<section>
<p>ASIC / 定制芯片不是新东西。</p>
<p>博通业绩会上提到第 4 个 “神秘客户”(Open AI）的 100 亿美金订单，却让这个 “GPU VS ASIC” 的讨论重新上了个高度。</p>
<p>趁着周末重新整理了一下 ASIC 的经济学，和接下来芯片行业的一些叙事变化。文中借用了 TD Cowen 的一个分析框架，写的挺好的。</p>
<h2>自研芯片的 ROI 框架</h2>
<p>1/ 哪有什么 ASIC vs GPU，说白了大家都是 &#34;ASIC”；</p>
<ul>
<li>
<section>
<p>传统观点里，GPU 为了灵活性，牺牲性能；而 ASIC 则为特定任务优化，效率更高；这种框架现在已经没那么适用，因为最先进的 GPU 在芯片架构层面已经高度特化，大部分计算能力都用于 AI 加速，特别是矩阵乘法运算，与图形处理关系很小；</p>
</section>
</li>
<li>
<section>
<p>大语言模型 LLM 中，超过 90% 的计算都是矩阵乘法，这些芯片实际上都是为同一个特定应用（AI 加速）而生的 ASIC。（比如 NV 的 Tensor Core / 谷歌的 Matrix Multiply Unit / 亚马逊的 Tensor Engine）；下图中黄色的这块。</p>
</section>
</li>
<li>
<section>
<p>某种程度上，大家都是搞 AI 的 “ASIC”；</p>
</section>
</li>
</ul>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySvMfKDQ5oibedd9jeBaPrCSx5OwvBUQUuRRCnD08u32DZEE9vgypta6w/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1080" height="489" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySvMfKDQ5oibedd9jeBaPrCSx5OwvBUQUuRRCnD08u32DZEE9vgypta6w/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<p>2/ 区分 ASIC vs GPU 的本质其实不是技术路线，而是商业模式。用另外一种角度看，其实主要区别只有，</p>
<ul>
<li>
<section>A. 商业芯片 (Merchant) 芯片厂搞，卖给很多人。</section>
</li>
<li>
<section>B. 定制芯片 (Custom) 云厂搞，自己用。随着 Google 之前传出卖 TPU 的新闻之后，这个界限也开始模糊。</section>
</li>
</ul>
<p>说白了，只是哪一个路线更加 “省钱” + 有长远的战略意义。</p>
<p>既然是从 “钱” 的角度出发，用 ROI 的框架来分析，可能会更加直观一些。化繁为简，只有两种情况，“买”（buy）vs “自研”（build）；</p>
<p>3/ “自研” 的诱惑 vs 代价</p>
<ul>
<li>
<section>商业芯片，利润太高了（这里不需要我赘述，大家都知道。看看 4 万亿市值的英伟达）；80% 的芯片成本，都转化成了英伟达的利润。</section>
</li>
</ul>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySWwHA3hkKgdDHiam5kiaiawhCGKagEQrPXZVKh5mcwqw8RExsK7md3qvTg/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="879" height="639" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySWwHA3hkKgdDHiam5kiaiawhCGKagEQrPXZVKh5mcwqw8RExsK7md3qvTg/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<ul>
<li>
<section>自研当然是为了吃掉这部分利润，但是定制芯片是高度 “二元化”/binary 的。要么成功，要么失败；并不存在说，我自研的芯片虽然垃圾，也能跑一跑的这种 “中间态”。</section>
</li>
</ul>
<p>4/ 为什么定制芯片 “不成功便成仁”？TD Cowen 这里给了一个 “暴论”，只要你自研的芯片不能达到英伟达最先进芯片性能的 50%，那就通通都是电子垃圾，就算流片了，也不应该量产。</p>
<p>几个基本假设（假设有点长，用灰色处理了），</p>
<ul>
<li>
<section>
<p>学习老黄用 “AI 工厂” 的概念去理解这个芯片投资；这个工厂的 “产品” 就是通过 API 调用生成的 “tokens”。</p>
</section>
</li>
<li>
<section>
<p>市场存在一个公开的 “推理服务” 价格；OpenAI、Anthropic、Google 都在以 API 的形式提供其 LLM 服务，这个价格通常以 “美元/每百万 tokens”（$/1M tokens）来计费。</p>
</section>
</li>
<li>
<section>
<p>硬件性能决定了 “产品” 的生产速度；一个 AI 芯片的性能，可以直接体现在它处理一个模型时每秒钟能生成多少个 tokens，即吞吐量（Throughput, measured in tokens/second）。性能越强的芯片，生成 tokens 的速度越快。</p>
