随着生成式 AI 应用的迅猛发展，AI ASIC 能否成为英伟达 GPU 可⾏的替代品⼀直是全球热议话题。摩根士丹利 15 日发布研报《AI ASIC 2.0：潜在赢家》，认为 ASIC 凭借针对性优化和成本优势，有望逐步从英伟达 GPU 手中争取更多市场份额。
大摩预计，AI ASIC 市场规模将从 2024 年的 120 亿美元增长至 2027 年的 300 亿美元，年复合增长率达到 34%。
在此情况下，英伟达凭借其在大型语言模型训练方面的优势，将继续占据主导地位。博通、世芯电子（Alchip）和 Socionext 被看好。Cadence、台积电及其供应链伙伴（ASE、KYEC 等）将从 ASIC 设计与制造的快速增长中获益。
大摩表示，ASIC 的崛起并不意味着 GPU 的衰退。相反，这两种技术将长期共存，为不同需求场景提供最佳解决方案。
<h2>ASIC 会成为英伟达的有力竞争者吗？</h2>
随着生成式 AI 应用的迅猛发展，全球 AI 计算需求呈现爆炸式增长。报告预计，基本情境下，到 2027 年，云端 AI 半导体市场规模将达到 2380 亿美元，而在乐观情境下甚至可能达到 4050 亿美元。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/247fd954-66f8-445b-b410-65fe7344fa2d.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="679" height="509" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/247fd954-66f8-445b-b410-65fe7344fa2d.png"/>
在这一领域，ASIC 凭借针对性优化和成本优势，有望逐步从英伟达 GPU 手中争取更多市场份额。
摩根士丹利预计，AI ASIC 市场规模将从 2024 年的 120 亿美元增长至 2027 年的 300 亿美元，年复合增长率达到 34%。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/26f3f549-4740-4849-b6b8-3d582028107e.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="722" height="463" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/26f3f549-4740-4849-b6b8-3d582028107e.png"/>
尽管英伟达的 AI GPU 性能卓越，但摩根士丹利认为，云服务提供商如谷歌、亚马逊和微软，仍在积极推动 ASIC 设计。这背后的驱动力主要有两个。
首先，是优化内部工作负载。通过开发自定义芯片，CSP 可以更高效地满足其内部 AI 推理和训练需求。
其次，是更好的性价比。报告指出，虽然英伟达的 GPU 具备强大的计算性能，但其硬件价格高昂，特别是在 AI 训练过程中。相比之下，ASIC 的单位成本更低，尤其是在大规模使用后。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/955f3b68-85cd-401a-8714-4d1307cfb7ba.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="513" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/955f3b68-85cd-401a-8714-4d1307cfb7ba.png"/>
例如，亚马逊的 Trainium 芯片在推理任务中比英伟达的 H100 GPU 便宜约 30% 至 40%。谷歌也在不断优化其 TPU 系列，最新的 TPU v6 在能效上比上一代提升 67%。
摩根士丹利强调，尽管英伟达的 GPU 仍是大多数 CSP 的首选，但未来几年内，随着 ASIC 设计的日益成熟，这些云巨头可能通过自研 ASIC 在采购谈判中获得更大话语权。
<h2>赢家与输家：谁将主导未来市场？</h2>
摩根士丹利在报告中梳理了全球 ASIC 供应链，并明确了六大可能的赢家：
<blockquote>
<ul>
<li>AI GPU：英伟达将继续主导市场，尤其是在大规模语言模型训练方面，其解决方案仍是最优选择。</li>
<li>ASIC 供应商：博通、Alchip（世芯电子）和 Socionext 被视为 ASIC 市场的潜力股。其中，Alchip 由于与 AWS 的深度合作，预计将在 2026 年显著提升市场份额。</li>
<li>电子设计自动化工具：Cadence（楷登电子）有望实现结构性增长。</li>
<li>代工厂：台积电及其供应链伙伴（如 ASE、KYEC 等）将从 ASIC 设计与制造的快速增长中受益。</li>
<li>测试服务：Advantest 是 AI 芯片测试领域的领先者，其在 AI 设备测试方面的专注将为其带来显著增长。</li>
<li>HBM：三星电子是非英伟达 HBM 市场份额领先者，将从 ASIC 需求增长中获益。</li>
</ul>
</blockquote>
相比之下，一些传统芯片公司和代工厂可能面临挑战。例如，AMD 由于在 AI GPU 领域未能与英伟达拉近差距，或将失去更多市场份额。而 UMC 等缺乏先进工艺节点支持的代工厂也可能难以在高端 AI 芯片市场中分得一杯羹。
<h2>TCO 分析：ASIC 真的划算吗？</h2>
摩根士丹利通过 TCO 模型对比了 ASIC 和 GPU 在 AI 训练和推理任务中的成本效益。结果显示，尽管英伟达的 GPU 在性能上占据明显优势，但 ASIC 的初始成本较低，尤其适合预算有限的云服务提供商。
例如，在同等预算下，AWS 的 Trainium 2 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%。Trainium3 计划于 2025 年下半年推出，计算性能提高 2 倍，能效提高 40%。
不过，报告也指出，英伟达凭借其更成熟的系统集成能力和更强大的软件生态，仍在 TCO 计算中保持竞争力，特别是在需要灵活应对不同 AI 任务的场景中。
研报中提到，量子计算的潜在崛起可能会对 AI 半导体需求产生冲击，但目前来看，量子计算在 AI 推理领域的适用性较低，短期内难以取代 ASIC 和 GPU。此外，退役 GPU 也可能成为 ASIC 市场的威胁。一些云服务商可能选择通过使用退役 GPU 降低成本，而不是投资昂贵的 ASIC。
摩根士丹利总结道，ASIC 的崛起并不意味着 GPU 的衰退。相反，这两种技术将长期共存，为不同需求场景提供最佳解决方案。
在未来的 AI 市场中，ASIC 将凭借成本和能效优势争取更多份额，而英伟达则将继续依靠其技术领先性巩固市场地位。

台积电

英伟达

博通

大摩认为，尽管英伟达的 GPU 在性能上占据明显优势，但 ASIC 的初始成本较低，尤其适合预算有限的云服务提供商。博通、世芯电子和 Socionext 被看好。Cadence、台积电及其供应链伙伴将从 ASIC 设计与制造的快速增长中获益。

- 摩根士丹利预计，AI ASIC 市场将从 2024 年的 120 亿美元增至 2027 年的 300 亿美元。  
- ASIC 通过针对性优化和成本优势，有望从英伟达 GPU 手中争取市场份额。  
- 英伟达仍将主导市场，尤其在大型语言模型训练方面。  

大摩深度透视 ASIC 产业链：谁是大赢家？