Broadcom 业务入门与 FY2026 Q3 财报：客户需求、产品分工和增长来源¶

分析日期：16 Sep 2026

财报发布日期：2 Sep 2026；报告期：截至 2 Aug 2026 的季度。

金额默认单位为十亿美元（b），EPS 单位为美元。历史比较使用财政季度；FCF 为经营现金流减购置固定资产。数据来自官方财报与 SEC 10-Q，计算和业务分析由本文给出。本文侧重业务背景与历史趋势，不将公司指引当作市场一致预期。未核实完整电话会逐字稿，因此不编写原始问答，也不据此判断管理层是否回避问题。

结论¶

博通这份财报最有说服力的地方，是 AI 收入增长已经伴随现金流增长。最新季度收入 29.591b，FCF 13.665b；一年前分别为 15.952b、7.024b。收入扩大时，公司仍保留了较高的现金转化能力。（FY2026 Q3 财报；FY2025 Q3 财报）

分析业务时还需要向前推进一步：当博通开始帮助客户取得计算能力、并承担部分融资风险时，分析对象就不能停留在芯片销售利润率。

本文的核心判断是：当季经营兑现较强；未来增长的质量，需要同时接受回款、客户集中度和融资承诺的检验。 理解这一变化，需要把客户需求、产品交付、收入确认和资金责任连起来。

从零理解：博通到底卖什么¶

AVGO 是 Broadcom（博通）的股票代码。认识这家公司，可以先从两个问题入手：怎样让设备高效计算和交换数据？怎样让企业的大量计算设备稳定、安全地运行？ 博通的半导体产品主要解决前一个问题，基础设施软件主要解决后一个问题。它的产品涉及数据中心、手机通信、家庭宽带、存储、私有云、大型主机和企业安全等领域。（博通公司介绍）

你可能每天都在使用包含这类技术的设备和服务，却很少直接向博通付钱。因为手机厂商、网络设备厂商、云平台或企业 IT 部门，才是相关产品的采购者。这里也不能反过来说每一部手机、每一个数据中心都用了博通产品：是否采用，取决于具体型号和项目选择。

先理解芯片、服务器和数据中心的关系¶

“半导体”首先是一类材料；在讨论公司业务时，“半导体产品”通常指利用这些材料制造的芯片及相关器件。芯片是在很小的面积上集成电路的元件，可以执行计算、保存信息或处理信号。芯片有很多种功能，不能把它们都理解成电脑 CPU。

AI 加速器与 ASIC 分别在说什么¶

这两个词容易被放在一起，是因为博通的 AI 业务经常同时涉及它们。但它们其实回答的是两个不同的问题：

AI 加速器：这颗处理器主要拿来做什么？
ASIC：这颗芯片是按照什么方式设计出来的？

AI 加速器是“用途”分类¶

AI 模型包含大量重复的数学运算，例如矩阵乘法、向量运算和数据搬运。通用 CPU 也能执行这些运算，但它需要同时照顾操作系统、分支判断和各种不同程序；当同一种运算要对大量数据重复执行时，CPU 的通用性可能变成额外开销。

AI 加速器就是把这些高频、可并行的工作交给更适合的处理器，以减少完成一次训练或推理所需的时间、能耗或成本。“加速”是相对于某个基准而言的，可能是相对于 CPU，也可能是相对于上一代硬件；它不是一个保证性能的品牌名称。

常见的 AI 加速器包括：

所以，“AI 加速器”是一个上位概念。GPU 可以是 AI 加速器，专用 AI ASIC 也可以是 AI 加速器；两者不属于互斥类别。

ASIC 是“设计方式”分类¶

ASIC 是 application-specific integrated circuit 的缩写，意思是“面向特定应用的集成电路”。它强调的是：芯片不是为了运行所有类型的程序而设计，而是从一开始就围绕某类任务、接口或设备优化电路。

ASIC 的“特定应用”不一定是 AI：

因此，AI 加速器和 ASIC 不是同义词。前者按“用途”命名，后者按“设计方法”命名。两者的关系可以画成这样：

所有处理器
├── 通用 CPU
├── GPU
├── FPGA 等可重构处理器
└── ASIC
    ├── AI ASIC —— 同时属于 AI 加速器
    ├── 网络交换 ASIC
    ├── 存储控制 ASIC
    └── 其他专用 ASIC

GPU、AI ASIC、部分 FPGA
都可能被称为 AI 加速器

这个图不是严格的产品分类树：GPU 也可能包含固定功能电路，ASIC 也可能与 CPU、内存和 I/O 一起组成更大的模块。它只用来说明两个词的分类角度不同。

这和 AVGO 有什么关系¶

大型云平台通常已经知道自己的模型、数据规模和部署方式。它们可能不想永远购买完全通用的现成 GPU，而希望针对稳定的大规模工作负载，优化计算、内存、I/O、功耗和网络。于是客户提出的是“我需要一个适合这个系统的 AI 加速器”，而博通可以参与把需求落实成一颗可制造的定制 ASIC/XPU。

