ASIC 会不会取代 GPU？

最近这段时间，美国股票市场的动静比较大。有两个科技股概念，突然变得很火，引起了市场的高度关注，涨幅惊人。这两个概念，分别是 ASIC 和量子计算。

今天这篇文章，我们主要说说 ASIC。

按资本市场的说法，ASIC 正在加速崛起，威胁 GPU 在 AI 计算中的统治地位。而博通，作为 ASIC 最重要的概念股，股价一路猛涨，一度从 180 飙到了 250，市值也突破了万亿美元。相比之下，英伟达反而成了昨日黄花，股价一路下跌，甚至不到 130 美元。

博通股价

那么，ASIC 时代真的到来了吗？博通真的会取代英伟达，成为新的 AI 之王？

█ASIC 和 GPU 是什么

ASIC 和 GPU，都是用于计算功能的半导体芯片。因为都可以用于 AI 计算，所以也被称为“AI 芯片”。

准确来说，除了它俩，计算芯片还包括大家更熟悉的 CPU，以及 FPGA。

行业里，通常会把半导体芯片分为数字芯片和模拟芯片。其中，数字芯片的市场规模占比较大，达到 70% 左右。

数字芯片，还可以进一步细分，分为：逻辑芯片、存储芯片以及微控制单元（MCU）。CPU、GPU、FPGA、ASIC，全部都属于逻辑芯片。

芯片的分类

逻辑芯片，就是计算芯片。它包含了各种逻辑门电路，可以实现运算与逻辑判断功能。

四个芯片里，CPU 和 GPU 是通用芯片，可以完成多种任务。尤其是 CPU，是全能型选手，单核主频高，啥都能干，所以经常被拿来做主处理器。

而 GPU，本来是用来做图形处理（显卡）的。它的内核数量特别多（大几千个），适合做并行计算，也就是擅长同时做大量的简单计算任务。（图形处理，就是同时处理大量的像素计算。）

AI 计算和图形计算一样，也是典型的并行计算型任务。

AI 计算中包括大量并行的矩阵相乘、卷积、循环层、梯度运算等任务，所以，特别适合 GPU 去完成。CPU 不适合 AI 计算，这也是英特尔股价跌到 20 美元以下的原因之一。

2023 年以来，AI 浪潮爆发，大部分企业的 AI 训练，采用的是英伟达的 GPU 集群。如果进行合理优化，一块 GPU 卡，可以提供相当于数十其至上百台 CPU 服务器的算力。这直接导致了英伟达的股价猛涨了几十倍，而且还买不到。

NVIDIA HGX A100 8 GPU 组件

再来看看 ASIC 和 FPGA。

ASIC（Application Specific Integrated Circuit，专用集成电路），是一种专用于特定任务的芯片。ASIC 的官方定义，是指：应特定用户的要求，或特定电子系统的需要，专门设计、制造的集成电路。

Google 公司大名鼎鼎的 TPU（Tensor Processing Unit，张量处理单元），还有前几年很火的比特币矿机，英特尔的 Gaudi 2 ASIC 芯片，IBM 的 AIU，AWS 的 Trainium，都属于 ASIC 芯片。

这几年非常火的 DPU（Data Processing Unit，数据处理单元）和 NPU（Neural Processing Unit，神经网络处理单元），也是 ASIC 芯片。

FPGA（Field Programmable Gate Array，现场可编程门阵列），是半定制芯片，也被人称为“万能芯片”。FPGA 可以根据用户的需要，在制造后，进行无限次数的重复编程，以实现想要的数字逻辑功能。

ASIC 和 FPGA 的区别在于，AISC 是全定制芯片，功能写死，没办法改。而 FPGA 是半定制芯片，功能灵活，可玩性强。FPGA 不需要流片（很烧钱的一个工序），但因为可编辑，冗余功能比较多，一旦用于单一目的，就会存在浪费。大规模生产的情况下，FPGA 的成本比 ASIC 高，且极致能效不如 ASIC。

所以，FPGA 现在多用于产品原型的开发、设计迭代，以及一些低产量的特定应用，或者用于培训和教学。它适合那些开发周期必须短的产品，也经常用于 ASIC 的验证。

反正，大家记住，大规模出货用于 AI 计算，一般不考虑 FPGA。

所以，AI 芯片，也就是 GPU 和 ASIC 之争。

█ GPU 和 ASIC，到底谁厉害？

ASIC 作为专用定制芯片，基于芯片所面向的专项任务。它的计算能力和计算效率都是严格匹配于任务算法的。芯片的核心数量，逻辑计算单元和控制单元比例，以及缓存等，整个芯片架构，也是精确定制的。

