AI资讯

字节跳动洽谈采购联发科数据中心定制ASIC芯片：互联网大厂自研与定制算力路线再下一城

发布时间：2026年10月15日 16:00:00

10月15日彭博社报道、路透社转述，字节跳动正与联发科深入洽谈数据中心芯片供货协议，双方接近达成交易：联发科拟提供为字节跳动平台定制的专用集成电路（ASIC），用于支撑其数据中心运行，采购数量尚未确定，目前仍处磋商阶段。ASIC围绕特定任务或平台设计，与通用GPU路线不同，在推理场景具备能效与成本优势。继谷歌TPU、亚马逊Trainium、微软Maia及国内多家大厂自研芯片之后，字节若落地联发科定制ASIC，意味着中国头部互联网公司的算力策略从「买通用GPU」走向「自研+定制+通用」三条腿走路，也给传统芯片设计公司打开了数据中心第二曲线。

字节要「联发科牌」的定制算力

10月15日，彭博社率先报道、路透社随后转述：字节跳动正与联发科深入洽谈数据中心芯片供货协议，双方接近达成交易。

核心信息：

项目	内容
芯片类型	为字节平台定制的专用集成电路（ASIC）
用途	支撑字节数据中心运行（推理与内部负载）
供应方	联发科（MediaTek）
采购数量	尚未确定
进展	磋商阶段，接近达成但未签约

为什么是 ASIC，而不是继续买 GPU

ASIC（Application-Specific Integrated Circuit）与通用 GPU 的区别，是这则新闻的技术核心：

	通用 GPU（如旗舰加速卡）	定制 ASIC
设计目标	什么都能算（训练、图形、推理）	只算特定任务/固定模型结构
灵活性	极高，软件生态成熟	低，模型一变可能要重流片
能效比	好	推理场景显著更优（省电、单位算力便宜）
前期成本	按卡采购，无研发费	NRE 研发+流片成本高，需超大用量摊薄
适合阶段	训练、探索期、多变负载	成熟模型的大规模推理

逻辑非常清晰：字节的豆包等产品已进入推理调用量爆炸期，而推理的模型结构相对稳定、调用模式高度重复——这正是 ASIC 经济性成立的前提。用昂贵且紧缺的通用 GPU 去跑海量标准化推理，在财务上越来越不划算。

为什么是联发科

联发科拥有大规模芯片设计、IP 整合和先进制程流片经验，手机 SoC 出货量全球领先，工程团队成熟；
数据中心 ASIC 的关键在于「理解客户负载+快速迭代+供应链管理」，这恰是大型 IC 设计公司的能力外溢方向；
对联发科而言，这是从消费电子跨入高价值数据中心市场的标志性订单，第二增长曲线的故事就此成立。

行业坐标：算力「去通用GPU单一化」是全球同步趋势

这并非孤例，而是一条已被验证的产业路线：

谷歌 TPU：自研 ASIC 的鼻祖，已迭代多代，支撑搜索、Gemini 推理；
亚马逊 Trainium/Inferentia：AWS 自研，降低对英伟达依赖；
微软 Maia 300：计划 2027 年成为内部主要推理芯片；
Meta、特斯拉（Dojo/Dojo 推理芯片）：各自定制；
国内：多家互联网和云厂商早已启动自研/联合定制，只是曝光程度不同。

字节此次的不同在于与独立芯片设计公司（联发科）联合定制的模式——比全自研轻（不用自建巨型芯片团队），比纯买卡深（掌握架构定义权），是一种「第三条道路」。

对各方的影响

字节：长期看可压低单位推理成本、保障供应链多元、缓解高端 GPU 获取约束；短期承担流片风险和软件适配成本；
联发科：拿到数据中心入场券，估值逻辑从手机周期股部分转向 AI 成长股；
通用 GPU 厂商：训练侧地位仍不可撼动，但最大宗的推理增量市场被定制芯片分食，「通吃」叙事进一步松动；
国产 AI 生态：定制 ASIC 通常配套自研推理框架和编译器，会推动国产软硬件协同栈成熟；
中小模型公司：自身用量不足以定制芯片，公有云是否开放这类 ASIC 算力租赁，将决定技术红利能否外溢。

冷观察

消息仍是「洽谈中」，最终是否签约、采用什么制程、何时流片量产都有不确定性；
ASIC 的风险在于模型迭代速度——若下一代主流模型架构剧变（如注意力机制被取代），固定逻辑芯片可能提前贬值，字节需要在「成本」与「灵活性」之间精算；
芯片只是开始，真正难的是让 ASIC 适配自家推理框架、调度系统和多模型并存的内部现实，工程磨合至少以年计。

结语

从买卡、租云到联合定义芯片，字节与联发科的这则洽谈，是中国超大规模 AI 用户算力自主化的又一个脚印。训练仍属于通用 GPU 的战场，但平静、重复、以万亿次计的推理日常，正在被一颗颗定制芯片悄悄接管。 当互联网大厂开始像定义软件一样定义硅片，AI 算力市场的牌桌，又多了一类不容忽视的玩家。

返回列表