文｜半導體產(chǎn)業(yè)縱橫
最近，市場關(guān)注的兩家ASIC企業(yè)都發(fā)布了自家的財報。
博通2025財年第一季度財報顯示，營收149.16億美元，同比增長25%，凈利潤55.03億美元，同比增長315%。其中，第一季度與AI有關(guān)的收入同比增長77%至41億美元。
Marvell預(yù)計第一財季銷售額約為18.8億美元，同比增長27%。其中，AI業(yè)務(wù)收入達7億美元左右，主要是亞馬遜等客戶定制ASIC等產(chǎn)品需求增長的帶動。
01、ASIC，越發(fā)豐富
今年以來，大模型的更迭越發(fā)的激烈。DeepSeek研究團隊再放大招，公開NSA算法。同日，馬斯克發(fā)布Grok 3模型，號稱拳打DeepSeek腳踢OpenAI。
DeepSeep之風正盛，將全球科技產(chǎn)業(yè)的重心從訓練推向推理階段。由于DeepSeek是MOE模型，能夠?qū)崿F(xiàn)更低的激活比。算力、內(nèi)存、互聯(lián)原有平衡發(fā)生劇變，新算力架構(gòu)機會再次進入同一起跑線。
這種條件下，定制化芯片ASIC似乎越來越適合AI時代。
ASIC芯片的主要根據(jù)運算類型分為了TPU、DPU和NPU芯片，分別對應(yīng)了不同的基礎(chǔ)計算功能，也有不同的優(yōu)勢。
TPU
先來看TPU。TPU的核心是矩陣乘法單元，它采用脈動陣列架構(gòu)，這意味著數(shù)據(jù)以類似心臟跳動的方式在芯片內(nèi)流動。這種架構(gòu)允許高度并行的乘法和加法操作，使得TPU能夠在每個時鐘周期內(nèi)處理大量的矩陣運算。
如果把TPU比作一個工廠，這個工廠的任務(wù)是把兩堆數(shù)字（矩陣）相乘。每個工人（脈動陣列的小格子）只需要做簡單的乘法和加法，然后把結(jié)果傳給下一個工人。這樣，整個工廠就能高效地完成任務(wù)，而且速度比普通的工廠（比如CPU或GPU）快很多。
TPU的優(yōu)勢是能夠高效處理大規(guī)模矩陣運算，支持神經(jīng)網(wǎng)絡(luò)的訓練和推理任務(wù)。所以，更加適合用在數(shù)據(jù)中心的AI訓練和推理任務(wù)，如自然語言處理、計算機視覺和語音識別。
DPU
其次來看DPU。DPU能夠處理大量的網(wǎng)絡(luò)數(shù)據(jù)包，包括接收、分類、轉(zhuǎn)發(fā)和過濾等。它通過硬件加速引擎（如網(wǎng)絡(luò)處理引擎）來加速網(wǎng)絡(luò)操作，減少CPU在網(wǎng)絡(luò)處理上的負載。
DPU就像是一個快遞中心，它負責接收包裹（數(shù)據(jù)），快速分揀，然后把包裹送到正確的地方。它有自己的小助手（加速器），這些小助手很擅長處理特定的任務(wù)，比如快速識別包裹的地址或者檢查包裹是否完好。這樣，DPU就能讓整個快遞系統(tǒng)（數(shù)據(jù)中心）運行得更高效。
DPU的優(yōu)勢是可以卸載CPU的部分任務(wù)，減少CPU的負擔。優(yōu)化了數(shù)據(jù)傳輸路徑，從而提高系統(tǒng)的整體效率。所以，它的應(yīng)用場景是數(shù)據(jù)中心的網(wǎng)絡(luò)加速、存儲管理、安全處理等。
NPU
再來看NPU。NPU是專門為神經(jīng)網(wǎng)絡(luò)計算設(shè)計的芯片，采用“數(shù)據(jù)驅(qū)動并行計算”的架構(gòu)。它能夠高效執(zhí)行大規(guī)模矩陣運算，特別是卷積神經(jīng)網(wǎng)絡(luò)（CNN）中的卷積操作。
如果把NPU比作一個廚房，這個廚房有很多廚師（計算單元），每個廚師都能同時做自己的菜（處理數(shù)據(jù)）。比如，一個廚師負責切菜，一個廚師負責炒菜，另一個廚師負責擺盤。這樣，整個廚房就能同時處理很多道菜，效率非常高。NPU就是這樣，通過并行處理，讓神經(jīng)網(wǎng)絡(luò)的計算變得更快。
