打破头部厂商AI霸权，国产ASIC芯片想突围

　　01

　　既专又精，ASIC优势凸显

　　随着AI大模型逐渐变小，进入各种终端设备，硬件如何跟上软件的发展成为了一个关键问题。NPU（神经网络处理器）在AI应用的快速发展中地位陡升，成为支撑AI运算的重要组件。NPU模仿人脑神经网络，专为机器学习算法设计，其专业化的出身使得在AI任务中能够提供比GPU更高的性能。

　　ASIC（Application Specific Integrated Circuit，独特应用芯片）技术正是为此而生。ASIC芯片是为特定用途定制的集成电路，其电路逻辑不可编程，只能运行一种算法，如矿机芯片。这种设计带来了高效率与性能优化，同时减少功耗。在AI应用领域，AI加速芯片分为GPU、FPGA、ASIC三种技术路线，其中ASIC的算力水平依次递增。

　　博通通过多次收购积累了ASIC芯片设计制造能力，成为AI芯片领域的重要服务商。

　　02

　　被“抬”到前台的设计厂商

　　尽管英伟达GPU风头正盛，但国内外许多AI科技企业仍在自研芯片。亚马逊AWS通过自研芯片降低了训练成本，其Trainium芯片相比同级其他芯片节省50%的训练成本，效能显著提升。博通等ASIC服务商因此受益，通过ASIC技术自研AI训练芯片成为最节省成本的方式。

　　谷歌的TPU（张量处理单元）是ASIC技术的典型代表，其设计由博通完成。博通通过收购LSI旗下的SerDes部门，掌握了提升信号传输效率的关键技术，为ASIC芯片设计提供了有力支持。谷歌的TPU性能优异，能够支持大规模集群运算，吸引了许多大客户。

　　在AI定制芯片方案成为未来必然选择的大背景下，博通的AI相关收入预计将从2024财年的38亿美元增加至75亿美元。国内芯片厂商如寒武纪、地平线等也在积极参与ASIC设计服务市场，面临着建立自己配套AI软件生态的挑战。

　　03

　　国内芯片厂商的突破口

　　在美国限芯阻击下，我国难以进口尖端芯片和生产工具。考虑到高端GPU的追赶难度，ASIC或许是国内AI企业的好机会。国内厂商如阿里、百度等均在自研AI训练芯片，并大量采购英伟达GPU以追赶OpenAI。随着大模型应用场景增多，将本增效将成为商业考量，整个AI芯片行业都将受益。

　　在国产替代的迫切需求下，国内厂商的深度神经网络加速ASIC芯片将迎来利好。华为等厂商已搭载寒武纪的NPU模块，但建立自己配套的AI软件生态仍是国内厂商必须面对的挑战。