博通在这里不只是画出逻辑电路，还可能参与高速 SerDes、I/O、内存接口和网络的协同设计。定制芯片最终是否值得做，取决于客户是否有足够大的长期部署量，能够摊薄设计、验证和软件适配成本。普通企业只买几台服务器，通常不会为自己重新设计一颗 ASIC；大型云平台每天运行数百万或更多相似任务时，才更有动力评估这条路径。封装作为从设计到部署之间的工程环节，见上节说明。

这也解释了财报里“AI semiconductor revenue”与“custom AI accelerator”之间的关系：定制 AI 加速器是 AI 半导体收入的重要组成，但 AI 半导体还可能包括 AI 网络、交换和连接产品；而博通的全部 ASIC 业务也不等于 AI，因为网络交换、存储和通信产品同样可以使用 ASIC。

“训练”是用数据调整模型的过程；“推理”是使用训练好的模型完成一次任务，例如回答问题、识别图片或挑选推荐内容。两者都需要计算，但对速度、内存和设备连接方式的要求可以不同。

从用户到硬件，可以画成下面这张简化图。它表示不同层次，不代表所有应用都会采用图中的全部产品。

flowchart TD
    A[用户使用应用：聊天、购物、视频、银行服务] --> B[企业或云平台运行应用]
    B --> C[数据中心：服务器、存储和网络]
    C --> D[计算：CPU、GPU、定制加速器]
    C --> E[连接：网卡、交换机、存储连接]
    F[管理软件：分配资源、监控、权限与安全] --> C
    G[博通定制芯片能力] --> D
    H[博通网络与存储产品] --> E
    I[博通基础设施软件] --> F

博通的数据中心产品范围覆盖定制芯片、网络和存储连接等环节。因此，一个客户增加计算设备，可能同时带来多种配套需求；但每个环节都要分别竞争，不能假设博通可以获得整个系统的全部收入。

到这里还缺少一个关键环节：我们前面说的“芯片设计”，只是描述电路应该怎样工作，并不等于客户已经拿到一块可以装进服务器的产品。设计完成后，还要把电路制造出来，把裸芯片与内存、I/O 和电路板连接起来，并解决供电、散热和高速信号传输问题。只有完成这些步骤，芯片才会变成数据中心可以部署的计算部件。

这正是封装需要被单独解释的原因。它不是设计完成后的简单包装，而是从“裸芯片”走向“可部署部件”的中间工程层；在 AI 芯片越来越大、内存带宽越来越高的情况下，这一层还会直接影响系统性能。

从裸芯片到可部署部件：封装在解决什么问题¶

芯片设计完成后，晶圆上得到的是一块很小的“裸芯片”（die）。裸芯片不能直接插进服务器：它需要被固定、保护，并通过很多电气连接接到电路板。把裸芯片装到基板上、引出电源和信号、提供散热路径，这一步叫封装。

封装的第一层作用像“插座和外壳”：

裸芯片上的微小触点
    ↓
封装内部的连接与基板
    ↓
服务器电路板上的插槽或焊点

更先进的封装还可以把多块裸芯片放在同一个封装里。例如，一块负责计算的逻辑 die、一块负责 I/O 的 die，以及多块 HBM 高带宽内存，可以通过封装内部的短距离连接组合起来。这样做不是把一块已经完成的芯片“再加工成更强芯片”，而是把原本分开的功能部件做成一个更紧密的系统级部件。

可以把它类比成一台电脑：CPU、内存和网卡原本是不同零件；先进封装是在更靠近芯片的位置，把其中一部分零件组合成一个高性能模块。它不能替代软件，也不能让一个设计不好的计算核心自动变强，但可以缩短数据传输距离、提高带宽、减少功耗，并让不同工艺节点的部件一起工作。

常见的层次如下：

因此，“封装可以做更复杂的功能”更准确的说法是：封装可以把已经分别实现的功能，以更短、更宽、更节能的连接组合起来。 功能的主要定义仍来自 die 中的电路；封装决定这些功能能否以足够的速度、功耗和可靠性共同工作。对 AVGO 来说，理解这一点很重要，因为它参与的定制芯片项目并不止于画出一块 die，还要考虑这块 die 怎样与内存、I/O 和网络系统一起工作。

