当前，全球人工智能（AI）产业正经历爆发式增长，算力作为核心基础设施，其需求与供给之间的矛盾日益突出。据 IDC 预测，未来三年全球AI算力需求将保持 年均120% 的高速增长，算力已成为驱动数字经济发展的首要生产力。
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。
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。
AI ASIC：算力芯片下一个蓝海大模型时代推理场景下海量的算力需求叠加为更固定的算法，有望促进ASIC芯片迎来爆发式增长。目前在训练阶段，训练集群对加速计算芯片的需求已提升到万卡级别。随着AI模型对训练需求的提升，未来10万卡级别指日可待。
而在推理阶段，由于计算量与业务和应用密切相关，单个推理集群对加速计算芯片的需求低于训练集群，但推理集群的部署数量要远多于训练集群，推理集群的数量预计会达到百万级别。AI算力集群特别是推理集群对加速计算芯片的庞大需求，是ASIC快速成长的核心驱动力。
ASIC芯片在AI推理阶段具有显著优势，此时模型已训练完成，对计算精度要求较低，但对能效比和成本要求更高。数据显示，到2028年，ASIC芯片在数据中心加速计算芯片市场的占比将从2023年的16%提升到25%，市场规模达到429亿美元，年复合增长率高达45.4%，这充分说明了ASIC在AI领域的重要性。
免责声明：
1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。
2、本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。
3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。
