最新季度，英偉達業(yè)績依然爆表，利潤飆升。但今時今日，競爭對手步步緊逼，更多AI芯片持續(xù)推出，給英偉達帶來前所未有的挑戰(zhàn)。

目前最炙手可熱的是ASIC，中文意思是專用集成電路。無論是谷歌的TPU、亞馬遜Trainium，還是OpenAI與博通聯(lián)合開發(fā)的定制芯片，都屬于這一范疇。

除了ASIC，F(xiàn)PGA也是AI芯片市場不可忽視的新力量。最開始時，GPU主要用于游戲領域，2012年GPU開始向AI領域轉型。到了今天，GPU通常會與CPU搭配使用，集成于服務器機架系統(tǒng)，部署于數據中心，為云端AI提供算力支持。

Futurum Group認為，未來幾年，定制ASIC的增長速度將會超過GPU。

為什么企業(yè)追捧定制AI芯片？

由于GPU能同時執(zhí)行大量運算，成為AI訓練和推理的理想選擇。在訓練階段，AI模型從海量數據中學習規(guī)律；在推理時，AI利用學到的知識對信息做出決策。

研發(fā)GPU的主要有英偉達和AMD，英偉達圍繞GPU搭建了專用軟件平臺CUDA，AMD GPU則依賴開源軟件生態(tài)系統(tǒng)。

根據英偉達透露，一套整合72塊Blackwell GPU的服務器機架，售價約為300萬美元，每周出貨量約為1000套。

在大型語言模型（LLM）發(fā)展初期，GPU為訓練提供支撐，但隨著行業(yè)的發(fā)展，推理變得越來越重要。企業(yè)可以用性能要求較低、針對特定任務編程的芯片來完成推理，ASIC成為核心解決方案。

我們可以將GPU看成為“瑞士軍刀”，能處理各種AI負載，完成多種并行運算；而ASIC則是“單用途工具”，擁有極高效率和速度，但硬件電路固定，只能執(zhí)行某一類特定任務。

英偉達GPU足夠靈活，被許多AI企業(yè)采用，但單塊GPU售價高昂，達到4萬美元。一些初創(chuàng)企業(yè)仍然愿意投入高昂的GPU成本，主要是設計定制化ASIC前期投入更高，起步便是數千萬美元，小企業(yè)無法承擔。但對于有實力的企業(yè)來說，定制ASIC從長遠看更有性價比。

在定制ASIC領域，谷歌率先向英偉達發(fā)起沖鋒。2015年谷歌首款ASIC芯片問世，十年過去，11月份谷歌發(fā)布第7代TPU。

《芯片戰(zhàn)爭》一書作者克里斯·米勒（Chris Miller）認為，從技術層面看，TPU已與英偉達GPU不相上下，甚至更勝一籌。他認為，谷歌TPU僅用于內部，但從長遠看，谷歌會逐步開放，允許外部企業(yè)使用。

AWS也在模仿谷歌設計自己的AI芯片。2015年，亞馬遜收購以色列Annapurna Labs，2018年推出推理芯片Inferentia，2022年發(fā)布訓練芯片Trainium。

Trainium首席架構師伯尼·迪亞曼特（Ron Diamant）透露說，亞馬遜新的三代Trainium比其它同類產品高性能高出30-40%。他還說，未來Trainium在推理、訓練方面將會更上層樓。

研發(fā)ASIC并非易事，于是許多企業(yè)尋求與博通、Marvell合作，它們提供知識產權、專業(yè)技術和網絡支持，幫助客戶研發(fā)定制ASIC，博通成為這場定制浪潮的最大受益者。

不只有英偉達，未來是多方案并存

除了谷歌、亞馬遜，微軟也參與ASIC賽道。在美國東部的微軟數據中心，已經引入其自研的Maia 100芯片。還有，高通推出了A1200芯片，英特爾研發(fā)了Gaudi AI加速器，特斯拉打造了AI5芯片。初創(chuàng)企業(yè)也紛紛涌入，比如專注于晶圓級AI芯片研發(fā)的Cerebras，專注于推理任務的芯片開發(fā)商Groq。

在中國，華為、字節(jié)跳動、阿里巴巴也在研發(fā)定制ASIC。

在AI芯片領域，神經網絡處理單元（NPU）也是一大類別，它通常集成在SoC中，為設備提供AI功能，能耗較低，可以節(jié)省空間。高通、英特爾、AMD都在研發(fā)NPU，為PC提供AI算力支持。

米勒表示：“目前大部分資金都流向了數據中心領域，但隨著時間推移，這一格局將會改變。未來，AI將廣泛地部署在我們的手機、汽車、可穿戴設備等各類產品中，其應用程度將遠超當下?！?/p>

最后是FPGA，它可以在制造完成后通過軟件重新配置，靈活性比NPU和ASIC更高，但在處理AI負載時，性能和能效相對較低。2022年AMD以490億美元收購Xilinx，2015年英特爾以167億美元收購Altera，都是為了布局FPGA。

最近幾天，市場傳出消息稱，OpenAI準備與博通合作，開發(fā)定制AI芯片；META考慮采購谷歌TPU芯片；Anthropic宣布采購最多100萬塊谷歌TPU芯片。

Jefferies分析師上周在研報中表示，ASIC已經迎來拐點。不過企業(yè)選擇定制戰(zhàn)略，雖然能降低成本，減少對英偉達的依賴，但也意味著會被局限于特定AI應用場景或者模型，在AI技術飛速迭代的當下，可能存在諸多不便。

Gartner則認為，定制化AI不僅成本高，而且存在諸多復雜環(huán)節(jié)，比如要為硬件開發(fā)定制配套軟件。想擁有一款高性能定制芯片，需要投入巨額研發(fā)資金，而且還要經歷多次迭代。所以，只有大型科技企業(yè)才對ASIC有需求，也只有它們的產品才具有商業(yè)可行性。

英偉達CEO黃仁勛并不認為定制化AI芯片（通常是博通產品）構成威脅，他稱定制芯片的性能無法抗衡英偉達產品。今年早些時候，黃仁勛接受采訪時表示，很多ASIC項目將會夭折，他還堅定地認為ASIC缺乏競爭力。

但Gartner卻認為，到2026年，AI推理算力的相關支出將會超過訓練算力支出，最終絕大多數AI支出將會分配給推理，比例可能達85-90%。市場將會由訓練向推理過渡，最終形成各種芯片方案百花齊放的局面。作為超大企業(yè)，未來會逐漸降低對英偉達的依賴，不過在定制芯片上運行的負載比例不會太高，只會占一部分。（小刀）