所以，ASIC 可以实现极致的体积、功耗。这类芯片的可靠性、保密性、算力、能效，都会比通用芯片（GPU）更强。

例如，在同等预算下，AWS 的 Trainium 2（ASIC 芯片）可以比英伟达的 H100 GPU 更快速完成推理任务，且性价比提高了 30-40%。明年计划推出的 Trainium3，计算性能更是提高了 2 倍，能效提高 40%。

但是，为什么这两年一直火的都是 GPU 呢？

主要是因为英伟达太猛。

英伟达在 AI 上也是歪打正着。当年 AI 大佬辛顿（就是那个新晋诺贝尔奖得主）带着徒弟使用 GPU 做 AI 训练，获得巨大突破，才让英伟达发现自己竟然还有这样的泼天富贵。

然后，英伟达就开始在 AI 发力，拼命做更厉害的 GPU（当然，也有游戏的带动）。

在英伟达的持续努力下，GPU 的核心数和工作频率一直在提升，芯片面积也越来越大。算力越强，有利于缩短训练时间，加快产品发布，这也是重要优势。

当然，算力变强，功耗也水涨船高。但是，靠工艺制程、水冷等被动散热，勉强也能兜得住，反正不会烧掉。

除了硬件之外，英伟达在软件和生态方面也很会布局。

他们捣鼓出来的 CUDA（AI 开发的软件套件），是 GPU 的一个核心竞争力。基于 CUDA，初学者都可以很快上手。所以，英伟达的 GPU 方案，被全球用户广泛接受，形成了牢固的生态。

相比之下，FPGA 和 ASIC 的开发还是太过复杂，不适合普及。

ASIC 之所以在 AI 上干不过 GPU，和它的高昂成本、超长开发周期、巨大开发风险有很大关系。现在 AI 算法变化很快，ASIC 这种开发周期，很要命。

综合上述原因，GPU 才有了现在的大好局面。

值得一提的是，前面说了，AI 计算分为训练和推理两种。训练任务，需要更强大的算力，所以在 AI 训练上，厂商们主要以 GPU 为主。

推理任务的话，算力要求要低一点，也不需要什么并行，所以 GPU 的算力优势没那么明显。很多企业，就会开始采用更便宜、更省电的 FPGA 或 ASIC，进行计算。

这个情况，一直持续到了现在。AI 芯片，GPU 的占比能达到 70% 以上。

如今，因为大家实在是“苦英伟达久矣”，不想总被英伟达“卡脖子”，所以非常希望算力多元化。再有，大模型现在从“训练热”走向了“推理热”。推理类的 AI 计算需求增加，给了 ASIC 机会。

所以，扶持 ASIC 产业链，提升 ASIC 芯片在 AI 领域的占有率，成为了大家的共识。这才有了博通和 Marvell 股价的猛涨。（据说，博通正与三个大型客户开发 AI 芯片，预计 2025 年 AI 芯片业务收入达到 150 亿-200 亿美元。）

那么，取代就真的那么容易吗？ASIC 会很快淘汰掉 GPU 吗？

显然不是的。

凭借前面提到的性能、生态、集成能力等方面的优势，英伟达的 GPU 仍然会是中短期内的 AI 芯片首选。英伟达的软硬件网络整套方案都很成熟，技术和资金实力太强，GPU 的存量和出货量依然很大，市场地位难以撼动。

ASIC 的崛起速度虽然很快，但仍需要一定的时间走向成熟。AI ASIC 芯片的研发，也具有很高的风险。即使研发成功，也需要时间被用户所接受。

这就意味着，在很长的一段时间内，GPU 和 ASIC 都将处于共存状态。基于不同的场景，用户会选择最适合自己的芯片。发展自研 ASIC，更多是有利于厂商们和英伟达进行谈判砍价。

未来的情况还是比较难预测的。量子计算是不是会对计算领域造成颠覆式影响，现在也是讨论的热点。

好了，以上就是今天文章的全部内容。感谢大家的耐心阅读！

本文来自微信公众号：鲜枣课堂（ID：xzclasscom），作者：小枣君