AVGO 在这条链上的位置¶

把一颗定制 AI 芯片从想法变成客户能使用的产品，大致是以下链条：

客户定义模型和工作负载
    ↓
博通参与架构、逻辑、SerDes、I/O 和验证设计
    ↓
晶圆厂按设计制造各类裸芯片
    ↓
博通与供应链协同定义封装、内存和高速连接的系统级方案
    ↓
封装后的芯片进入服务器、AI 机架和数据中心网络

博通通常不是像台积电那样靠拥有晶圆厂来制造所有芯片，也不是把完整服务器作为主要品牌产品卖给普通消费者。它的价值更接近“客户的定制需求与可量产芯片系统之间的工程层”：提供可复用 IP、定制 ASIC/XPU 设计、高速 SerDes 和网络芯片。实际制造和最终设备组装可能由不同供应商完成，具体项目的供应商组合不能仅凭博通的总收入推断；封装的分工见下节。

博通自己做不做封装¶

答案要分成两层：博通参与封装方案的设计和协调，但对当前主要半导体产品，物理上的封装、组装和测试主要由第三方合同制造商完成。 博通最新 10-Q 将公司描述为以外包制造为主的模式，并明确说公司依赖合同制造商提供制造和封装产能；这意味着它要决定封装规格、验证结果、安排产能并承担供应链管理，但不能把这些工作等同于“博通自己拥有一座先进封装工厂”。（FY2026 Q3 10-Q）

博通仍然可能拥有少量自有制造设施，用于特定无线滤波器或光通信材料等产品；这和 AI 加速器采用什么封装工艺是两个问题。对 AVGO 的 AI 业务，较准确的理解是：博通负责芯片与封装的系统级设计、接口要求和质量协同，晶圆厂、封装测试厂、内存供应商和设备厂商分别完成各自的制造环节。

以 Meta 的 MTIA 合作为例，公开公告说双方围绕芯片、内存、高速 I/O 和网络进行多代协作。这说明客户需要的是多个环节的工程协作，而非简单购买一份设计图。（Meta 与博通合作公告）

对 AVGO 的财务分析，应该区分三种收入来源：

1. 设计与开发阶段：客户和博通投入工程资源，把需求变成可制造设计；合同如何收费要看具体安排。
2. 芯片量产阶段：每部署一套系统，相关加速器、网络芯片或连接产品产生出货收入。
3. 代际与系统扩展阶段：客户升级下一代芯片、增加网络规模，或者把同一架构部署到更多数据中心。

封装越复杂，并不意味着博通自动获得封装环节的全部价值；它的意义在于提高系统性能和项目集成难度，从而增加客户更换供应商的工程成本，也让芯片设计、封装和网络产品更容易形成一个整体项目。能否转化成更高收入和利润，仍取决于客户量产、产品定价、制造成本和最终交付。

博通与英伟达、台积电有什么区别¶

造一颗先进芯片，需要先决定它做什么，再设计电路、验证设计，之后制造和测试。上面的链条描述的是这些环节如何衔接；下面的表格再把各参与方的职责放在一起比较。封装的具体作用和博通的参与方式，见上面的专门章节。

分工依据见博通定制芯片介绍、英伟达数据中心产品和台积电晶圆代工模式。表格是产业分工示意，不是特定项目的完整供应商名单。

博通的价值不止是提出一个芯片想法，还包括可复用的电路模块、设计与验证经验、接口技术，以及协助客户把设计变成可交付产品的能力。它的定制芯片平台提供逻辑、内存和高速连接等设计资源。（ASIC 产品介绍）

因此，客户拥有自己的芯片架构，不代表不需要外部设计伙伴；有制造工厂，也不代表芯片已经设计完成。同样，博通与客户共同开发芯片，并不意味着该客户全部芯片技术都归博通所有。

谁需要博通：先把客户和最终使用者分开¶

这是按产品用途整理的客户类型，不是具体客户名单。产品范围可分别对照无线、宽带、存储、VMware、主机和安全官方资料。

例如，你使用云端 AI 服务，直接向你收费的可能是应用公司；它向云平台租用设备，而设备厂商采购了博通的某种芯片。这条链中，你是需求的最终来源，却不是博通的直接客户。财报里的“分销商客户”和“终端客户”也必须按这种思路区分。

业务一：定制 AI 芯片——谁会为了省计算成本去开发芯片¶

痛点：用量足够大以后，每次计算的成本都很重要¶

构造一个场景：一家互联网公司每天为大量用户提供内容推荐或 AI 回答。完成一次请求，需要读取数据、运行模型，再把结果返回。公司不仅要保证能算出来，还要保证用户等待时间足够短，机房的电力和散热能承受，服务收入能覆盖成本。

当类似任务被重复执行很多次时，公司就会问：能否针对自己的任务，选择更合适的计算单元、内存配置和数据通路，降低每次任务的成本？定制 AI 芯片正是满足这种需求的一条路径。博通提供的 XPU 在这里指其定制加速器相关能力，不是一个能直接说明所有芯片性能的统一型号。（博通 AI 产品介绍）

