文 | 半導體產業縱橫

ASIC市場在增長。

這一點早已達成業內共識。但令人意外的是，ASIC增長的速度實在是太快了。摩根士丹利預計，AI ASIC市場規模將從2024年的120億美元增長至2027年的300億美元，年復合增長率達到34%。

要知道2023年—2029年，高性能計算GPU市場的年復合增長率是25%，而CPU和APU的增長率僅為5%和8%。

ASIC市場，蛋糕膨脹

TrendForce的最新研究報告指出，隨著人工智能服務器需求的迅猛增長，美國主要的云計算服務提供商（CSP）正加快內部開發專用集成電路（ASIC）芯片的步伐，平均每1至2年便推出新一代產品。在中國，人工智能服務器市場正逐步適應美國自2025年4月起實施的新出口管制政策。據預測，這些措施將導致2025年進口芯片（如NVIDIA和AMD產品）的市場份額從2024年的63%下降至約42%。

與此同時，在政府積極推動國產人工智能處理器的政策扶持下，預計中國本土芯片制造商的市場份額將提升至40%，與進口芯片的市場份額幾乎持平。

定制芯片是一種經濟選擇，而不是技術選擇。ASIC蛋糕增長最重要的驅動力只有一個：錢。

從當前來看，GPU服務器依然是最終用戶的首要選擇，但由于部分GPU產品受供應的限制，導致出現了算力缺口。很多頭部的互聯網企業，為了降低成本以及更好地適配自身業務場景，也增大了自研ASIC芯片服務器的部署數量。

比如在同等預算下，AWS的Trainium 2（ASIC芯片）可以比英偉達的H100 GPU更快速完成推理任務，且性價比提高了30%～40%。明年計劃推出的Trainium3，計算性能更是提高了2倍，能效提高40%。

云解決方案提供商正在優先考慮 ASIC 開發，以減少對 NVIDIA 和 AMD 的依賴，更好地控制成本和性能，并增強供應鏈靈活性。這種轉變對于管理不斷增長的 AI 工作負載和優化長期運營支出至關重要。

此外，如果芯片可以帶來戰略優勢，那么ASIC就是有意義的。蘋果就是一個很典型的例子，當然也有谷歌。

ASIC的典型代表：TPU

廠商對能效比和成本的追求是永無止境的，國外大廠中谷歌、亞馬遜、meta、OpenAI等大型云計算和大模型廠商均加速布局定制化ASIC。國內企業中寒武紀、達摩院、百度、騰訊等都在推出自己的ASIC芯片。

市場主流的ASIC芯片有TPU、NPU、VPU芯片。

谷歌的TPU作為ASIC已經非常典型的代表了。這是谷歌在2016年推出的首款產品，目標是為了高效地處理張量運算。

最新的TPU在今年4月發布，谷歌已經推出了第七代張量處理單元（TPU）Ironwood。谷歌稱，在大規模部署的情況下，這款 AI 加速器的計算能力能達到全球最快超級計算機的24倍以上。

Ironwood 擁有超模的技術規格，當每個 pod 擴展至 9216 塊芯片時，它可提供 42.5 exaflops 的 AI 算力，遠超目前全球最快的超級計算機 El Capitan 的 1.7 exaflops。每塊 Ironwood 芯片的峰值計算能力可達 4614 TFLOPs。

在單芯片規格上，Ironwood 顯著提升了內存和帶寬，每塊芯片配備 192GB 高帶寬內存（HBM），是去年發布的上一代 TPU Trillium 的六倍。每塊芯片的內存帶寬達到 7.2 terabits/s，是 Trillium 的 4.5 倍。

目前，TPU芯片已經成為全球第三大數據中心芯片設計廠商，據產業鏈相關人士透露，谷歌TPU芯片去年的生產量已經達到280萬～300萬片之間。

國內這邊布局TPU芯片的企業是中昊芯英。創始人楊龔軼凡曾在谷歌TPU核心研發團隊參與過TPU v2/3/4的設計與研發工作。

2024年，中昊芯英創始人及CEO就曾對外透露，2023年中昊芯英成功實現了全自研的專為AI訓練而生的中國首枚高性能TPU訓練芯片“剎那”的量產交付。

據悉，“剎那”作為一款全自研的GPTPU架構AI訓練芯片，擁有完全自主可控的 IP 核、全自研指令集與計算平臺。在處理大規模 AI 模型訓練和推理任務時，“剎那”的計算性能超越英偉達 A100，系統集群性能更是十倍于傳統 GPU，在完成相同訓練任務量時的能耗僅是傳統 GPU 的一半。相比國外產品，“剎那”芯片的單位算力成本僅為其42%。

