> 数据图表想问下各位网友布局以太网的公司2025-6-0博通：网络的重要性 事件：博通发布 FY25 Q2 季报截至 2025 年 4 月），实现营收 150 亿美元，同比增长20%，公司合并毛利率为 79%，业绩增长主要得益于 AI 业务的增长和 VMware 的并表整合。从产品结构来看，半导体解决方案营收 84 亿美元，同比增长 17%（截其中 AI 业务44 亿美元，同比增长 46%）基础设施软件营收 66 亿美元，同比增长 25%。公司指引FY25 Q3 营收 158 亿美元，其中 AI 业务 51 亿美元。 我们认为，在 AI 大模型驱动的算力经济中，网络不再是配角，而是 AI 系统性能释放的前提，建议重视 AI 发展中网络的重要性： 截1）网络：AI 算力体系的“新瓶颈” 大模型集群要求系统内部具备极致的低延迟、高带宽和可扩展性，系统瓶颈由此重构，过去的瓶颈在“单芯片算力”，现在及未来的瓶颈在“节点互联”。博通作为数据中心网络芯片龙头，在此次财报中多次强调其 Tomahawk、Jericho 等交换芯片的出货与客户设计周期同步推进，网络产品囊括北美发大部分 AI 超大规模训练集群部署计划。我们认为这体现了产业链的技术演化选择，AI 集群日趋模块化、分布式，GPUTPU 之间的互联延迟成为性能提升的瓶颈，高性能网络成为第一性优化变量。 截2）网络的“不可替代性”：AI Capex 结构的再分配 市场在解读 AI 基础设施 Capex 时，习惯性聚焦于 GPU，实际整体建设成本中，网络所占比例逐步拉升。以 Meta 为例，其部署的一个 24K 集群中网络设施占比已超过集群在计算上花费的三分之一以上。我们认为，未来在更高性能集群需求下，为了避免 GPU闲置等待通信的空转时间，客户可能需要同步部署相匹配的交换机组网方案，整个 AI 供应链都依赖“GPU网络电力”三位一体的优化协同，网络是 AI 系统性能释放的前提。 截3）延伸讨论：关于 ASIC 和以太网 近期市场对 ASIC 关注度较高，如微软的 MAIA、谷歌的 TPU、亚马逊的 Trainium，以及Meta、OpenAI 等潜在客户都在探索用自研 ASIC 替代现成 GPU，ASIC 主要优势在于可以进一步压缩芯片成本、同时降低功耗、优化推理效率等，博通也在财报中提及，已有三个大客户计划部署百万级 XPU 加速器集群。 我们认为，ASIC 带来的 AI 成本优化是长期趋势，而非短期兑现的业绩引擎，目前大多数 AI 工作负载仍由 NV GPU 完成截比如 CoreWeave 与 OpenAI 签署近 120 亿美元 GPU合同Blackwell 集群支持 FP8 大模型推理等）。抛开 ASIC 与 GPU 的竞争，网络作为其连接基座，是所有架构路径下都不可绕开的共性投入项，换言之，以太网才是确定性更强的增长方向，重视未来网络通信方向。国盛证券综合其他