博通具体帮客户做什么¶

客户清楚自己的模型和服务需要什么，博通则提供芯片工程能力。双方可以协作，把“需要执行什么计算”落实为可制造、可连接、可验证的芯片设计，并让它进入设备部署。

一个已经公开的例子是 Meta 的 MTIA。具体案例见下节。博通与 Meta 的公告明确提到，双方围绕芯片和网络进行多代协作。这能说明客户需要的是多个环节的工程协作，而非简单购买一份设计图。公告中的未来部署计划也不能当成当季已确认收入。（Meta 与博通合作公告）

为什么不直接购买通用产品，或者全部自己做¶

购买成熟加速计算平台的好处，是可以使用已有硬件和软件环境，减少自行开发的工作。英伟达提供的就是包括处理器、网络、系统和软件在内的平台。（英伟达数据中心产品）

定制的吸引力，在于针对自身负载优化，并对产品路线拥有更多控制。但它需要提前投入工程资源，还承担开发失败、上市延迟、软件迁移和负载变化的风险。客户选择外部伙伴，则是在自主控制和重新建设完整工程能力之间做取舍。

下面只是帮助理解的算例，不是博通的合同或真实成本：假设定制项目增加 1 亿美元前期开发成本，每部署一套系统能在使用周期内节省 1 万美元，那么需要约 1 万套系统，才能覆盖这项前期成本。若只用 100 套，很难成立；若规模达到数万套，就值得进一步评估。实际还要考虑时间、电力、软件适配和失败风险。

因此，最适合这类项目的是计算规模大、有长期需求、也有软件工程能力的客户。一家只需要几台服务器的普通公司，通常没有同样的定制动机。定制芯片可以运行可编程的模型，也不意味着每换一个模型都要重造芯片；但模型变化仍可能影响其效率优势。

这项生意怎样形成收入¶

理解它可以用“设计与验证—量产—交付—下一代产品”的顺序。定制项目进入量产后，部署规模决定产品需求；下一代是否继续合作，则需要重新获得客户认可。

这不是纯粹按工程师工时收费的软件外包。具体是否包含开发费、如何定价、各方承担哪些成本，要看合同。不能把项目总投资、客户全部机房支出或未来计划，全部算成博通收入。

公开案例：从客户痛点反推定制加速器怎样设计¶

下面的案例用公开信息学习“为什么要定制、定制什么、博通参与哪一层”。每个案例都可以拆成四个问题：工作负载是什么，通用 GPU 的瓶颈是什么，芯片和系统做了哪些取舍，量产后如何摊薄开发成本。

案例一：Meta MTIA——推荐和推理优先的专用芯片¶

Meta 公开说明，MTIA 面向推荐、广告和生成式 AI 等工作负载，已经在大规模推理中部署，并采用针对自身工作负载的全栈方案。Meta 还明确说，MTIA 的目标是提高特定任务的计算效率，而不是替代所有类型的计算芯片。（Meta：Expanding Meta’s Custom Silicon；Meta：Four MTIA Chips in Two Years）

这个案例展示了定制设计的第一步：不是先问“怎样做一颗最强的芯片”，而是先问“哪些任务会稳定、重复、大规模地运行”。推荐系统和广告排序每天处理大量相似请求，客户可以围绕这些任务调整：

模型运算类型
→ 计算单元和数据类型
→ 内存带宽与容量
→ 芯片之间的连接
→ 机架功耗和散热
→ 软件编译与部署方式

博通与 Meta 在 2026 年公布的合作，是共同开发多代 MTIA，并扩展到芯片设计、封装和网络协同。公开资料没有披露博通承担的每个电路模块、每个封装工艺或每颗芯片的价格，因此不能把“共同开发”解释成博通独立拥有 MTIA 的全部设计。（Meta 与博通合作公告）

这个案例对理解 AVGO 的帮助是：博通把客户已经明确的工作负载，转化成可以量产、连接和部署的 ASIC/XPU 系统。芯片越贴合客户任务，潜在效率越高；但客户也越依赖自己的软件栈和部署规模，通用性会下降。

案例二：Google TPU——把内部 AI 芯片变成云平台产品¶

Google TPU 是另一种定制加速器场景。Google 先拥有自己的模型、软件和云服务需求，再把 TPU 作为 Google Cloud 的计算资源提供给外部客户。2026 年公开的长期协议显示，博通将为 Google 后续 TPU 提供开发和供应，并为下一代 AI 机架供应网络及其他组件，协议期限最长到 2031 年。（Broadcom 8-K：Google TPU 长期协议）

