ASIC晶片行業概覽

目前，AI晶片領域主要由三類晶片架構主導：GPU、FPGA和ASIC。

其中，GPU和FPGA作為較為成熟的通用型晶片，已經在市場上占據了重要地位。

ASIC是專門為滿足特定需求而開發的晶片，允許設計者根據實際應用場景，對性能和功耗進行有針對性的優化。

其在性能、能效以及成本上均實作了對标準晶片的顯著超越，因而更加契合AI計算場景的需求。

随着機器學習、邊緣計算和自動駕駛等領域的飛速發展，對于晶片的計算效率、能力和能耗比的要求日益嚴苛。在此背景下，ASIC作為一種專為特定目的和使用者需求設計的定制晶片，正在受到廣泛關注。

ASIC晶片拆解圖：

資料來源：納芯微

ASIC晶片的設計方法靈活多樣，包括全定制、半定制和可程式設計等。

其優勢在于其能夠針對專門任務進行架構層面的優化，進而實作更高的性能、更小的體積以及更低的功耗。

此外，在大規模量産的情況下，ASIC還具備成本優勢。

這使得ASIC在深度學習加速，尤其是推理側的應用中，相較于其他AI晶片展現出明顯的效率優勢。根據CSET資料，ASIC晶片在推理領域的效率和速度約為CPU的100-1000倍。

ASIC在訓練領域也有一定應用（如TPUv2、v3、v4），但ASIC晶片将首先在推理領域迎來爆發式增長。

随着大語言模型的算力、資料量和參數量不斷增加，模型的效果将不斷提升，這此階段，如果應用需求爆發式增長，ASIC晶片的優勢将更加凸顯，成為推動AI技術發展的關鍵力量。

ASIC晶片更多應用于推理領域：

資料來源：McKinseyAnalysis

ASIC晶片市場競争格局和龍頭梳理

在全球市場中，ASIC晶片的發展勢頭強勁。其中表現最為突出的是谷歌的TPU（張量處理晶片）和英特爾的Gaudi 2。

自2015年谷歌首次涉足ASIC領域并釋出第一代TPU以來，至今已推出六代版本。這一系列的疊代推動了ASIC技術不斷進步，也鞏固了其在ASIC領域的領先地位。

與此同時，英偉達則選擇了延續其GPU路線。英偉達的Orin晶片也是基于通用GPU架構設計的，雖然其架構仍是雲端架構，但也展現了英偉達在AI晶片領域的多元化布局。

AMD則利用自身在CPU和GPU領域的技術積累，推出了Instinct MI300晶片。

在交換機ASIC晶片方面，博通公司為大型雲廠商提供的Tomahawk系列ASIC晶片一直保持着兩年一代的更新周期。這種更新速度不僅滿足了資料中心日益增長的性能需求，也推動了整個交換機ASIC晶片市場的快速發展。#人工智能##晶片##英偉達##華為##算力##科技##财經#

博通的交換機ASIC晶片速率保持兩年一代的更新周期：

資料來源：博通官網

大陸的ASIC行業發展勢頭強勁，湧現出一批優秀企業，如寒武紀、瀾起科技、黑芝麻、地平線、華為海思、百度以及阿裡巴巴等。部分國産ASIC技術已經達到國際領先水準，以華為海思的昇騰910為例，在BF16浮點算力方面，該晶片已經超越了谷歌的最新一代産品TPUv4。

資料來源：機器之心、浙商證券

而地平線的征程5晶片不僅是一款ASIC晶片，還采用了DSA（Domain Specific Architecture，特定領域架構）設計。

整體而言，目前全球ASIC領域呈現出百花齊放的局面，早期ASIC晶片以谷歌TPU為代表性産品，近年來中國ASIC廠商已經實作了加速追趕，有望在新一輪AI浪潮中加速算力晶片的國産替代。

關注【樂晴行業觀察】，洞悉産業格局！