ASIC发力，GPU地位松动

公众号记得加星标⭐️，第一时间看推送不会错过。

真正决定AI效能上限与成本结构的，并非单纯堆叠通用型GPU，而是能否打造为特定工作量而生的专用芯片。

AI模型规模与应用场景不断扩大，以更高效率、更低能耗提供稳定算力，成为云端业者与科技巨头的共同课题。为特定工作量量身打造的ASIC，凭借高度客制化与系统协同设计优势，正成为AI基础建设中不可或缺的关键角色。在这波趋势下，中国台湾IC设计产业的战略地位显著提升。

在生成式ＡＩ引爆全球科技竞赛之后，算力已成为攸关国家战略、产业主导权与企业生死存亡的核心军备。从ChatGPT掀起第一波浪潮，到各国政府、科技巨头竞相投入大型语言模型（ＬＬＭ）与加速运算架构，随着投入金额与能源消耗快速攀升，市场也意识到，真正决定ＡＩ效能上限与成本结构的，并非单纯堆叠通用型ＧＰＵ，而是能否打造「为特定工作量而生」的专用芯片。ASIC正是在这场算力决战中，市场正着眼的焦点所在。

ASIC重塑算力版图

ASIC的核心在于以高度客制化的硬体设计，换取远高于通用芯片的效能功耗比与长期成本优势。不同于ＧＰＵ的广泛适用性，从架构设计阶段即深度绑定目标工作负载，能精准配置运算单元、记忆体层级与资料通道，最大程度降低无效运算与能源浪费，这使ASIC在大规模、长时间运行的ＡＩ训练与推论场景中，能显著拉开与ＧＰＵ的成本差距。因而成为云端服务商（ＣＳＰ）与大型科技公司在追求极致能效比与总拥有成本（ＴＣＯ）优化下的必然选择。

根据研究机构Counterpoint Research报告指出，预计到二七年，全球伺服器专用ＡＩ伺服器运算ASIC出货量将比二四年成长三倍；另外，预计到二八年，全球资料中心ＡＩ伺服器运算ASIC芯片的出货量将突破一五○○万颗，超过资料中心ＧＰＵ的出货量。这一爆炸性成长的背后，是对Google TPU基础设施的强劲需求、AWS Trainium丛集的持续扩展，以及Meta和微软随着其内部芯片产品组合的扩展而带来的产能提升。

目前Google的TPU v7e已进入关键量产阶段，而微软的Maia系列与Meta的MTIA也已在云端机房大规模部署，预期至二七年将出现具规模的出货量成长。而在这样的生态转变中，中国台湾的ASIC业者在此一价值链中的角色，已从过去被动承接设计委托的「代工设计」，转型为深度参与架构定义与系统最佳化的系统协同设计（Co-design）核心伙伴。对于高度复杂、投资金额动辄数亿美元的AI ASIC专案而言，能否在早期即完成软硬体协同设计，往往决定了专案的成败，而这正是台湾业者长期累积的关键能力所在。

放眼全球ASIC产业格局，博通长期被视为云端AI ASIC的首选供应商，凭借其完整的ＩＰ组合、先进制程经验与和ＣＳＰ的深厚合作关系，占据领先地位。然而，Counterpoint Research指出，博通正面临来自新兴阵营日益升高的竞争压力，其中，由Google与联发科形成的策略联盟，已成为最受瞩目的挑战者之一。

https://www.ctee.com.tw/news/20260208700016-430502

（来源：编译自cett，谢谢）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4312期内容，欢迎关注。

加星标⭐️第一时间看推送

求推荐