这个案例与 Meta 的差异在于：Google 不只为自己的应用部署芯片，还要把 TPU 变成客户可以租用的云服务。因此设计目标同时包括适配 Google 自己的工作负载、支持多个云客户、与编译器和网络系统协同，以及让硬件投资通过云服务收入回收。

公开协议确认了博通的开发、供应和网络组件角色，但没有披露每一代 TPU 的完整微架构、封装细节、成本或 Google 与博通的具体分工。学习重点应放在商业构造：Google 是芯片需求提出者、算力运营者和服务销售者；博通把 Google 的架构要求转化为可制造、可供应的产品。

案例三：OpenAI Jalapeño——为大语言模型推理定制加速器¶

Broadcom 与 OpenAI 在 2026 年公布了 Jalapeño，这是围绕 OpenAI 对大语言模型推理需求定义的定制加速器，并计划作为多代计算平台的一部分部署。公告强调双方从初始设计到 tape-out 共同开发，但没有公开完整芯片规格、生产成本或每个供应商的工序。（Broadcom 与 OpenAI 公告）

这个案例适合用来理解“推理芯片”和“训练芯片”的差别。训练需要反复处理大量数据并更新模型参数；推理则是在用户提出请求时快速生成结果，重点可能转向：

单位请求成本
响应延迟
并发请求数量
内存和带宽利用率
在不同模型之间切换的效率

如果客户已经拥有大量、相对稳定的推理请求，为推理路径做专门优化就可能有经济意义；如果模型结构变化很快，过度专用化又可能降低芯片寿命。这个案例展示了定制芯片最核心的权衡：用灵活性换取特定规模下的性能、成本和能耗优势。

三个案例放在一起看¶

这些案例不能证明所有客户采用相同的芯片架构，也不能直接推出每个项目的收入和利润。它们共同说明的是：AVGO 的定制 AI 生意通常从客户的稳定工作负载开始，最后交付的不只是 die，而是包括内存、I/O、网络、封装、软件和量产供应在内的一套可部署方案。

业务二：网络芯片——算得快，还要把数据送得快¶

痛点：大量设备一起工作时，可能都在等数据¶

假设一项任务分给 100 台机器，其中每台都需要其他机器的部分计算结果。即使处理器非常快，数据没到，它也只能等待。这就是为什么“买更多计算芯片”不一定带来同比例的任务完成量。

可以把集群理解成一个协作团队：每个人算得快是计算能力，成员之间交换资料的效率是网络能力。这只是帮助理解的类比；实际网络会涉及数据包、带宽、延迟和拥堵控制。

带宽表示单位时间能传多少数据，延迟表示一次传输要等多久。大批量传输需要带宽，频繁协作也关心延迟。博通的 AI 网络介绍区分了紧密协同的 scale-up 连接与更大范围的 scale-out 扩展。（AI 网络说明）

博通卖的是哪一部分¶

“交换机”是一台把数据送往正确设备的网络设备；“交换芯片”是其中负责高速处理和转发数据的关键元件。整机还需要电源、接口、散热、线路板和控制软件。博通提供以太网交换芯片，产品用途覆盖企业网络、数据中心和运营商网络。（交换芯片产品）

客户可能是制造交换机的设备公司，也可能由大型云平台主导选型，再通过设备供应链采购。使用博通芯片的交换机，并不一定挂着博通的品牌。

博通还提供服务器网络适配器。可以把网卡理解为服务器接入网络的接口，而交换机负责把多台设备连接起来：这两个位置不同，但都影响数据传输。（网络适配器产品）

为什么客户愿意付钱¶

客户关心的是：能否在可接受的功耗和成本下，让更多昂贵的计算设备持续工作。网络本身的采购成本只是问题的一部分，设备等待造成的浪费也是成本。

博通的标准化交换芯片可以被不同设备厂商采用，客户不用为每台交换机从头设计一颗芯片。标准化在这里指可面向多个客户的产品，不代表所有客户系统都相同，也不代表没有竞争产品。

AI 计算和网络收入有联系，但不能画等号。客户即使用其他公司的计算处理器，也可能选择采用博通网络产品的设备；相反，采用某种定制加速器，也不保证所有网络配套都由博通供应。英伟达本身也销售网络产品，所以竞争发生在系统中的多个位置。

业务三：手机和家庭宽带——把真实世界的信号接进设备¶

手机为什么需要滤波器¶

手机周围同时存在许多无线信号，不同通信系统使用不同频率。接收端需要尽可能保留需要的信号，并抑制不需要的频率，否则通信效果会受到干扰。

博通的射频前端模块和滤波器服务于这类无线连接需求。“射频”可以先理解为无线通信使用的高频电信号；“滤波器”则类似按频率工作的筛子。手机空间有限，这类器件还要兼顾体积、功耗和多种无线功能共存。（射频前端产品；无线滤波器示例）

