本文作者：李笑寅
来源：硬 AI
上周五晚美股市场惊现“买博通、卖英伟达”：博通（broadcom）股价大涨 27%，创下历史最高单日涨幅，公司市值突破 1 万亿美元，同时芯片龙头英伟达股价录得 3.3% 的下跌。
<img class=" wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/89024d50-610e-4bca-86ad-6a847f8ea44c.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="685" height="599" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/89024d50-610e-4bca-86ad-6a847f8ea44c.png"/>
引爆买盘的导火索来自博通 CEO Hock Tan 在当天业绩会上的大胆预测：2027 年市场对定制款 AI 芯片 ASIC 的需求规模将达 600 亿至 900 亿美元。
有分析指出，这个数据如果实现，意味着未来三年（2025-2027 年），博通 ASIC 相关的 AI 业务将实现每年翻倍增长，这大幅提升了市场对于 ASIC 的预期，可能意味着 ASIC 有望迎来爆发期。
<h2>数据枯竭、边际效益递减……大模型从训练转向推理</h2>
作为 AI 模型的第一阶段，预训练是个不断给模型 “喂” 数据并不断迭代更新的过程。
为了提升模型性能，秉持着数据量、计算量和模型参数量规模越大越好（即 Scaling law）的原则，各大科技巨头纷纷哄抢当前市面上性能最为强悍的英伟达 GPU，让囤积的 GPU 数量给 AI 模型效用 “做担保”。
然而，高强度、大规模的模型训练正在 “榨干” 全球数据库，并且模型扩展边际效益递减的同时算力成本仍然高企，这引发了对 AI 训练阶段是否已经即将终结的讨论。
近日，前 OpenAI 联合创始人、SSI 创始人 Ilya Sutskever 在 NeurIPS 2024 大会上发表演讲时表示，预训练时代即将结束，数据作为 AI 的化石燃料是有限的，目前用于 AI 预训练的数据已经达到了峰值。
OpenAI 大神 Noam Brown 也于近日回应称，AI 从 2019 年到现在，难以置信的成就都来自于数据和算力规模的扩大，但大语言模型仍然无法解决像井字棋这样的简单问题。
随之而来的问题是：Is Scaling is All you Need？我们真的还需要再消耗更高的成本来训练更好的 AI 吗？
<img class=" wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/8d909fbe-08e3-4dd2-afbc-6eb3ee3e3393.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="800" height="336" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/8d909fbe-08e3-4dd2-afbc-6eb3ee3e3393.png"/>
外界的目光开始移至 AI 大模型的下一阶段——逻辑推理。
作为大模型预训练的下一阶段，逻辑推理是指基于现有大模型，开发 AI 在各细分垂直领域的应用以实现终端落地。
从市面上的大模型产品看，包括谷歌的 Gemini 2.0、OpenAI 的 o1 等在内，AI Agent（智能体）目前已经成为了各大公司的主攻方向之一。
随着 AI 大模型日趋成熟，有观点认为，以 ASIC（专用集成电路）为代表的推理芯片将逐步取代以 GPU 为代表的训练芯片，成为各大 AI 公司的 “新宠”。
而博通 CEO 对 ASIC 市场的乐观预期在一定程度上印证了外界对 AI 范式转向的预期，进而引发了上周五的股价暴涨。
<h2>ASIC 是什么？比 GPU 更 “专一”</h2>
半导体大致可以分为标准半导体和专用集成电路（ASIC）。标准半导体拥有标准化规格，只要满足基本要求，就可以应用于任何电子设备，而 ASIC 则是半导体制造商根据特定产品要求生产的半导体。
因此，ASIC 一般会被应用于特定设计和制造的设备中，执行必要的功能。
AI 运算也就由此衍生出两条路径：一种是英伟达 GPU 代表的通用路径，适合通用高性能计算，另一种是 ASIC 定制芯片为代表的专用路径。
作为标准半导体成品，GPU 在处理大规模并行计算任务时表现出色，但当处理大规模矩阵乘法时，存在内存墙问题，而经过特殊设计的 ASIC 就可以解决这个问题，一旦大规模量产，ASIC 的性价比会更高。
简单来说就是，GPU 贵在目前产品成熟、产业链成熟，而 ASIC 的想象力在于更 “专一”，并且在处理单个运算任务时能实现更高的处理速度和更低的能耗，因此也更适用于推理端边缘计算。
<h2>为科技巨头定制 AI 芯片，成了迈威尔和博通的 “摇钱树”</h2>
由于 GPU 产能趋紧且价格昂贵，众多科技巨头开始加入自研 ASIC 芯片的队伍，仅供自家使用。
有观点认为，谷歌是 AI ASIC 芯片的先驱，因其于 2015 年发布第一代 TPU（ASIC）产品，同样具有代表性 ASIC 芯片还包括亚马逊的 Tranium 和 Inferentia、微软的 Maia、Meta 的 MTIA 以及特斯拉的 Dojo 等。
在自研 AI 芯片的上游供应链上，迈威尔和博通是常年称霸的两大制造商。
迈威尔的崛起离不开其新领导层的成功战略。仿佛早有预见般，该公司 CEO Matt Murphy 自 2016 年上任以来，趁公司重组之际将公司战略重心转向为科技巨头定制芯片，成功在 AI 大潮中抓住了机遇。
除了谷歌和微软两个大客户，迈威尔还在近期与亚马逊 AWS 签订了为期 5 年的合作协议，帮助亚马逊设计自有 AI 芯片。业内人士认为，这将助推迈威尔 AI 定制芯片业务在下一财年实现翻倍增长。
作为迈威尔的主要竞争对手，博通同样拥有谷歌、Meta 和字节三家大客户。
有分析预计，到 2027-2028 年，每家客户都会达到 1 年百万片 ASIC 的采购规模，随着第四和第五大客户也开始快速爬升，这些科技公司的芯片订制订单将在未来几年给博通带来十分可观的 AI 收入。
随着 AI 大模型进入 “下半场”，真正的推理端刚刚开始，关于芯片的又一场鏖战即将打响。正如博通的 CEO Hock Tan 此前所预言：
<blockquote>
“未来 50% 的 AI Flops（算力）都会是 ASIC，甚至 CSP（超大规模云计算产商）内部自用 100% 都将是 ASIC”。
</blockquote>

博通

英伟达

随着 AI 大模型从预训练阶段转向逻辑推理阶段，以 ASIC 为代表的专用芯片可能将逐步取代以 GPU 为代表的通用芯片，成为各大 AI 公司的 “新宠”。分析称，如果博通 CEO 对 ASIC 市场的预测准确，未来三年博通 ASIC 相关的 AI 业务有望实现每年翻倍增长。

- 博通股价大涨 27%，市值突破 1 万亿美元，英伟达股价下跌 3.3%。  
- 博通 CEO 预测 2027 年 ASIC 市场需求将达 600 亿至 900 亿美元。  
- AI 模型训练面临数据枯竭，推理阶段成为新关注点。  

从英伟达到博通，AI 行业 “范式大转变”