</section>
</li>
<li>
<section>
<p>也就是说，收入/秒 = (价格/token) × (吞吐量， tokens/秒)</p>
</section>
</li>
</ul>
<p>有了上面的假设之后，</p>
<ul>
<li>
<section>
<p>性能=算力=收入，AI 工厂的核心竞争力；一个性能是对手两倍的芯片，在相同的时间内，就能产生两倍的收入。</p>
</section>
</li>
<li>
<section>
<p>目前市场上的 API 定价实际上是基于一个隐藏的共同基础：它们绝大多数都运行在 NVIDIA 的 GPU 上。这使得 NVIDIA 的性能成为了市场定价的 “黄金标准”（其他人只能 “吞下” 这个标准）。</p>
</section>
</li>
<li>
<section>
<p>换句话说，你的收入不完全是取决于你自己的芯片绝对性能，而是取决于你的芯片 vs 英伟达芯片的相对性能（因为英伟达定义了收入标准）；</p>
</section>
</li>
</ul>
<p>假设结束，直接上结论。（TD Cowen 的报告有一个很详细的计算，这里篇幅限制我直接跳到结论。）</p>
<ul>
<li>
<section>
<p>买老黄芯片的 IRR 很高，大概有 24% （大家不需要太较真这个数字，主要是解释决策思路）。“买的越多，省得越多”；</p>
</section>
</li>
<li>
<section>
<p>如果云厂自研出来的东西，性能能达到英伟达芯片的 70% 表现，那么 IRR 就可以有 35%（英伟达的利润被省下来了，转化成了成本节省，最终转化成为 IRR）；</p>
</section>
</li>
<li>
<section>
<p>如果自研的东西，性能能达到英伟达芯片的 50%，那么 IRR 刚好差不多，来到了临界点。这个时候你仍然可以推进量产，因为有战略意义。</p>
</section>
</li>
<li>
<section>
<p>但是如果你自研的东西，性能仅仅能达到英伟达芯片的 30%，那么 IRR 骤降（这里不是线性的，因为电力，数据中心成本很多都是 fixed costs），那么你应该果断放弃自研，流片了也不要量产。在这个情况下，IRR 甚至比不上你公司的资金成本/WACC;（放在 Open Ai 语境下，他家拿的是 VC 的钱，WACC 肯定高过谷歌非常多）；</p>
</section>
</li>
</ul>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySFcoVzslkcqVBv5uQJtMsS67KMQhKejkS6Ib2kI61VZJVKcTgmgyHLA/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1080" height="731" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySFcoVzslkcqVBv5uQJtMsS67KMQhKejkS6Ib2kI61VZJVKcTgmgyHLA/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<h2>用框架分析接下来的行业变化</h2>
<p>我们姑且当做上面的假设和框架有些启发，再来看看现在行业里面发生的事情。</p>
<p>1/ 谷歌的 TPU 刚好来到了 50% 的这个临界点，所以我们看到了这个季度 TPU 直接爬坡量产（叠加 Gemini 的需求驱动）。这也是为什么 TPU 链上的东西，最近都这么火热。</p>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySDvibd9cF1wuNorGOicxWESWKJOvHacVjjH5tTetbu1LTm5ABQ2e1kp0A/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="863" height="696" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySDvibd9cF1wuNorGOicxWESWKJOvHacVjjH5tTetbu1LTm5ABQ2e1kp0A/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<p>2/ 博通宣布的 Open AI 订单，可能也已经过了 50% 性能的这个风水岭，所以管理层提到订单已经下来了。（我们之前公众号提过，OpenAI 也是挖了很多谷歌 TPU 团队的人）；</p>
<ul>
<li>
<section>
<p>但是这个 “量产”，仍然有一个不确定性存在，那就是你需要确定你在量产的时候，你的芯片仍然能够达到英伟达 50% 的性能（因为英伟达并没有停滞，而是仍然在不断加强他家的芯片能力。）</p>
</section>
</li>
<li>
<section>
<p>这个 “量产” 不 “量产” 的决定，不取决于博通，不取决于 Open Ai，而是取决于量产的时候，两者芯片的 “相对能力”，“相对迭代速度”。</p>
</section>
</li>