需要这些产品的是手机和无线设备设计者，最终受益者是设备用户。它们解决的不是 AI 模型计算，而是通信质量。因此，手机出货量、每台设备采用的器件和型号更新，会影响相关需求；AI 数据中心增长并不能替代这条业务的分析。

家里上网为什么也有芯片生意¶

运营商的主干网络到达一个地区之后，还要把连接送进楼宇和家庭，再通过家里的设备提供服务。这一段常被称为“最后一公里”，是功能描述，不是精确距离。

博通的宽带产品涉及光纤、有线电视网络及 DSL 等接入方式，并提供相关芯片和网关方案。比如光纤接入需要运营商一端和用户一端的设备配合。（宽带接入方案；光纤接入产品）

构造一个场景：运营商要为用户升级宽带，需要采购或更新接入设备；设备厂商则需要符合通信标准、功耗和成本要求的芯片。博通向这类供应链提供产品，用户向运营商交的月租费并不是博通直接获得的收入。

业务四：存储连接——数据放得下，还要及时读出来¶

企业数据库、图片、交易记录和模型数据需要长期保存。购买硬盘或 SSD 解决了存储容量问题，但服务器还需要控制这些设备，并把数据可靠地送进送出。

博通提供存储控制器及连接产品。例如 RAID 控制卡可以组织多个存储设备，按配置实现性能或冗余目标；其中一些配置允许设备故障时继续访问数据，但 RAID 本身不能替代备份。（存储控制器产品）

构造一个电商场景：用户下单时，系统需要读取商品和库存，再写入订单。如果存储访问成为瓶颈，单纯增加处理器可能无法改善响应。服务器与存储设备厂商需要在处理器、控制器和存储设备之间建立合适的数据通路。

此外，PCIe 是计算机内部连接设备的一类接口标准；交换和信号调整器件用于支持设备间连接。读财报时不必背下所有接口名，只需要知道：计算、保存数据、连接设备，是系统里不同的功能位置。（PCIe 产品介绍）

这些产品的需求既来自 AI，也来自普通企业计算。不同客户的扩容与更新周期可能不同，不能仅用一个“AI 景气”解释它们。

业务五：VMware——企业买了很多机器以后，怎样管理它们¶

从虚拟机理解私有云¶

构造一个例子：企业有订单、财务、人事和测试等许多系统。如果每套系统都独占一台机器，部分机器可能很闲，其他机器却不够用，而且配置、维护和迁移都很麻烦。

“虚拟化”允许一台物理服务器运行多台相互隔离的虚拟机，每台虚拟机可以运行自己的操作系统和应用。这样，企业可以更灵活地分配已有硬件资源。但它并不会凭空增加计算能力：所有虚拟机仍然分享底层真实的处理器和内存。

再向上一步，如果把大量服务器、存储和网络作为统一资源池管理，让内部团队按权限申请资源，就接近“私有云”的使用方式。私有云强调服务于一个组织的云环境，也可能由服务商托管，并不必然意味着设备全部放在企业自有楼宇。

VMware Cloud Foundation（VCF）将计算、存储、网络及管理等能力整合成平台。这里企业主要购买的是软件及相应使用和支持权益，底层服务器仍然是另一层产品。（VCF 产品介绍）

谁需要它，为什么不把应用全部搬到公有云¶

可能有需求的是运行大量业务系统的大型企业、金融机构、政府组织及服务商。这里描述的是使用场景，并非断言某个机构已采购。

构造一家银行的场景：它既有新应用，也有多年运行的旧系统；一些数据有严格访问要求，一些应用不能长时间停机。统一分配资源、管理权限、监控系统和安排维护，会直接影响业务运行。

是否迁往公有云，要考虑应用兼容、数据位置、网络延迟、人员能力、迁移成本和长期费用。不同应用可以做不同选择。所以私有云和公有云可能同时存在，客户也可能通过升级现有环境来减少管理复杂度。

客户为什么持续付费，博通怎样受益¶

软件的价值不止是第一次安装成功，还包括持续管理大量应用、获得更新支持，并让运维流程保持一致。越多系统依赖同一平台，更换时需要评估的应用与流程就越多。

但迁移成本并不保证客户永远续约。若价格变化超过客户感受到的价值，客户可以减少使用范围、推迟升级或评估替代方案。基本面分析因此要问：收入增长来自新增使用、合同价格、产品组合，还是收入确认时点？这几种原因对应的业务变化不同。

