全球觀察者深度出品

縱橫寰宇，洞察時(shí)代風(fēng)云

英偉達(dá)剛發(fā)了個(gè)聲明，意思是別擔(dān)心我們的市場(chǎng)地位，結(jié)果轉(zhuǎn)頭就傳出Meta在琢磨要不要用谷歌的TPU芯片。

這消息一出來(lái)，芯片股跟著抖了三抖。

這事兒不光是幾家公司的小打小鬧，背后藏著個(gè)大變化ASIC芯片開(kāi)始冒頭了，AI算力這塊蛋糕的分法，怕是要變。

今天就聊聊，這ASIC到底是個(gè)啥，它又是怎么讓英偉達(dá)這樣的老大哥都開(kāi)始緊張的。

要搞明白現(xiàn)在的算力變局，得先知道ASIC和GPU到底有啥不一樣。

這倆就像兩種性格的員工，一個(gè)專精一項(xiàng)技能，一個(gè)啥都會(huì)但不頂尖。

TPU是ASIC里的代表，谷歌家的IronwoodTPU最近挺火。

這東西生來(lái)就是為AI計(jì)算最常用的數(shù)學(xué)運(yùn)算準(zhǔn)備的，就像專門(mén)為跑馬拉松設(shè)計(jì)的鞋，跑起來(lái)又快又省力。

它還用了個(gè)水冷散熱的技術(shù)，一堆芯片能拼成256個(gè)甚至9216個(gè)的大集群，算力直接拉滿。

GPU呢？最早是給電腦顯卡用的，后來(lái)才被拿來(lái)搞AI，所以架構(gòu)上更通用一些。

英偉達(dá)的GPU能火，靠的不光是硬件，還有它家的CUDA生態(tài)系統(tǒng)。

就像你用慣了Windows系統(tǒng)，突然換個(gè)新系統(tǒng)，軟件不兼容、操作不習(xí)慣，肯定頭疼。

英偉達(dá)這套生態(tài)，讓開(kāi)發(fā)者寫(xiě)程序順手得很，這護(hù)城河可不是一天兩天能打破的。

不過(guò)話說(shuō)回來(lái)，通用也有通用的麻煩。

AI計(jì)算里，好多活兒其實(shí)翻來(lái)覆去就那幾樣，GPU的很多功能根本用不上，等于花了冤枉錢(qián)還費(fèi)電。

ASIC就不一樣，你需要啥功能我就設(shè)計(jì)啥，多余的零件全砍掉跑特定AI任務(wù)時(shí)，電費(fèi)能省不少，長(zhǎng)期用下來(lái)運(yùn)營(yíng)成本低一大截。

技術(shù)上的不同，慢慢也讓市場(chǎng)格局開(kāi)始變了。

以前英偉達(dá)在AI芯片市場(chǎng)那真是一家獨(dú)大，份額超過(guò)90%，其他家很難擠進(jìn)去。

但現(xiàn)在不一樣了，像谷歌的TPU，就成了英偉達(dá)Blackwell芯片的低成本替代方案。

有些公司一算賬，發(fā)現(xiàn)跑自家的AI模型，用TPU比GPU省錢(qián)，自然就動(dòng)了心思。

Meta考慮用谷歌TPU，估計(jì)也是這么盤(pán)算的。

ASIC芯片火起來(lái)，不是一家獨(dú)美博通和Marvell這兩家公司，已經(jīng)悄悄成了市場(chǎng)上的“雙寡頭”。

但它倆走的路子可不太一樣，一個(gè)盯緊“教AI學(xué)東西”，一個(gè)專注“讓AI回答問(wèn)題”。

博通算是ASIC領(lǐng)域的老資格了，跟谷歌從第一代TPU就開(kāi)始合作，關(guān)系鐵得很。

它的策略簡(jiǎn)單粗暴，你要啥我就給你定制啥加速器，再配上高速互連技術(shù)，讓芯片之間數(shù)據(jù)傳輸快得飛起。

現(xiàn)在谷歌、Meta、OpenAI這些需要大量算力訓(xùn)練AI模型的公司，都是博通的大客戶。

畢竟訓(xùn)練模型就像教學(xué)生，得有超強(qiáng)的算力“老師”才行，博通剛好能滿足這點(diǎn)。

Marvell走的是另一條路，它主要跟亞馬遜、微軟這些公司合作，做“推理側(cè)”的芯片就是AI學(xué)會(huì)東西后，用來(lái)回答用戶問(wèn)題、處理日常任務(wù)的算力。