</ul>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySXdfQRdqviaBJrKRE0nDyYBfic4etS8niaZDXm6iaSWhSIkkVUR0DQUMPyA/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="818" height="286" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySXdfQRdqviaBJrKRE0nDyYBfic4etS8niaZDXm6iaSWhSIkkVUR0DQUMPyA/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<p>3/ Open Ai 因为没有了微软这个奶妈，资金压力更大。可能需要剑走偏锋去靠定制芯片降低成本？这是 TI 周末的一个报道，</p>
<ul>
<li>
<section>3 个月前的预测，资金消耗量更小。</section>
</li>
<li>
<section>现在的预测，资金消耗量更大，然后突然转正。看起来就像是 “资本投入产生回报” 的故事。。用 ASIC 来给投资人画画大饼？</section>
</li>
</ul>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySMh8gvaWuXKFhwoiaER4QicwNXDt8IG7VxdTzZALTXRThuuAKtMujPR7Q/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="886" height="563" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySMh8gvaWuXKFhwoiaER4QicwNXDt8IG7VxdTzZALTXRThuuAKtMujPR7Q/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<p>4/ 毕竟 Open AI 什么都想做，也包括云计算。</p>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySicbjm3xSBpSIF1VPBxnZeNWciaC3NBJdcZtib2eczqAGv4WkR6NQMtgQQ/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="942" height="758" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySicbjm3xSBpSIF1VPBxnZeNWciaC3NBJdcZtib2eczqAGv4WkR6NQMtgQQ/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<p>5/ 再看看收入端，最近都收入都没调整。调的是远端收入。。。画饼策略一样有迹可循。</p>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySfCcRcWChRqosU5ZeMPYjuwaeyeQ6pbedJENYjRFH7kbFsRTtZ71BqQ/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="847" height="756" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0ySfCcRcWChRqosU5ZeMPYjuwaeyeQ6pbedJENYjRFH7kbFsRTtZ71BqQ/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
<p>6/ 最后贴一张 UBS 搞的，26 年 ASIC 路线 + 成本。</p>
<figure><img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0yS3vg7gEHvibp2oPG4SGoZiaY8rXfOUAy69icOBUkib65Bia13Wo1HaZ7biaQg/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1080" height="266" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wscn.net/sz_mmbiz_png/WZkFNjUtXYod4kyBRCK2mhzPCw0bj0yS3vg7gEHvibp2oPG4SGoZiaY8rXfOUAy69icOBUkib65Bia13Wo1HaZ7biaQg/640/query-ZnJvbT1hcHBtc2cmd3hfZm10PXBuZw"/></figure>
</section>
<p><span style="color: #808080">来源：180K，原文标题：《ASIC / 定制芯片经济学（9 月 7 日）》</span></p><div>风险提示及免责条款</div>
          <div>
            市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
          </div>

博通

OpenAI

<p>ASIC（定制芯片）经济学的讨论因博通提到的 Open AI 的 100 亿美金订单而重新升温。文章分析了 ASIC 与 GPU 的关系，指出最先进的 GPU 已高度特化，主要用于 AI 加速，实际上也可视为 ASIC。区分 ASIC 与 GPU 的关键在于商业模式，主要有商业芯片和定制芯片两种选择。自研芯片的诱惑在于高利润，但成本也相对较高。</p>

- ASIC 与 GPU 的讨论因博通的 100 亿美金订单而升温。  
- 自研芯片的 ROI 框架显示，性能与成本是关键因素。  
- 定制芯片成功与否取决于其性能是否达到英伟达的标准。  

ASIC：定制芯片经济学