随着人工智能技术的迅猛发展，全球对计算能力的需求急剧上升，这促使人工智能芯片市场持续升温。然而，随着大型人工智能模型的发展进入新阶段，人工智能芯片市场的竞争格局正在经历微妙的变化。有观点认为ASIC正迅速崛起，对GPU在人工智能计算领域的主导地位构成威胁。
芯片关注度随着AI模型规模的扩大而发生改变人工智能计算分为训练和推理两个方面。训练任务需要更强大的计算能力，因此在人工智能训练方面，厂商们主要使用GPU。而推理任务对计算能力的要求相对较低，且不需要高度并行处理，因此GPU在这一领域的优势并不明显。
许多企业开始采用成本更低、能耗更少的FPGA或ASIC进行计算。这种情况一直持续至今，人工智能芯片中GPU的市场份额能够达到70%以上。数据作为人工智能发展的[化石燃料]是有限的，目前用于人工智能预训练的数据已经达到极限。
此外，随着模型规模的扩大，其边际效益逐渐递减，而计算能力的成本依然高昂，这些因素促使人们开始深思人工智能训练阶段的未来发展。
与此同时，人工智能大模型的下一阶段——逻辑推理，正逐渐成为新的研究热点。
目前，由于对英伟达长期依赖的不满，市场迫切希望实现计算能力的多元化。此外，随着人工智能模型从[训练热]转向[推理热]，推理类人工智能计算需求的增加为ASIC提供了机遇。因此，支持ASIC产业链的发展，提升ASIC芯片在人工智能领域的市场份额，已成为业界的普遍共识。这也解释了博通和Marvell股价的显著上涨。
ASIC能否成为NVIDIA的强劲竞争对手？随着全球AI计算需求的爆炸性增长，报告预测，在基本场景下，云AI半导体市场规模到2027年将达到2380亿美元，而在乐观情况下，甚至可能达到4050亿美元。ASIC因其针对性优化和成本优势，预计将逐渐从NVIDIA的GPU手中夺取更多市场份额。
尽管NVIDIA的AI GPU性能卓越，摩根士丹利认为，谷歌、亚马逊和微软等云服务提供商仍积极推动ASIC设计。其中，主要驱动力有两个：
首先是内部工作负载优化。通过开发定制芯片，云服务提供商可以更高效地满足其AI推理和训练需求。
其次是更优的性价比。报告指出，尽管NVIDIA的GPU计算性能强大，但其硬件价格高昂，特别是在AI训练过程中。相比之下，ASIC在大规模使用后的单位成本更低。例如，亚马逊的Trainium芯片在推理任务上比NVIDIA的H100 GPU便宜约30%至40%。谷歌也在不断优化其TPU系列，最新的TPUv6与上一代相比提高了67%的能效。
摩根士丹利强调，虽然NVIDIA的GPU仍是大多数云服务提供商的首选，但随着ASIC设计的成熟，这些云巨头可能通过自开发的ASIC在采购谈判中获得更大的议价能力。
免责声明：
1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。
2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。
3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。
