随着AI技术迈入2.0时代，推理能力成为核心需求，传统GPU在高效推理上的局限性显现，而ASIC芯片凭借专用化设计、高能效比和低成本迅速崛起，颠覆行业格局。
谷歌、亚马逊等国际巨头抢占市场，中国企业如寒武纪、地平线、华为等也加速布局，助力自动驾驶、智慧城市等场景落地。全球芯片竞争进入新阶段，ASIC正成为AI推理的关键硬件，推动人工智能迎来更高效、更广泛的应用新时代。
寻找产业链机会说起AI芯片，或许大部分人脑海中的第一印象便是英伟达的GPU，但GPU只是一部分。最近，ASIC的崛起或许让英伟达已经开始汗流浃背。
实际上，ASIC是半导体行业很常见的架构。相较于博通定制给客户用于大模型推理训练的ASIC，国内玩家和博通在某种意义上不处于同一个赛道，所以也并不意味着国内玩家就已经快追上博通了，后续还需要积极在AI领域打开成长空间。
国内ASIC玩家虽然离海外巨头还有不小的差距，但是这也并不是说国内其他玩家就不会因此受益。
这背后的逻辑是，博通加大对ASIC的投入，显示了未来一段时间云厂将持续大规模的投入AI基础设施的决心。这样一来，或许将带动上游的光模块、交换机、PCB、高速线缆等产业链玩家的业绩增长。
模型商品化与ASIC的崛起微软等科技巨头加大ASIC上的投入，与其对模型判断的变化有关。虽然投了OpenAI，但微软和OpenAI对模型价值的看法很不一样。今年以来，微软CEO纳德拉以及微软AI部门老大苏莱曼在不同场景都提到过一个观点：模型商品化。
简单来说，大模型正在变成一种通用商品，逐渐走向标准化和同质化。应用层才是大模型发展的重心，更多资源投入也应该放到推理上。
微软的观点正在得到验证。据Wind转引英伟达FY24Q4业绩会纪要，公司2024财年数据中心已经有40%的收入来自推理业务。推理场景的多样性，给ASIC带来了更多机会。所谓ASIC，全称专用集成电路，一种更像是为特定任务量身定制的工具。
如果把GPU比作是多才多艺的多面手团队，那么ASIC就好比是给特定任务量身定制的“超级员工”，只专注做一件事，但做得又快又好。比如你想挖矿，就有专门的挖矿芯片；你想拍照，就有专门的相机芯片。当年，比特币矿机用的就是专用ASIC芯片，成本低，处理速度也比GPU快几个数量级，性价比更高。
根据百度智能云报道，一般情况下，在线服务的GPU使用率不高，在20%左右，最高可提升至35%。由于ASIC专为特定任务设计，其算力利用率可能更高，谷歌TPU算力利用率可超过50%。虽然ASIC在性能和效率上更胜一筹，但它的研发成本也相对较高。
ASIC芯片的设计和制造不仅需要大量资金、较长的时间周期和工程周期，还对算法稳定性要求极高。如果AI算法发生较大变化，那么根据之前算法设计的ASIC计算效率就会大幅下降。所以，ASIC并不适合在模型快速迭代期大规模应用。
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。
