AI芯片自研热潮涌起。当下，诸多企业纷纷投身AI芯片自研行列。据芯流智库消息，DeepSeek正筹备AI芯片自研。而国内大厂如阿里、百度、字节等更早便开启了自研之路。大洋彼岸的OpenAI也有新进展，年初外媒披露博通为其定制的首款芯片几个月内将在台积电流片，此前还传出SamAltman计划打造“芯片帝国”。谷歌、亚马逊、微软、Meta等也先后加入“自研热潮”。这表明无论中外企业，都不愿在算力时代落后，ASIC芯片或成跨越新世界大门的关键。
从GPU到ASIC，算力经济学的转变。低成本是AI推理爆发的必要条件，然而通用GPU芯片却成为AI发展的限制因素。英伟达的H100和A100等在大模型训练领域占据主导，但也暴露出成本高昂与能耗冗余的问题。单个H100售价超3万美元，训练千亿参数模型成本巨大，且能耗惊人。同时，推理阶段GPU算力利用率低。这些因素倒逼巨头自研ASIC专用芯片，AI芯片战场从技术竞赛转向经济性博弈。与GPU相比，ASIC在一些方面展现出替代优势。谷歌定制的TPUv5芯片在特定推理场景中单位算力成本降低；亚马逊的AWS Trainium3能耗低且出货量可观；微软自研ASIC后硬件采购成本占比下降。不过，“ASIC虽好，但也不会杀死GPU”，GPU仍将主导高性能训练市场，在推理场景也有重要地位，但ASIC在AI芯片市场的渗透路径已清晰可见。
ASIC芯片的独特优势。ASIC被称为全定制化高算力芯片，与通用芯片不同，它通过精准裁剪，仅保留与目标场景强相关的硬件单元，释放出高效率。例如谷歌TPUv4中大部分晶体管资源用于关键计算单元，而GPU中类似单元占比低。ASIC还可围绕算法特征定制数据流，如博通为Meta定制的芯片缩短了数据移动距离、降低延迟。亚马逊Trainium2芯片针对AI模型权重稀疏特性嵌入稀疏计算引擎，提升了性能。当算法趋于固定，ASIC在确定性垂直场景具有天然优势，其设计目标是让芯片成为算法的“物理化身”。在挖矿领域，ASIC芯片就凭借低成本、高效率等优势取得成功，随着推理时代到来，其成本优势有望重演辉煌。
ASIC芯片市场格局与机会 。博通预计AIASIC市场空间巨大，目前该市场已形成三大梯队。第一梯队是制定规则的设计者和制造者，如博通等；第二梯队是产业链配套，包括先进封装等领域；第三梯队是垂直场景的Fabless，ASIC与垂直场景天然适配，如智驾芯片等。对于中国企业而言，在ASIC领域与海外处于同一起跑线，不少Fabless能做出高效产品，如矿机ASIC等。芯片制造方面依赖中芯国际等，产业链配套部分国内企业竞争力较强，应用场景上，国产设计公司也有机会。
结语。当AI进入推理追求能效阶段，算力战争下半场属于能平衡技术与经济的公司。ASIC芯片的逆袭不仅是技术革命，更是商业启示。中国选手在这场新牌局中的筹码正悄然增加。