ASIC，競爭不斷

在ASIC市場，目前博通以55%～60%的份額位居第一，Marvell以13%～15%的份額位列第二。

博通在AI芯片領域的核心優勢在于定制化ASIC芯片和高速數據交換芯片，其解決方案廣泛應用于數據中心、云計算、HPC（高性能計算）和5G基礎設施等領域。

最新的財報來看，博通2025財年第一季度財報顯示，其營收達149.16億美元，同比增長25%；非GAAP凈利潤78.23億美元，同比激增49%。其中，AI相關收入41億美元，同比增長77%，占總營收的28%，在半導體業務中占比更高達50%。

博通的ASIC芯片業務已成為其核心增長點。財報披露，定制AI芯片（ASIC）銷售額預計占第二季度總AI半導體收入的70%，達308億美元（約合450億美元）。

博通有兩個大合作備受關注：第一是meta與博通已合作開發了前兩代AI訓練加速處理器，目前雙方正加速推進第三代MTIA芯片的研發，預計2024年下半年至2025年將取得重要進展。

第二是OpenAI已委托博通開發兩代ASIC芯片項目，計劃于2026年投產，將采用業界領先的3nm/2nm制程工藝并搭配3D SOIC先進封裝技術。與此同時，雖然蘋果目前仍在使用谷歌TPU，但其自研AI芯片項目已在積極推進中。

Marvell的定制芯片（ASIC）業務正成為其強勁增長的核心動力之一。Marvell的具體業務中，數據中心業務占據75%左右，屬于高成長業務。這部分業務包括SSD 控制器、高端以太網交換機（Innovium）及定制 ASIC 業務（亞馬遜 AWS 等定制化芯片），主要應用于云服務器、邊緣計算等場景。

Marvell 從 2018 年起陸續收購了 Cavium、Innovium 等公司，從而增強了公司 AISC 及數據中心的相關能力。

最新的財報顯示，Marvell 在2026財年第一季度的數據中心業務實現營收 14.4 億美元，環比增長 5.5%，符合市場預期（14.4 億美元）。

根據公司交流及產業鏈信息推測，Marvell 當前的 ASIC 收入主要來自亞馬遜的 Trainium 2 和谷歌的 Axion Arm CPU 處理器，而公司與亞馬遜合作的Inferential ASIC 項目也將在 2025 年（即 2026 財年）開始量產。公司與微軟合作的 Microsoft Maia 項目，有望在 2026 年（即 2027 財年）。

但主要指出的是，不同于NVIDIA擁有諸如“主權AI”、“創業公司爆發”等更具吸引力的故事，Marvell的定制AI芯片依然局限于核心CSP（云服務提供商）的投資節奏中。

鑒于本季度四大云廠商資本開支整體下滑的趨勢，即使Marvell通過競爭贏得了更多市場份額，但市場總量的縮減仍是不可忽視的事實。

國內企業也在積極研發ASIC。

寒武紀科技還在擴展其思元（MLU）芯片系列（比如7nm工藝的思元370、訓練芯片思元290），以支持云端的AI訓練和推理。主要客戶包括：手機端（華為曾是其大客戶）、智算中心（政府訂單）、服務器廠商（浪潮、聯想）等。

同時，國內提供云服務的企業，實際上也推出了自研的ASIC芯片。

阿里巴巴推出了含光800，作為一款云端AI推理芯片，峰值性能為7.8萬IPS（每秒能處理7.8萬張照片），峰值能效達到500IPS/W。在當時，阿里宣稱是全球最高性能的AI推理芯片，一塊含光800相當于10塊GPU。

百度在量產昆侖芯二代后，又在今年宣布百度智能云成功點亮了首個自研萬卡集群。并且宣布是使用的昆侖芯三代P800。P800顯存規格優于同類主流GPU20%~50%，對MoE架構更加友好，且率先支持8bit推理，單機8卡即可運行671B模型。正因如此，昆侖芯相較同類產品更加易于部署，同時可顯著降低運行成本，輕松完成DeepSeek-V3/R1全版本推理任務。自研的低成本，使得百度智能云平臺上，DeepSeek R1和V3的官方價格直接低至五折和三折，基本實現全網最低。

騰訊除了自主研發的紫霄推理芯片外，還通過戰略投資，利用Enflame 的 ASIC 解決方案。據了解，騰訊自研AI推理芯片“紫霄”，已經量產并在多個頭部業務落地，目前在騰訊會議實時字幕上已實現全量上線，單卡紫霄機器負載可達到T4的4倍，并將超時率從0.005%降低至0。

結語

ASIC市場的增長，也帶來了新的挑戰。

一個公司想要節省幾美元的供應商利潤，進行芯片自主設計。但現在芯片設計也并不是一個廉價的商品，尤其是先進芯片設計，已經變得非常昂貴。

臺積電2nm每片晶圓約30,000 美元，到了2nm之后的1.4nm成本甚至達到45,000 美元。

我們需要思考的是，我們真的每個公司都需要自己的CPU嗎？