近日，博通發布財報業績，2024財年公司AI收入增長220%，達到122億美元。受此消息提振，周五博通股價大漲24.4%，成為繼英偉達、臺積電之后，全球第三家市值過萬億美元的半導體公司。

隨著人工智能對算力提出更高的要求，傳統的CPU架構難以滿足，因此具有海量數據并行計算能力、能加速計算處理的AI算力芯片應運而生，根據技術架構，AI芯片主要分為三類：GPU、ASIC、FPGA。

GPU和FPGA是比較成熟的通用性芯片。ASIC與GPU芯片相比，ASIC的單位算力成本更低，滿足一定的降本需求。因其成本較低，功耗也更低，展現出了更高的性價比。

一、什么是ASIC芯片？

ASIC，英文全稱：Application-Specific Integrated Circuits, 即專用集成電路。是一種專用型芯片，針對特定用戶要求和場景應用而設計，在特定任務上的計算能力強大，通常具有較高的能效比。

與FPGA相比，ASIC靈活性差、專用度高、但體積小、功耗低、計算性能更好。ASIC全球頭部廠商為谷歌、博通、Marvell。

ASIC芯片可分為TPU、DPU、NPU：

（1）TPU即張量處理器，專用于機器學習。

（2）DPU為數據中心等計算場景提供計算引警.

（3）NPU即神經網絡處理器，在電路層模擬人類神經元和突觸，并用深度學習指令集處理數據。

AISC屬于定制款芯片，因此性能更強、能耗更低，但研發門檻高、設計周期長，所以價格更貴，但大規模量產后成本顯著降低。

二、市場規模:

AI ASIC具備功耗、成本優勢，目前仍處于發展初期，市場規模有望高速增長。目前ASIC在AI加速計算芯片市場占有率較低，預計增速快于通用加速芯片。據Marvell預測，2023年，定制芯片僅占數據中心加速計算芯片的16%，其規模約66億美元，預計2028年數據中心定制加速計算芯片規模有望超400億美元。

ASIC單卡算力與GPU仍有差距，但單卡性價比和集群算力效率優秀。ASIC中算力相對較高的谷歌TPU v6和微軟Maia 100算力約為H100非稀疏算力的90%、80%，同時ASIC的單價顯著低于GPU，故而在推理場景呈現更高的性價比；ASIC的芯片互聯以PCIe協議為主，處于追趕狀態，NVLink協議更具優勢；在服務器互聯方面，ASIC主要采用以太網，正追平英偉達的IB網絡，目前H100集群可以做到10萬卡規模，ASIC中谷歌TPU相對更為領先，TPU v5p單個Pod可達8960顆芯片，借助軟件能力，TPUv5e可拓展至5萬卡集群，且保持線性加速。由于ASIC專為特定場景設計，且云廠商對軟件生態掌握程度也較高，ASIC集群的算力利用率實際可能高于GPU（如TPU、MTIA等）。

軟件生態也是影響AI計算能力的重要因素，當前CUDA生態占據主導，ASIC軟件生態有望逐步完善。云廠商普遍具備較強的研發能力，均為AI ASIC研發了配套的全棧軟件生態，開發了一系列的編譯器、底層中間件等，提升ASIC在特定場景下的計算效率。此外，一些商用芯片廠商也推出了開源平臺，如ROCm和oneAPI，未來ASIC的軟件生態將會愈發成熟、開放。

三、投資建議：

ASIC針對特定場景設計，有配套的通信互聯和軟件生態，雖然目前單顆ASIC算力相比[敏感詞]的GPU仍有差距，但整個ASIC集群的算力利用效率可能會優于可比的GPU，同時還具備明顯的價格、功耗優勢，有望更廣泛地應用于AI推理與訓練。我們看好ASIC的大規模應用帶來云廠商ROI提升，同時也建議關注定制芯片產業鏈相關標的。

四、風險提示：AI算法技術風險、生態系統建設不及預期、芯片研發不及預期、AI產業發展不及預期

目錄

免責聲明：本文采摘自“ittbank”，本文僅代表作者個人觀點，不代表薩科微及行業觀點，只為轉載與分享，支持保護知識產權，轉載請注明原出處及作者，如有侵權請聯系我們刪除。