--- title: "ASIC：定製芯片經濟學" type: "News" locale: "zh-HK" url: "https://longbridge.com/zh-HK/news/256269383.md" description: "ASIC（定製芯片）經濟學的討論因博通提到的 Open AI 的 100 億美金訂單而重新升温。文章分析了 ASIC 與 GPU 的關係，指出最先進的 GPU 已高度特化，主要用於 AI 加速，實際上也可視為 ASIC。區分 ASIC 與 GPU 的關鍵在於商業模式，主要有商業芯片和定製芯片兩種選擇。自研芯片的誘惑在於高利潤，但成本也相對較高。" datetime: "2025-09-07T10:05:46.000Z" locales: - [zh-CN](https://longbridge.com/zh-CN/news/256269383.md) - [en](https://longbridge.com/en/news/256269383.md) - [zh-HK](https://longbridge.com/zh-HK/news/256269383.md) --- # ASIC：定製芯片經濟學 ASIC / 定製芯片不是新東西。 博通業績會上提到第 4 個 “神秘客户”(Open AI）的 100 億美金訂單，卻讓這個 “GPU VS ASIC” 的討論重新上了個高度。 趁着週末重新整理了一下 ASIC 的經濟學，和接下來芯片行業的一些敍事變化。文中借用了 TD Cowen 的一個分析框架，寫的挺好的。 ## 自研芯片的 ROI 框架 1/ 哪有什麼 ASIC vs GPU，説白了大家都是 "ASIC”； - 傳統觀點裏，GPU 為了靈活性，犧牲性能；而 ASIC 則為特定任務優化，效率更高；這種框架現在已經沒那麼適用，因為最先進的 GPU 在芯片架構層面已經高度特化，大部分計算能力都用於 AI 加速，特別是矩陣乘法運算，與圖形處理關係很小； - 大語言模型 LLM 中，超過 90% 的計算都是矩陣乘法，這些芯片實際上都是為同一個特定應用（AI 加速）而生的 ASIC。（比如 NV 的 Tensor Core / 谷歌的 Matrix Multiply Unit / 亞馬遜的 Tensor Engine）；下圖中黃色的這塊。 - 某種程度上，大家都是搞 AI 的 “ASIC”； 2/ 區分 ASIC vs GPU 的本質其實不是技術路線，而是商業模式。用另外一種角度看，其實主要區別只有， - A. 商業芯片 (Merchant) 芯片廠搞，賣給很多人。 - B. 定製芯片 (Custom) 雲廠搞，自己用。隨着 Google 之前傳出賣 TPU 的新聞之後，這個界限也開始模糊。 説白了，只是哪一個路線更加 “省錢” + 有長遠的戰略意義。 既然是從 “錢” 的角度出發，用 ROI 的框架來分析，可能會更加直觀一些。化繁為簡，只有兩種情況，“買”（buy）vs “自研”（build）； 3/ “自研” 的誘惑 vs 代價 - 商業芯片，利潤太高了（這裏不需要我贅述，大家都知道。看看 4 萬億市值的英偉達）；80% 的芯片成本，都轉化成了英偉達的利潤。 - 自研當然是為了吃掉這部分利潤，但是定製芯片是高度 “二元化”/binary 的。要麼成功，要麼失敗；並不存在説，我自研的芯片雖然垃圾，也能跑一跑的這種 “中間態”。 4/ 為什麼定製芯片 “不成功便成仁”？TD Cowen 這裏給了一個 “暴論”，只要你自研的芯片不能達到英偉達最先進芯片性能的 50%，那就通通都是電子垃圾，就算流片了，也不應該量產。 幾個基本假設（假設有點長，用灰色處理了）， - 學習老黃用 “AI 工廠” 的概念去理解這個芯片投資；這個工廠的 “產品” 就是通過 API 調用生成的 “tokens”。 - 市場存在一個公開的 “推理服務” 價格；OpenAI、Anthropic、Google 都在以 API 的形式提供其 LLM 服務，這個價格通常以 “美元/每百萬 tokens”（$/1M tokens）來計費。 - 硬件性能決定了 “產品” 的生產速度；一個 AI 芯片的性能，可以直接體現在它處理一個模型時每秒鐘能生成多少個 tokens，即吞吐量（Throughput, measured in tokens/second）。性能越強的芯片，生成 tokens 的速度越快。 - 也就是説，收入/秒 = (價格/token) × (吞吐量， tokens/秒) 有了上面的假設之後， - 性能=算力=收入，AI 工廠的核心競爭力；一個性能是對手兩倍的芯片，在相同的時間內，就能產生兩倍的收入。 - 目前市場上的 API 定價實際上是基於一個隱藏的共同基礎：它們絕大多數都運行在 NVIDIA 的 GPU 上。這使得 NVIDIA 的性能成為了市場定價的 “黃金標準”（其他人只能 “吞下” 這個標準）。 - 換句話説，你的收入不完全是取決於你自己的芯片絕對性能，而是取決於你的芯片 vs 英偉達芯片的相對性能（因為英偉達定義了收入標準）； 假設結束，直接上結論。（TD Cowen 的報告有一個很詳細的計算，這裏篇幅限制我直接跳到結論。） - 買老黃芯片的 IRR 很高，大概有 24% （大家不需要太較真這個數字，主要是解釋決策思路）。“買的越多，省得越多”； - 如果雲廠自研出來的東西，性能能達到英偉達芯片的 70% 表現，那麼 IRR 就可以有 35%（英偉達的利潤被省下來了，轉化成了成本節省，最終轉化成為 IRR）； - 如果自研的東西，性能能達到英偉達芯片的 50%，那麼 IRR 剛好差不多，來到了臨界點。這個時候你仍然可以推進量產，因為有戰略意義。 - 但是如果你自研的東西，性能僅僅能達到英偉達芯片的 30%，那麼 IRR 驟降（這裏不是線性的，因為電力，數據中心成本很多都是 fixed costs），那麼你應該果斷放棄自研，流片了也不要量產。在這個情況下，IRR 甚至比不上你公司的資金成本/WACC;（放在 Open Ai 語境下，他家拿的是 VC 的錢，WACC 肯定高過谷歌非常多）； ## 用框架分析接下來的行業變化 我們姑且當做上面的假設和框架有些啓發，再來看看現在行業裏面發生的事情。 1/ 谷歌的 TPU 剛好來到了 50% 的這個臨界點，所以我們看到了這個季度 TPU 直接爬坡量產（疊加 Gemini 的需求驅動）。這也是為什麼 TPU 鏈上的東西，最近都這麼火熱。 2/ 博通宣佈的 Open AI 訂單，可能也已經過了 50% 性能的這個風水嶺，所以管理層提到訂單已經下來了。（我們之前公眾號提過，OpenAI 也是挖了很多谷歌 TPU 團隊的人）； - 但是這個 “量產”，仍然有一個不確定性存在，那就是你需要確定你在量產的時候，你的芯片仍然能夠達到英偉達 50% 的性能（因為英偉達並沒有停滯，而是仍然在不斷加強他家的芯片能力。） - 這個 “量產” 不 “量產” 的決定，不取決於博通，不取決於 Open Ai，而是取決於量產的時候，兩者芯片的 “相對能力”，“相對迭代速度”。 3/ Open Ai 因為沒有了微軟這個奶媽，資金壓力更大。可能需要劍走偏鋒去靠定製芯片降低成本？這是 TI 週末的一個報道， - 3 個月前的預測，資金消耗量更小。 - 現在的預測，資金消耗量更大，然後突然轉正。看起來就像是 “資本投入產生回報” 的故事。。用 ASIC 來給投資人畫畫大餅？ 4/ 畢竟 Open AI 什麼都想做，也包括雲計算。 5/ 再看看收入端，最近都收入都沒調整。調的是遠端收入。。。畫餅策略一樣有跡可循。 6/ 最後貼一張 UBS 搞的，26 年 ASIC 路線 + 成本。 來源：180K，原文標題：《ASIC / 定製芯片經濟學（9 月 7 日）》 風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。 ### 相關股票 - [AVGO.US](https://longbridge.com/zh-HK/quote/AVGO.US.md) - [OpenAI.NA](https://longbridge.com/zh-HK/quote/OpenAI.NA.md) ## 相關資訊與研究 - [Anthropic 超車 OpenAI 最新估值逼近 1 兆美元 成全球最有價值 AI 新創](https://longbridge.com/zh-HK/news/287966077.md) - [博通推三款 WiFi 8 路由晶片，鎖定高階與 Mesh 網路設備市場](https://longbridge.com/zh-HK/news/287847135.md) - [著名投資人賣光輝達不回頭！改砸 3 家晶片股 曝 AI 下半場「關鍵轉折」](https://longbridge.com/zh-HK/news/287495290.md) - [博通客製化 ASIC 再擴版圖，攜韓 FuriosaAI 採 3.5D 封裝打造第三代 AI 晶片](https://longbridge.com/zh-HK/news/287840434.md) - [應材宣佈博通成 EPIC 新合作夥伴，加速先進晶片封裝技術開發](https://longbridge.com/zh-HK/news/287304475.md)