·聚焦:人工智能、芯片等行业
欢迎各位客官关注、转发
前言：
随着人工智能技术的迅猛发展，全球对计算能力的需求急剧上升，这促使人工智能芯片市场持续升温。
然而，随着大型人工智能模型的发展进入新阶段，人工智能芯片市场的竞争格局正在经历微妙的变化。
有观点认为 ASIC正迅速崛起，对GPU在人工智能计算领域的主导地位构成威胁。
作者| 方文三
图片来源 |网 络
芯片关注度随着AI模型规模的扩大而发生改变
人工智能计算分为训练和推理两个方面。
训练任务需要更强大的计算能力，因此在人工智能训练方面，厂商们主要使用GPU。
而推理任务对计算能力的要求相对较低，且不需要高度并行处理，因此GPU在这一领域的优势并不明显。
许多企业开始采用成本更低、能耗更少的FPGA或ASIC进行计算。
这种情况一直持续至今，人工智能芯片中GPU的市场份额能够达到70%以上。
数据作为人工智能发展的[化石燃料]是有限的，目前用于人工智能预训练的数据已经达到极限。
此外，随着模型规模的扩大，其边际效益逐渐递减，而计算能力的成本依然高昂，这些因素促使人们开始深思人工智能训练阶段的未来发展。
与此同时，人工智能大模型的下一阶段——逻辑推理，正逐渐成为新的研究热点。
目前，由于对英伟达长期依赖的不满，市场迫切希望实现计算能力的多元化。
此外，随着人工智能模型从[训练热]转向[推理热]，推理类人工智能计算需求的增加为ASIC提供了机遇。
因此，支持ASIC产业链的发展，提升ASIC芯片在人工智能领域的市场份额，已成为业界的普遍共识。这也解释了博通和Marvell股价的显著上涨。
ASIC需求激增的两个主要原因
①人工智能大模型正经历从训练到推理的转变。以谷歌与博通合作开发的TPU为例，其架构专为机器学习和深度学习设计，重点在于推理过程，而非训练或渲染等其他环节。
巴克莱的研究报告指出，目前人工智能推理计算的需求正在迅速增长，预计将占据通用人工智能总计算需求的70%以上，甚至可能超过训练计算需求，达到后者的4.5倍。
②下游企业希望减少对英伟达的依赖也是原因之一。
对于定制芯片有需求的通常是大型企业，如字节跳动、Meta和谷歌等，他们对英伟达芯片的长期稳定供应持有顾虑。
选择ASIC，下游企业能够增强对产品的控制力，从而提升采购的议价能力。
③优化内部工作负载。云服务提供商通过开发定制化的芯片，能够更高效地满足其内部AI推理和训练的需求。
AI时代下ASIC的潜力将被放大
摩根士丹利于15日发布了题为《AI ASIC 2.0：潜在赢家》的研究报告，报告中指出，由于ASIC在针对性优化和成本效益方面的优势，预计它们将逐渐从英伟达的GPU手中夺取更多市场份额。
摩根士丹利预测，AI ASIC的市场规模将从2024年的120亿美元增长至2027年的300亿美元，年均复合增长率达到34%。
在这一背景下，尽管英伟达在大型语言模型训练方面的优势使其有望继续保持市场主导地位，但博通、世芯电子（Alchip）以及Socionext等公司亦被看好。
同时，Cadence、台积电及其供应链伙伴（如ASE、KYEC等）预计将从ASIC设计与制造的迅猛增长中受益。
ASIC和GPU均为半导体芯片，它们因适用于人工智能计算而被统称为[AI芯片]。
在半导体行业，芯片通常被划分为数字芯片和模拟芯片两大类。数字芯片占据了大约70%的市场份额，是市场规模较大的一部分。
数字芯片还可细分为逻辑芯片、存储芯片和微控制单元（MCU）。CPU、GPU、FPGA和ASIC均属于逻辑芯片的范畴。
ASIC是一种为特定应用设计的集成电路。其官方定义为：根据特定用户需求或特定电子系统需求，专门设计和制造的集成电路。
诸如谷歌的TPU、比特币矿机、英特尔的Gaudi 2 ASIC芯片、IBM的AIU以及AWS的Trainium等，均属于ASIC芯片。
ASIC作为定制芯片，其计算能力和效率是根据特定任务的算法严格匹配的。
芯片的核心数量、逻辑计算单元与控制单元的比例，以及缓存等，整个芯片架构都是精确定制的。
因此，ASIC能够实现极致的小体积和低功耗。这类芯片在可靠性、保密性、计算能力和能效方面，通常优于通用芯片（如GPU）。
例如，在相同的预算条件下，AWS的Trainium 2能够比英伟达的H100 GPU更快地完成推理任务，并且性价比提高了30-40%。
预计明年推出的Trainium 3，其计算性能将提升两倍，能效提高40%。
除了Meta、微软、亚马逊等科技巨头陆续发布ASIC新产品外，众多其他公司和初创企业也在ASIC领域不断推出创新产品，为人工智能大模型的训练和推理提供了强大的计算支持。
ASIC与GPU的竞争与合作关系
摩根士丹利进一步指出，ASIC的兴起并不预示着GPU的衰落。实际上，这两种技术预计将长期并存，为不同的应用场景提供最适宜的解决方案。
ASIC的兴起并不预示着GPU的衰落。相反，这两种技术将长期并存，为不同的需求场景提供最适宜的解决方案。
从这些科技巨头的积极举措中可以明显看出，ASIC在人工智能芯片领域的地位日益重要，逐渐成为各大企业竞争的核心领域。
训练大规模语言模型（如GPT-4、Llama 3等）需要强大的计算芯片支持，这推动了GPU和ASIC市场的增长。
尽管ASIC和GPU在某些方面存在竞争关系，但它们更多地是在互补和共存的状态下发展。
在人工智能算力需求不断增长的背景下，ASIC和GPU各自的优势将得到更好的发挥。
ASIC能够高效处理特定任务，而GPU则能提供灵活性和通用性，以适应快速变化的算法和应用需求。
在可预见的未来，由于其成熟度和大规模生产，GPU将继续作为主流技术存在，而ASIC的兴起尚需时日。
展望未来，GPU与ASIC预计将在不同应用场景中共存，计算能力的多元化发展已成为普遍认同的趋势。
然而，技术发展的方向可能会受到量子计算等新兴技术领域的影响。
例如，谷歌发布的最新量子芯片[Willow]拥有105个量子位，能在五分钟内完成传统超级计算机需要超过宇宙年龄才能解决的计算问题，这表明量子计算在计算能力方面具有传统芯片无法比拟的潜力。
结尾：
尽管英伟达GPU目前仍是多数云服务提供商的首选，但随着ASIC设计的不断成熟，这些云巨头未来几年可能通过自研ASIC在采购谈判中获得更大的议价能力。
在未来，随着人工智能技术的发展和市场需求的变化，ASIC和GPU将继续并存并发展，各自在不同的应用场景中发挥其独特优势，共同推动人工智能生态的繁荣。
部分资料参考：鲜枣课堂：《ASIC会不会取代GPU？》，技术饭：《揭秘AI芯片：从GPU到ASIC的多元化发展》，锦缎：《2025算力主线：ASIC VS GPU》，芝能科技：《人工智能ASIC赛道：谁才是最终赢家？》，维科网电子：《AI新军股价狂飙400%，上演[三英战吕布]戏码》，余汉波：《推理崛起，ASIC能否挑战GPU霸主地位？》，风口投资学：《ASIC芯片爆了》
本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。
请务必注明：
「姓名 + 公司 + 合作需求」
热门跟贴