华泰证券报告梳理科技巨头自研AI芯片最新进展。谷歌TPU已迭代至第七代（Trillium），或分为V7p（与博通合作）和V7e（与联发科合作），预计2026年量产。微软Maia100采用台积电5nm、1050亿晶体管，Cobalt100为Armv9架构CPU。亚马逊Trainium3（3nm）预计年内推出，性能较上一代提升2倍。Meta MTIA V3预计2026年推出，搭载高端HBM，有望扩展至训练与推理任务。我们认为，GPU与ASIC并非零和博弈，自研AI加速器可与英伟达GPU形成互补，ASIC在推理端的成本优势加速落地。
谷歌TPU——先发优势明显，第七代双版本布局
谷歌在AI芯片领域布局最早，TPU自2016年v1（推理端）迭代至2024年v6e Trillium（训练&推理端）。第七代Trillium或为双版本：V7p（与博通合作）和V7e（与联发科合作），谷歌团队负责ASIC、联发科负责I/O，预计2026年量产。TPU v6e Pod规模达256芯片，互连拓扑3D torus。谷歌凭借TPU自研芯片先发优势，相较其他科技巨头在AI计算成本控制上具备较强竞争力。
微软Maia100与亚马逊Trainium3——追赶者布局
微软Maia100采用台积电5nm工艺，1050亿晶体管（比H100多31%），MXint8算力1600 TFLOPS。Cobalt100 CPU为Armv9架构64位处理器，优化通用工作负载性能与功耗。微软自研AI芯片起步较晚，但Maia100与Cobalt100的推出体现其多元化芯片战略。
亚马逊Trainium3采用3nm制程，由台积电代工，性能或较上一代提升2倍、能效提升40%。搭载该芯片的UltraServers性能预计提升4倍。AWS计划通过40万颗Trn2芯片构建全球最大计算集群ProjectRainier。亚马逊与Alchip分别负责Trainium3前后端设计。
Meta MTIA与ASIC趋势——推理端加速落地
Meta MTIA V1（7nm）→V2（5nm）性能大幅提升：INT8算力从102.4→354 TFLOPS（+3.5x），内存从128KB/PE→384KB/PE。MTIA V3预计2026年推出，搭载高端HBM，有望扩展至模型训练与推理任务（V1/V2专注于广告等特定任务）。Meta计划2025年GPU数量达130万块（等效H100），对比2024年60万块。
我们认为，未来AI训练与推理趋向低成本和高效，ASIC在推理端加速落地。但GPU与ASIC并非零和博弈，自研AI加速器可与英伟达GPU形成互补——GPU负责通用训练，ASIC优化特定推理任务，云厂商正构建“GPU+ASIC”双轨并行的算力架构。
科技巨头自研AI芯片对比| 公司 | 芯片 | 制程 | 算力/性能 | 量产时间 |
|---|
| 谷歌 | TPU v6e Trillium | — | Pod 256芯片 | 2024 |
| 谷歌 | TPU v7（双版本） | — | — | 2026E |
| 微软 | Maia100 | 5nm | 1050亿晶体管，1600 TFLOPS | 2024 |
| 亚马逊 | Trainium3 | 3nm | 性能+2x，能效+40% | 2025E |
| Meta | MTIA V2 | 5nm | 354 TFLOPS（INT8） | 2024 |
| Meta | MTIA V3 | — | 搭载高端HBM | 2026E |
