AI芯片格局剧变：推理崛起，ASIC能否挑战GPU霸主地位？

人工智能浪潮席卷全球，算力需求激增，推动着AI芯片市场持续升温。然而，随着大模型进入“下半场”，AI芯片的竞争格局正悄然发生变化。

曾经的霸主英伟达GPU，如今面临着来自专用集成电路（ASIC）的挑战。预训练时代的逐渐落幕，推理时代的全面开启，是否预示着ASIC的黄金时代即将到来？

大模型发展拐点：从训练到推理

过去几年，AI模型的发展主要集中在预训练阶段，即通过海量数据对模型进行训练，以提升其性能。这一阶段，对算力的要求极高，英伟达GPU凭借其强大的并行计算能力，成为了AI训练的首选芯片。

然而，预训练并非没有瓶颈。前OpenAI联合创始人Ilya Sutskever指出，预训练时代即将结束，数据作为AI的“化石燃料”是有限的，当前用于AI预训练的数据已经达到峰值。

此外，模型扩展的边际效益递减，而算力成本仍然居高不下，这些都促使人们开始思考AI训练阶段的未来。

与此同时，AI大模型的下一阶段——逻辑推理，正逐渐成为新的焦点。逻辑推理是指基于现有大模型，开发AI在各细分垂直领域的应用，以实现终端落地。

从谷歌的Gemini 2.0到OpenAI的GPT系列，AI Agent（智能体）已经成为各大公司的主攻方向。与预训练不同，推理阶段更注重模型的应用和效率，对芯片的要求也发生了变化。

ASIC作为一种专用芯片，在处理特定任务时，能够实现更高的处理速度和更低的能耗，因此更适用于推理端边缘计算。

ASIC vs GPU：各有所长

GPU作为一种通用芯片，在处理大规模并行计算任务时表现出色。然而，在处理大规模矩阵乘法时，GPU存在“内存墙”问题，限制了其性能的进一步提升。

相比之下，ASIC经过特殊设计，可以针对特定算法进行优化，从而克服GPU的局限性。此外，一旦大规模量产，ASIC的性价比也会更高。

当然，GPU也有其优势。目前GPU产品成熟，产业链完善，能够快速满足市场需求。而ASIC的开发周期较长，需要根据具体的应用场景进行定制，前期投入较大。

然而，随着AI推理需求的增长，以及ASIC技术的不断进步，ASIC的市场份额有望逐步扩大。

科技巨头押注ASIC：定制芯片成“摇钱树”

由于GPU产能趋紧且价格昂贵，越来越多的科技巨头开始加入自研ASIC芯片的队伍。谷歌、亚马逊、微软、Meta、特斯拉等公司都推出了自己的ASIC芯片，以满足自身AI推理的需求。

为这些科技巨头定制AI芯片，成为了迈威尔和博通等芯片制造商的“摇钱树”。迈威尔CEO Matt Murphy早在2016年就将公司战略重心转向为科技巨头定制芯片，成功抓住了AI浪潮的机遇。博通也凭借其定制芯片业务，在AI市场上获得了可观的收入。

投资方向和建议

AI芯片市场的竞争日趋激烈，投资者需要密切关注行业动态，把握投资机会。以下是一些投资方向和建议：

关注ASIC芯片的发展： 随着推理时代的到来，ASIC芯片的市场前景广阔。投资者可以关注ASIC芯片设计公司、制造商以及相关产业链上的企业。关注科技巨头的自研芯片： 科技巨头在AI芯片领域的布局，将对市场格局产生重要影响。投资者可以关注这些公司的自研芯片进展，以及与之合作的芯片制造商。关注边缘计算： 边缘计算是AI推理的重要应用场景，对低功耗、高性能的ASIC芯片需求旺盛。投资者可以关注边缘计算领域的芯片厂商和应用服务提供商。谨慎投资GPU： 尽管GPU仍然是AI训练的主流芯片，但其市场份额可能受到ASIC的挤压。投资者需要谨慎评估GPU厂商的未来发展潜力。

经济理论基础

ASIC的崛起，体现了规模经济和范围经济的原理。ASIC的定制化设计，使其能够针对特定应用场景实现更高的效率，从而降低单位成本，体现了规模经济。同时，ASIC的应用范围不断扩大，从云端数据中心到边缘设备，也体现了范围经济的优势。