它家的技術(shù)路線有兩個(gè)撒手锏，一是用了最先進(jìn)的3nm制程，芯片做得更小、更省電；二是高速互連的IP技術(shù)很牛，數(shù)據(jù)傳輸效率高。

而且它不光做芯片，還搞數(shù)據(jù)中心的全棧布局，從芯片到軟件再到系統(tǒng)，形成了自己的小生態(tài)，這就讓客戶用起來(lái)更方便。

本來(lái)想，ASIC市場(chǎng)會(huì)不會(huì)像GPU那樣一家獨(dú)大，后來(lái)發(fā)現(xiàn)博通和Marvell這倆“各吃一口飯”的玩法挺聰明。

一個(gè)抓訓(xùn)練側(cè)的大客戶訂單，一個(gè)占推理側(cè)的市場(chǎng)份額，短期內(nèi)誰(shuí)也吃不掉誰(shuí)，倒形成了穩(wěn)定的雙寡頭局面。

先進(jìn)封裝技術(shù)成了ASIC的“神助攻”。

谷歌就計(jì)劃2027年推出的TPUv9用上EMIB技術(shù)，這技術(shù)能把多個(gè)小芯片像拼積木一樣連起來(lái)，性能提升不少，成本還能降下去。

Meta也在評(píng)估要不要把這技術(shù)用在自家的MTIA芯片上。

英特爾的EMIB技術(shù)比臺(tái)積電的CoWoS方案更靈活，性價(jià)比更高，難怪大家都盯上了。

國(guó)內(nèi)企業(yè)也沒(méi)閑著。

阿里巴巴搞了個(gè)PPU芯片，專門(mén)針對(duì)云端AI推理；芯原股份的AIASIC業(yè)務(wù)最近增長(zhǎng)挺快，幫客戶定制芯片；翱捷科技則在智能穿戴這些細(xì)分領(lǐng)域發(fā)力。

雖然跟國(guó)際巨頭比還有差距，但至少跟上了節(jié)奏，沒(méi)被落下。

現(xiàn)在的AI算力市場(chǎng)，已經(jīng)不是非此即彼的選擇題了。

谷歌最新的Gemini3模型，就是用自家TPU訓(xùn)練的，效果還不錯(cuò)。

Anthropic這樣的AI公司，既用英偉達(dá)GPU，也用谷歌TPU，誰(shuí)家好用誰(shuí)家的。

云廠商們也學(xué)精了，不會(huì)把雞蛋放一個(gè)籃子里，都在搞“多元化算力”策略。

說(shuō)到底，ASIC芯片的崛起，不是要徹底取代GPU，而是讓AI算力市場(chǎng)多了一種選擇。

英偉達(dá)的CUDA生態(tài)確實(shí)厲害，但架不住ASIC在特定場(chǎng)景下的“性價(jià)比”優(yōu)勢(shì)。

未來(lái)的格局，更可能是GPU和ASIC各占一塊地盤(pán)通用計(jì)算還得靠GPU，特定任務(wù)就交給ASIC。

這場(chǎng)算力變局才剛開(kāi)始，Meta考慮谷歌TPU只是個(gè)信號(hào)。

后面還會(huì)有更多公司站隊(duì)，更多技術(shù)突破。

對(duì)咱們普通人來(lái)說(shuō)，可能感受不到芯片層面的變化，但AI服務(wù)更快、更便宜，背后就是這些小小的芯片在較勁。

至于最后誰(shuí)能笑到最后，怕是只有時(shí)間能給答案了。