基础设施软件分部包含更多产品，不能把它的全部收入都视为 VMware 收入，也不能把整个分部的增长直接认作企业 AI 使用增长。

业务六：主机和企业安全软件——关键系统持续运行的需求¶

大型主机是一类用于关键业务处理的计算系统，并不是泛指体积大的服务器。博通的主机软件提供系统、存储和工作负载管理等能力；“工作负载”在这里可以理解为系统要执行的各类计算作业。（主机软件介绍）

构造一个场景：一家金融机构在白天处理交易，夜间还需要按顺序完成清算、报表和数据处理。它需要知道作业有没有按时完成、资源是否够用、异常发生在哪里。管理软件解决的是这些持续运行问题，而不是代替银行制定金融业务规则。

企业安全软件则面向另一类痛点：员工电脑可能感染恶意程序，敏感文件可能通过邮件、设备或网络外泄。博通的企业安全产品包括终端安全和数据防泄漏等功能。（安全产品目录；信息保护产品）

使用者通常是企业 IT 与安全团队。它们付费是为了管理风险和执行控制措施；购买软件不代表安全风险归零，也不意味着可以取消流程、人员培训和事件响应。

这些业务的需求与公司是否扩建 AI 集群没有直接的一一对应关系。它们有自己的客户预算、合同周期和产品更新需求。

将业务地图接回本季财报¶

博通的正式分部只有半导体解决方案和基础设施软件；前面的分类是为了理解客户需求，并非公司逐项披露的财务分部。

AI 加速器和网络扩张，主要帮助解释本季半导体增长；手机、宽带和其他存储连接等业务，则需要各自的终端需求证据。软件业务还要观察续约与收入确认节奏。客户通过融资取得算力的安排，则让产品交付之外又增加了一层信用和现金责任，后文会单独分析。

这样阅读财报时，问题就具体了：谁增加采购，采购哪一层产品，部署有没有完成，收入对应什么合同，最终现金由谁支付？接下来的历史数据，是对这些业务问题的量化检查。

历史变化：现金流跟上了收入扩张¶

来源：各季度Q3 FY2025、Q4 FY2025、Q1 FY2026、Q2 FY2026、Q3 FY2026财报。FCF 利润率为本文计算，同比采用公司四舍五入披露值。

这组数据有两个含义。

第一，收入加速并非只出现一次：同比从 22%、28%、29% 逐步升到 48%、86%。FY2026 Q3 相比 Q2 的收入又增加约三分之一，说明仅以去年基数较低解释增长并不充分。

第二，FCF 利润率在最近两个季度约为 46%，高于此前约 41%–44% 的水平。至少到目前为止，增长没有表现为“利润表很好看，但现金流持续掉队”。

不过，最新季度现金转化率环比基本持平，而非继续上升。用收入加速推演未来现金流时，应把利润率稳定和利润率扩张区分开。

增量来自哪里：AI 已经主导增长¶

从季度趋势看 AI 的位置¶

FY2025 Q3 的 AI 半导体收入为 5.2b，同比增长 63%；FY2026 Q1 为 8.4b，同比增长 106%；Q2 为 10.8b，同比增长 143%；本季度为 16.7b，同比增长 221%。这些是公司 AI 半导体口径，并不等于独立报告分部。（FY2025 Q3；FY2026 Q1；FY2026 Q2；FY2026 Q3）

按披露的约数计算：

公司同比收入增量 = 29.591 - 15.952 = 13.639b
AI 同比收入增量 ≈ 16.7 - 5.2 = 11.5b
AI 对收入增量的贡献 ≈ 84%

这意味着，用“多元化半导体与软件集团”理解历史博通仍然有帮助，但用它解释今天的增长已经不够。公司的边际变化越来越取决于 AI 项目交付。

这里也需要避免另一个跳跃：AI 收入增长不能直接证明终端客户的 AI 投资已经获得足够回报。供应商可以先确认收入，而买方还需要在多年内通过使用率和终端付费收回投资。

非 AI 半导体尚未显示同等强度的复苏¶

用半导体分部收入减 AI 收入，可以得到近似的非 AI 部分：

来源：FY2025 Q3、FY2026 Q2、FY2026 Q3。AI 数值经过四舍五入，差额不能视为精确分部披露。

由此推算，非 AI 同比约增长 4%，环比约下降 2%。更合理的解释是，传统业务相对稳定，AI 推动了主要扩张；不能把集团增速外推到整个半导体组合。

软件增长需要检查收入确认节奏¶

基础设施软件收入由去年同期的 6.786b 增至 8.752b，Q2 为 7.178b。（FY2025 Q3；FY2026 Q2；FY2026 Q3）

这看起来是明显加速，但季度软件收入不应直接当成订阅业务的稳定年化速度。10-Q 说明，续约时点以及不允许客户终止的合同占比，会影响当期确认收入。（10-Q，MD&A：Net Revenue）