NPU的優(yōu)勢就是執(zhí)行AI任務(wù)時功耗較低，適合邊緣設(shè)備。并且，專為神經(jīng)網(wǎng)絡(luò)設(shè)計，適合處理深度學習任務(wù)。所以，NPU的應(yīng)用場景是人臉識別、語音識別、自動駕駛、智能相機等需要進行深度學習任務(wù)的領(lǐng)域。
簡而言之，TPU適合深度學習、DPU適合數(shù)據(jù)中心的數(shù)據(jù)管理、NPU通過并行計算快速完成神經(jīng)網(wǎng)絡(luò)任務(wù)，適合各種AI應(yīng)用。
最近，還出現(xiàn)了LPU，一種專門為處理語言任務(wù)而設(shè)計的芯片。它的推出就是專門針對語言處理優(yōu)化的架構(gòu)和指令集，能夠更高效地處理文本、語音等數(shù)據(jù)，從而加速大語言模型的訓練和推理過程。
摩根士丹利預(yù)測AI ASIC的總可用市場將從2024年的120億美元增長到2027年的300億美元，期間英偉達的AI GPU存在強烈的競爭。
現(xiàn)在，在ASIC賽道上的玩家，已經(jīng)越來越多。
02、擁擠的ASIC賽道
3nm ASIC芯片的賽道上擠滿了大廠。
亞馬遜一直在致力于自研芯片以降低數(shù)據(jù)中心成本。
2022年，AWS發(fā)布了Trainium 1和 Inferentia 2芯片。當時，Trainium1在訓練方面表現(xiàn)不是很好，更加適合AI推理工作。
之后，AWS又發(fā)布了當前的Trainium 2，采用5nm工藝。單個Trainium 2芯片提供650 TFLOP/s的BF16性能。Trn2實例的能效比同類GPU實例高出25%，Trn2 UltraServer的能效比Trn1實例高三倍。
去年12月，亞馬遜宣布要推出全新 Trainium3，采用的是3nm工藝。與上代 Trainium2 相比，計算能力增加2倍，能源效率提升40%，預(yù)計2025年底問世。
據(jù)了解，在AWS的3nm Trainium項目中，世芯電子（Alchip）和Marvell展開了激烈的競爭。
世芯電子（Alchip）是第一家宣布其3nm設(shè)計和生產(chǎn)生態(tài)系統(tǒng)準備就緒的ASIC公司，支持臺積電的N3E工藝。Marvell則在Trainium 2項目中已經(jīng)取得了顯著進展，并有望繼續(xù)參與Trainium 3的設(shè)計。
當前的競爭焦點在于：后端設(shè)計服務(wù)和CoWoS產(chǎn)能分配上?？凑l能夠在Trainium項目爭取到更多的份額。
之前我們提到的TPU，以谷歌的TPU最具有代表性。谷歌的TPU系列芯片從v1到最新的Trillium TPU。TPU為Gemini 2.0的訓練和推理提供了100%的支持。據(jù)谷歌這邊說，Trillium 的早期客戶AI21 Labs認為是有顯著改進的。AI21 Labs首席技術(shù)官Barak Lenz表示：“Trillium在規(guī)模、速度和成本效益方面的進步非常顯著?！爆F(xiàn)在谷歌的TPU v7正在開發(fā)階段，同樣采用的是3nm工藝，預(yù)計量產(chǎn)時間是在2026年。
據(jù)產(chǎn)業(yè)鏈相關(guān)人士透露，谷歌TPU芯片去年的生產(chǎn)量已經(jīng)達到280萬到300萬片之間，成為全球第三大數(shù)據(jù)中心芯片設(shè)計廠商。
從合作對象來說，谷歌和博通始終是在深度合作的。谷歌從TPU v1開始，就和博通達成了深度合作，它與博通共同設(shè)計了迄今為止已公布的所有TPU，而博通在這方面的營收也因谷歌水漲船高。
微軟在ASIC方面也在發(fā)力。Maia 200是微軟為數(shù)據(jù)中心和AI任務(wù)定制的高性能加速器，同樣采用3nm工藝，預(yù)計在2026年進入量產(chǎn)階段，至于現(xiàn)在Maia 100，也是專為在Azure中的大規(guī)模AI工作負載而設(shè)計。支持大規(guī)模并行計算，特別適合自然語言處理（NLP）和生成式AI任務(wù)。從現(xiàn)在的信息來看，這款產(chǎn)品微軟選擇和Marvell 合作。
