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计算中的高防服务器统治地位。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（昨天跌了）

那么 ，ASIC时代真的到来了吗 ？博通真的会取代英伟达，成为新的建站模板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，数字芯片的模板下载市场规模占比较大，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，香港云服务器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 。免费模板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、云计算卷积、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。