因此，下季度如果回落，先检查合同节奏，再判断客户需求是否恶化；反过来，本季跳升也不足以独立证明客户数量或使用量以相同速度增长。

超过指引多少，比单看增速更有信息量¶

前几个季度提供了一条可检验的指引记录：

来源：FY2025 Q4、FY2026 Q1、FY2026 Q2、FY2026 Q3；幅度为本文计算。

公司持续兑现并略超收入指引，但超出的比例并不大。86% 的同比增长中，很大部分在上季指引中已经可见。

更值得追问的是增量结构。Q2 给出的 Q3 AI 指引为 16.0b，实际约 16.7b，超出约 0.7b；集团收入只超出 0.191b。相减可知，非 AI 总收入约比隐含指引少 0.509b。这里的“非 AI 总收入”包含软件和传统半导体，不能据此认定某一个业务单独未达预期。（Q2 指引；本文计算）

这也解释了为什么“AI 很强”和“集团大幅超出此前预期”是两项不同判断。本文没有引入可比时点的一致预期或股价数据，因此不把上述结果写成市场 beat/miss，也不解释盘后涨跌。

利润质量：经营杠杆与调整项分别看¶

本季 GAAP 营业利润 15.955b，non-GAAP 营业利润 20.095b；差额主要包括收购无形资产摊销 2.006b、股权激励 2.019b，以及重组等费用 0.115b。（Q3 财报，GAAP reconciliation）

剔除收购摊销有助于观察现有业务的经营能力，但不能忘记取得这些资产曾经付出资本。股权激励则是股东承担的经济成本，不能因为不在当期付现就长期忽略。

我的判断方法是同时看三个结果：调整后经营利润是否增长、经营现金流是否跟上、每股结果是否改善。只选最漂亮的一个指标，会把经营进步与会计调整混在一起。

FCF 也不是可以全部分给股东的钱。债务偿付、回购、并购及潜在融资支持，都可能继续消耗这些现金。因此，分析现金创造能力时，需要同时检查未来的资金用途和合同责任。

最重要的新问题：低 CapEx 不等于低资本风险¶

10-Q 披露了一项客户融资安排：金融合作方接手部分 AI 机架购买及客户租赁协议，博通为五年租赁义务提供 backstop。全部机架部署后的最大潜在责任约为 29b；实际违约责任取决于约定的租赁余额比例与设备处置价值等条件。截至报告期没有发生兜底付款，公允价值不重大。（10-Q，Note 10：Financial Guarantee）

这里应当同时保留两种判断。

一方面，29b 不是已发生损失，也不能从当季 FCF 中直接扣掉。将最坏情形全部当成当期费用，会夸大当前经营压力。

另一方面，当客户履约能力变差时，设备残值也可能下降。客户信用与设备价值存在同时恶化的可能，不能简单假设设备抵押品足以覆盖风险。这是本文对安排的风险推演，并非公司已经发生违约。

原本分析一笔芯片销售，主要问交付、毛利和回款；涉及融资支持后，还需要问客户能否持续支付租金，以及设备在不利情景下值多少钱。

此外，前五大终端客户占收入约 55%，去年同期约 40%。这与单一分销商占收入的口径不同，不能把分销商等同于最终买方。（10-Q，MD&A：Net Revenue）

增长越集中，单个大项目延迟对集团的影响就越大。历史收入曲线可以证明已经交付的增长，却不能自动证明下一代设计、后续采购和付款能力。

下一季度：增长仍强，增量利润率需要观察¶

公司 Q4 指引为收入约 34.8b、AI 半导体收入约 21.7b、non-GAAP 营业利润率约 66%。（Q3 财报，Business Outlook）

据此计算：

集团收入环比增长 ≈ 17.6%
AI 收入环比增长 ≈ 29.9%
非 AI 总收入 ≈ 34.8 - 21.7 = 13.1b
指引隐含 non-GAAP 营业利润 ≈ 34.8 × 66% = 22.968b

最新季度 non-GAAP 营业利润率约为 67.9%。指引意味着收入继续增长，营业利润率环比下降约 1.9 个百分点；隐含增量营业利润率约为 55%，低于当前平均水平。

这不等于利润下降，但提醒我们：未来每增加一美元收入，未必还能保留与过去相同的利润。业务组合、定价、系统交付和成本都可能影响结果；缺少更细拆分时，不应把下降确定归因于某一因素。

将业务场景对应到财务指标¶

业务场景需要沿着“需求—采购—交付—使用—回款”逐环节检查，不能只从最终收入倒推需求。

这些环节对应不同时间尺度。交付可能集中在一个季度，软件合同可能覆盖多年，融资责任则可能在确认销售之后继续存在。因此，季度收入、累计现金流和未履行合同责任需要一起阅读。

Comments