早在今年1月就有消息傳出，美國推理芯片公司Groq已經(jīng)在自己的LPU芯片上實機運行DeepSeek，效率比最新的H100快上一個量級，達到每秒24000token。值得關(guān)注的是，Groq曾于2024 年12月在沙特阿拉伯達曼構(gòu)建了中東地區(qū)最大的推理集群，該集群包括了19000個Groq LPU。
Open AI首款A(yù)I ASIC芯片即將完成，會在未來幾個月內(nèi)完成其首款內(nèi)部芯片的設(shè)計，并計劃送往臺積電進行制造，以完成流片（taping out）。最新消息是，OpenAI會在2026年實現(xiàn)在臺積電實現(xiàn)量產(chǎn)的目標。
03、ASIC真的劃算嗎？
谷歌、AWS、Open AI都在加大對自研ASIC的投入。那么，ASIC真的劃算嗎？
先從性能上來看，ASIC是為特定任務(wù)定制的芯片，其核心優(yōu)勢在于高性能和低功耗。在同等預(yù)算下，AWS的Trainium 2可以比英偉達的H100 GPU更快速完成推理任務(wù)，且性價比提高了30%～40%。Trainium3計劃于2025年下半年推出，計算性能提高2 倍，能效提高40%。
并且，GPU由于架構(gòu)的特性，一般會在AI計算中保留圖形渲染、視頻編解碼等功能模塊，但在AI計算中這些模塊大部分處于閑置狀態(tài)。有研究指出，英偉達H100 GPU上有大約15%的晶體管是未在AI計算過程中被使用的。
從成本上來看，ASIC在大規(guī)模量產(chǎn)時，單位成本顯著低于GPU。ASIC在規(guī)模量產(chǎn)的情況下可以降至GPU的三分之一。但一次性工程費用NRE（Non-Recurring Engineering）非常高。
以定制一款采用5nm制程的ASIC為例，NRE費用可以高達1億至2億美元。然而一旦能夠大規(guī)模出貨，NRE費用就可以很大程度上被攤薄。
此前有業(yè)內(nèi)人士分析，中等復(fù)雜程度的ASIC盈虧平衡點在10萬片左右，這對于很多廠商來說已經(jīng)是遙不可及。
但對于大規(guī)模部署的云計算大廠或AI應(yīng)用提供商，ASIC的定制化優(yōu)勢能夠顯著降低運營成本，從而更快地實現(xiàn)盈利。
04、算力走向推理，ASIC的需求只多不少
在溫哥華NeurIPS大會上，OpenAI聯(lián)合創(chuàng)始人兼前首席科學家Ilya Sutskever曾作出“AI預(yù)訓練時代將終結(jié)”的判斷。
巴克萊的一份報告預(yù)計，AI推理計算需求將快速提升，預(yù)計其將占通用人工智能總計算需求的70%以上，推理計算的需求甚至可以超過訓練計算需求，達到后者的4.5倍。
英偉達GPU目前在推理市場中市占率約80%，但隨著大型科技公司定制化ASIC芯片不斷涌現(xiàn)，這一比例有望在2028年下降至50%左右。
不過，在博通的觀察中，AI訓練仍然是會占據(jù)主流。博通CEO陳福陽最近表示：“公司把推理作為一個獨立的產(chǎn)品線，推理與訓練芯片的架構(gòu)非常不同。公司預(yù)計三個客戶未來需求市場總量將達600億～900億美元，這個需求總量既包含了訓練，又包含了推理，但其中訓練的部分更大?！?/p>
對于第二季度來講，博通對于ASIC的預(yù)期仍舊保持樂觀。預(yù)計第二季度博通的AI半導體收入將繼續(xù)保持強勁增長勢頭，達到44億美元。
Marvell在電話會議上，同樣也展示了對于ASIC的信心。透露其定制的ARM CPU，將在客戶的數(shù)據(jù)中心中得到更廣泛的應(yīng)用。并且定制的人工智能 XPU，其表現(xiàn)也非常出色，未來將有大量的量產(chǎn)。