标定为超过 150 亿美元。公司推出了一系列全新的数据中心解决方案，包括 Dragonfly C1000 CPU、高带宽计算（HBC）、Dragonfly AI300 推理加速器以及连接产品，还提供定制芯片方案，并进一步收购了 AI 软件平台公司 Modular，试图从芯片层向软硬件协同的平台方案延伸。
联发科的路线则更聚焦 AI ASIC。相比继续依赖手机 SoC，联发科正在利用自己在高速 SerDes、低功耗处理器和连接技术上的积累，为云服务商开发定制 AI 芯片。在 2026 年第一季度业绩会上，联发科已经将 2027 年 ASIC 市场规模预估上调至 700 亿到 800 亿美元，并预计这一市场会随着云服务商持续增加自研算力而继续扩大。
本季度，联发科又进一步上调了数据中心业务目标：2026 年数据中心营收目标从之前的 10 亿美元以上提高至 20 亿美元以上，首款面向大型美国云服务商的 AI 加速器 ASIC 预计在第四季度量产。另外，本季度联发科 Smart Edge 业务收入占比达到 53%，首次超过 Mobile Phone 业务的 41%，也说明公司业务重心正在逐步向手机之外延伸。
更值得关注的是，联发科已经与英伟达建立了更深的 AI 基础设施合作。8 月 31 日，英伟达宣布投资联发科 35 亿美元，双方将围绕 NVLink Fusion 继续展开合作。联发科客户可以据此开发定制 AI 芯片，并接入英伟达的数据中心基础设施。这意味着联发科发展 ASIC 的同时，还能借助英伟达既有的互连和系统生态，更快进入 AI 数据中心市场。
05 传统消费电子芯片厂商也在寻找AI切入点
AI 带来的产业增量并没有只停留在 GPU、CPU 和 ASIC 这些核心算力芯片上。随着 AI 服务器规模持续扩大，电源管理、光通信、网络连接等基础设施环节也在同步获得新需求。一些原本深耕消费电子市场的 Fabless 公司，也正在凭借自身优势进入新的增长赛道。MPS 和豪威就是两个典型。
作为高性能模拟和电源芯片厂商，MPS 并不直接参与 AI 算力竞争。但 AI 服务器功耗越来越高，意味着供电系统需要处理更高的功率密度和更复杂的电源转换需求。GPU 数量增加、服务器功率提升，最终都会转化为对电源管理芯片和解决方案的新增需求。
这种变化已经体现在 MPS 的业绩里。2026 年第二季度，MPS 营收达到 9.81 亿美元，同比增长 47.6%，创下单季新高。其中企业数据（Enterprise Data）业务营收达到 3.81 亿美元，同比增长 164.3%，环比增长 44.8%，是公司增长最快的业务之一。MPS 明确表示，企业数据业务的增长主要受 AI 相关电源解决方案需求推动，公司正在持续扩大面向 AI 和数据中心的电源产品布局。
随着 AI 数据中心向更高功率密度发展，MPS 的产品也开始向更高功率的供电架构延伸。公司已经开始为 800V 数据中心架构提供高压 AC-DC 产品样品，进一步扩大它在 AI 基础设施供电环节的产品覆盖。对 MPS 来说，AI 带来的机会已经从单一电源管理芯片需求，逐步延伸到更完整的数据中心供电方案。
豪威则体现了另一种“迂回”的增长路径。财报显示，其第二季度营收约 11.35 亿美元（76.11 亿人民币），环比增长 18.65%。其中图像传感器解决方案实现收入 92.54 亿元，占主营业务收入 66.05%，但同比减少 10.55%；新兴市场表现强劲，合计收入 17.26 亿元，同比增长 47.12%——专业影像终端 12.87 亿元（同比增长 53.36%）、机器视觉与机器人 2.10 亿元（同比增长 71.15%）、端侧 AI 2.30 亿元（同比增长 8.46%）。同时，豪威还在向光通信及 AI 算力基础设施等方向持续布局，进一步扩大模拟芯片业务。
对豪威来说，手机、车载 CIS 等传统业务的市场空间受到挤压，公司正在加快布局新兴赛道：从专业影像、机器视觉、端侧 AI，到光通信和 AI 算力基础设施，持续拓展新的应用场景，希望构建第二增长曲线。
06 AI正在重新定义Fabless公司的增长逻辑
纵观整张榜单，面对 AI 这张考卷，不同厂商给出了各自的答案，也代表了整个行业几个不同的发展走向。
第一种答案是继续押注通用算力。这可以说是最稳妥的选择。AI 模型规模扩大和算力需求增加，为通用 GPU 和 CPU 提供了持续增长的市场空间。英伟达和 AMD 都在持续扩展数据中心 GPU 业务。TrendForce 也指出，2026 年 Q2 全球前十大 Fabless 公司的营收增长，主要受到 GPU、CPU、ASIC 和互连产品需求上升的推动。
第二种答案是向定制化算力延伸。博通、Marvell 和联发科都在加强 ASIC 相关布局。随着大型云服务商越来越多地开发自研 AI 芯片，定制 ASIC 可以针对特定模型和工作负载进行优化，在性能、功耗和成本之间找到更适合自身业务的平衡。AI 模型规模持续扩大，TrendForce 预计 Google、AWS 等云服务商将在 2026 年继续加速部署自研 ASIC，ASIC 在 AI 服务器中的占比也将进一步提升。
第三种答案是向 AI 基础设施延伸。高通和联发科的变化，代表着 Fabless 厂商正在把计算、连接和芯片设计能力带入更大的数据中心市场。随着 AI 算力规模不断扩大，需求从单颗加速芯片扩展到 CPU、互连、连接以及系统级方案，Fabless 公司的竞争边界也随之进一步拓宽。
最后一种答案是探索新兴市场寻求增长空间。MPS 和豪威的布局说明，AI 带来的产业增量还在继续向产业链其他环节扩散，并与机器视觉、专业影像、光通信、电源管理等已有市场产生交集。对于 Fabless 公司而言，新需求往往会沿着既有技术能力向外延伸，进而形成新的应用场景和增长空间。
07 结语
AI 正在把芯片产业的增长空间进一步铺向不同环节。GPU 承接最直接的 AI 算力需求，CPU 随着数据中心规模扩大和新型 AI 工作负载获得更多增量，ASIC 则顺着定制化算力需求持续发展，电源管理、网络、光通信等基础设施芯片也开始分享 AI 数据中心扩张带来的市场机会。
排名变化只是结果，背后更重要的是：AI 正在重新分配芯片产业的增长机会。对 Fabless 公司而言，未来的竞争边界正在不断拓宽，通用算力、定制芯片、基础设施以及软硬件生态，都可能成为新的增长支点。
发表于 昨天 23:35
|
查看: 3|
回复: 0
