近日，博通发布财报业绩，2024财年公司AI收入增长220%，达到122亿美元。受此消息提振，周五博通股价大涨24.4%，成为继英伟达、台积电之后，全球第三家市值过万亿美元的半导体公司。
随着人工智能对算力提出更高的要求，传统的CPU架构难以满足，因此具有海量数据并行计算能力、能加速计算处理的AI算力芯片应运而生，根据技术架构，AI芯片主要分为三类：GPU、ASIC、FPGA。
GPU和FPGA是比较成熟的通用性芯片。ASIC与GPU芯片相比，ASIC的单位算力成本更低，满足一定的降本需求。因其成本较低，功耗也更低，展现出了更高的性价比。
一、什么是ASIC芯片？
ASIC，英文全称：Application-Specific Integrated Circuits, 即专用集成电路。是一种专用型芯片，针对特定用户要求和场景应用而设计，在特定任务上的计算能力强大，通常具有较高的能效比。
与FPGA相比，ASIC灵活性差、专用度高、但体积小、功耗低、计算性能更好。ASIC全球头部厂商为谷歌、博通、Marvell。
ASIC芯片可分为TPU、DPU、NPU：
（1）TPU即张量处理器，专用于机器学习。
（2）DPU为数据中心等计算场景提供计算引警.
（3）NPU即神经网络处理器，在电路层模拟人类神经元和突触，并用深度学习指令集处理数据。
AISC属于定制款芯片，因此性能更强、能耗更低，但研发门槛高、设计周期长，所以价格更贵，但大规模量产后成本显著降低。
二、市场规模:
AI ASIC具备功耗、成本优势，目前仍处于发展初期，市场规模有望高速增长。目前ASIC在AI加速计算芯片市场占有率较低，预计增速快于通用加速芯片。据Marvell预测，2023年，定制芯片仅占数据中心加速计算芯片的16%，其规模约66亿美元，预计2028年数据中心定制加速计算芯片规模有望超400亿美元。
ASIC单卡算力与GPU仍有差距，但单卡性价比和集群算力效率优秀。ASIC中算力相对较高的谷歌TPU v6和微软Maia 100算力约为H100非稀疏算力的90%、80%，同时ASIC的单价显著低于GPU，故而在推理场景呈现更高的性价比；ASIC的芯片互联以PCIe协议为主，处于追赶状态，NVLink协议更具优势；在服务器互联方面，ASIC主要采用以太网，正追平英伟达的IB网络，目前H100集群可以做到10万卡规模，ASIC中谷歌TPU相对更为领先，TPU v5p单个Pod可达8960颗芯片，借助软件能力，TPUv5e可拓展至5万卡集群，且保持线性加速。由于ASIC专为特定场景设计，且云厂商对软件生态掌握程度也较高，ASIC集群的算力利用率实际可能高于GPU（如TPU、MTIA等）。
软件生态也是影响AI计算能力的重要因素，当前CUDA生态占据主导，ASIC软件生态有望逐步完善。云厂商普遍具备较强的研发能力，均为AI ASIC研发了配套的全栈软件生态，开发了一系列的编译器、底层中间件等，提升ASIC在特定场景下的计算效率。此外，一些商用芯片厂商也推出了开源平台，如ROCm和oneAPI，未来ASIC的软件生态将会愈发成熟、开放。
三、投资建议：
ASIC针对特定场景设计，有配套的通信互联和软件生态，虽然目前单颗ASIC算力相比最先进的GPU仍有差距，但整个ASIC集群的算力利用效率可能会优于可比的GPU，同时还具备明显的价格、功耗优势，有望更广泛地应用于AI推理与训练。我们看好ASIC的大规模应用带来云厂商ROI提升，同时也建议关注定制芯片产业链相关标的。
四、风险提示：AI算法技术风险、生态系统建设不及预期、芯片研发不及预期、AI产业发展不及预期
目录
