随着字节跳动正在接近与联发科达成数据中心芯片供应协议的消息传出，互联网巨头自研AI芯片再次被推到了产业聚光灯下。
据彭博社10月14日报道，字节跳动正在与联发科洽谈数据中心半导体供应，产品属于面向字节平台定制的ASIC，至于具体数量尚未披露。路透社随后进行了报道，并指出相关信息尚未得到独立确认。
字节是一家超级互联网平台，联发科是一家芯片设计公司，两者都是AI产业链两个正在发生变化的环节。
未来，字节还需要越来越多的算力，可如果长期把所有计算任务交给通用GPU，成本、功耗和供应稳定性都会逐渐成为经营层面的现实问题。
尤其随着AI应用从模型训练进入大规模推理，芯片采购的重要性愈加突出，已经开始影响平台公司的资本开支、运营成本和利润率。这也是ASIC重新受到重视的原因。
英伟达仍然拥有完整的GPU生态优势，但谷歌、亚马逊、微软等大型科技公司都在推进自研AI芯片。10月19日，亚马逊进一步推出让PyTorch模型更容易运行在Trainium上的工具，目的就是降低开发者迁移到自研芯片的门槛。
AI算力的竞争，正在从“谁拥有最强GPU”扩展到“谁能以更低成本完成更多有效计算”。
对于市场而言，这条产业线比单笔订单本身更值得跟踪。
字节找ASIC，背后是推理需求开始改变算力采购方式
字节跳动拥有抖音、TikTok、豆包等高流量产品，AI已经深入内容推荐、广告、电商和智能助手等业务。随着模型使用量增长，推理逐渐成为持续发生的计算需求，算力成本也从一次性的基础设施投入，变成长期经营成本。
训练需要高度通用的计算能力和成熟的软件生态，在训练任务中，GPU依然占据优势；推理与之有所不同，更加看重单位计算成本、功耗、延迟和特定模型的运行效率。
对于拥有巨大内部流量的平台公司来说，如果某类模型和工作负载足够稳定，围绕特定任务设计芯片，就有机会减少大量不必要的通用计算能力。所以，字节开始寻找定制ASIC。
不同供应商承担不同计算任务，本身就是大型互联网平台降低供应链集中度、提高算力调度效率的一种方式。所以，字节的方向不是简单放弃GPU，更准确的说法是“多芯片架构”。
虽然英伟达依然是训练和通用AI计算的重要基础设施供应商，但随着推理规模扩大，互联网公司开始重新计算每一颗芯片的投入产出比。字节此前也被报道正在采购国产AI推理芯片，用于相关推理需求。
模型能力决定产品上限，单位Token成本则开始决定AI业务能不能真正赚钱。芯片采购从技术选型进入经营决策，背后对应的是整个AI商业模式开始进入精细化运营阶段。
联发科真正的机会，是把手机芯片能力复制到AI基础设施
字节寻找定制芯片，对联发科的意义不只是一笔潜在订单。
公司在今年第二季度业绩会上表示，预计2026年数据中心相关收入超过20亿美元，同时将2027年定制AI ASIC可服务市场规模预期提高到800亿美元，并将目标市场份额从此前的10%—15%提高至15%—20%。
也就是说联发科正在加速进入数据中心ASIC市场。这背后反映的是联发科对产业趋势的判断：AI数据中心不会永远只有通用GPU一种计算架构。
联发科此前的核心标签是手机SoC，但手机芯片市场已经高度成熟。数据中心ASIC则提供了一个完全不同的成长空间，客户愿意为特定工作负载进行芯片定制，也意味着芯片公司的收入模式从标准化产品销售走向长期合作和联合开发。
更重要的一步已经发生。
今年8月，英伟达宣布与联发科进一步扩大合作，联发科将采用NVLink Fusion平台，帮助客户开发定制XPU，并接入英伟达的机架级AI基础设施。
该合作实际上给ASIC产业提供了一种新的商业模式：互联网公司可以保留对芯片架构和特定计算任务的控制，同时借助成熟的互联和数据中心基础设施降低开发难度。芯片设计公司则可以借助自身工程能力、供应链和先进制程资源完成量产。
联发科在这里扮演的角色，便不再是简单的“芯片供应商”，开始更多地转向“定制计算基础设施合作伙伴”。
如果字节的合作最终落地，市场更应该关注联发科数据中心业务的持续订单能力，因为对于一家成熟手机芯片公司来说，能否形成第二条高增长曲线，才决定这项业务的长期价值。
GPU不会退出，AI芯片真正进入的是“分工时代”
把字节寻找ASIC理解成GPU时代结束，显然过于简单。
如今CUDA、NVLink、网络、软件以及整机柜系统共同构成了AI基础设施生态。英伟达目前也在主动拥抱定制芯片，通过NVLink Fusion让客户的定制XPU进入自己的AI工厂体系。英伟达的优势早已不局限于单颗GPU。
这意味着AI芯片产业的竞争正在出现一个新的结构。
通用GPU依然适合训练以及复杂、变化快的计算任务；ASIC更适合规模大、模型稳定、工作负载明确的推理场景；CPU承担通用计算和控制任务，HBM、先进封装、高速互联则决定整个系统的实际效率。
同时AMD正在通过Instinct系列和ROCm软件生态扩大AI数据中心市场，并持续针对主流大模型优化推理性能。可见AI芯片的竞争已经从单纯的峰值算力，逐渐延伸到实际运行成本。
最近的产业变化尤其值得关注：Marvell在10月初上调长期收入预期，核心驱动力之一就是定制数据中心芯片需求增长。说明ASIC已经从少数科技巨头的内部项目，逐渐发展成一个独立的产业链机会。
对于字节而言，持续参与芯片设计意味着AI基础设施能力进一步向平台内部延伸；对于联发科而言，数据中心ASIC如果能够持续获得大型客户订单，有机会改变市场对公司成长空间的判断；对于英伟达而言，开放定制芯片接入自己的基础设施体系，则是在保持平台控制力的同时扩大AI计算生态。
因此，未来几年真正值得关注的并不是“GPU还是ASIC”这种二选一的问题，更多的是不同计算架构如何按照任务进行重新分配。
AI基础设施的价值链正在从单颗芯片竞争走向系统效率竞争。
未来谁能够降低推理成本，提高算力利用率，同时保持稳定的供应能力，谁就更有机会获得下一轮产业增量。
字节寻找联发科，正好提供了一个很好的观察样本：互联网平台开始认真计算芯片的经营账，芯片公司开始争夺数据中心的长期订单，英伟达则试图把定制芯片也纳入自己的基础设施体系。
AI芯片的下半场，不只要拼算力峰值，更重要的是每一美元资本开支最终能够换来多少有效计算。
这才是字节自研、定制AI芯片这条产业线真正值得研究的地方。
热门跟贴