推理集群規模是訓練十倍

一個新的關鍵詞越來越頻繁地出現在全球科技巨頭的財報中 微軟、谷歌、亞馬遜都在瘋狂自言ASIC 就連英偉達一邊大賣GPU一邊又開始佈局ASIC業務 AI的戰場重心已經從訓練轉向了推理 推理集群規模是訓練的10倍以上 計算量佔到了70% 來自機構的報告顯示 2026年全球AI芯片總出貨1630萬顆 ASIC出貨680萬顆 佔比42% 預計2027年總出貨2340萬顆 ASIC將衝到1250萬顆 增速達到84% 首次超越GPU的1090萬顆 今天的視頻我們就來拆解ASIC產業鏈 很多人第一次聽ASIC會覺得它是一種芯片 實際上ASIC不是一種具體產品 而是一種芯片設計思路 全稱叫做專用集成電路 ASIC最大的特點是隻幹一件事 把這一件事做到極致 因此ASIC天生是為推理而設計 它擁有三大優勢 性能最高 功耗最低 成本最低 這也是為什麼越來越多AI推理 網絡交換 汽車電子和加密計算都開始採用ASIC 據行業機構的研究 未來幾年AI伺服器新增算力中 推理需求增速將明顯快於訓練需求 而推理場景更適合採用定製ASIC 因此全球雲廠商正加快ASIC佈局 ASIC產業鏈可以分成五層 第一層需求方 這是真正提出需求的公司 包括Google 亞馬遜 微軟和特斯拉等 它們共同特點是AI算力需求巨大 如果一直購買GPU成本將越來越高 供貨越來越難 生態受制於人 於是開始自己定義芯片 第二層ASIC設計公司 這是產業鏈的大腦真正完成芯片架構設計 全球主要的設計模式分為兩類 第一類互聯網公司自研 Google TPU就是典型代表 隨後微軟亞馬遜Meta先後加入 第二類專業ASIC設計服務商 例如博通 邁威爾 世芯電子等 它們不產生標準芯片 而是幫助客戶定製ASIC 定製模式近年來增長極快 根據公開財報顯示 博通近年來ASIC相關訂單持續增長 AI已成為其基礎設施業務的重要增長動力 此外 EDA即芯片設計的軟件也是重要模塊 沒有EDA再好的工程師也畫不出芯片 第三層IP授權 很多人認為設計公司自己畫芯片 實際上不是 今天幾乎所有的ASIC都建立在大量IP模塊之上 例如CPU核心 GPU核心 DDR和HBM控制器等 這些IP幾乎全部來自全球少數幾家公司 全球最大的IP公司包括 ARM 形思科技 AlphaWave等 尤其是ARM 絕大部分ASIC都會購買 ARM CPU IP 這意味著每賣一顆ASIC 都可能要向ARM支付授權費 所以很多人說 IP公司纔是真正躺著賺錢的人 第四層晶圓製造 這是最賺錢的環節 ASIC設計完成以後 要交給晶圓廠生產 全球ASIC幾乎全部集中在臺積電 因為全球先進製程 量產能力方面 臺積電保持領先 先進封裝協同能力也最成熟 目前三星正在積極追趕 英特爾也開始承接外部ASIC訂單 第五層先進封裝 今天ASIC越來越依賴 Covos 2.5D封裝和Chiplet 原因很簡單 HBM不能直接焊接 GPU不能無線作打 只能依靠先進封裝 臺積電Covos幾乎成為 AI芯片標準方案 AMCO 日月光 長電 化天等封測企業 也在積極佈局 先進封裝已經成為 AI時代最大的增量市場之一 此外上游還包括 光刻機 刻石設備 薄膜沉積 測試設備 光刻膠 電子特企 矽片 CMP材料等關鍵環節 這些共同構成ASIC產業 持續發展的底層基礎 可以說誰掌握這些底層能力 誰就掌握整個產業鏈的話語權 越來越多雲廠商發現 訓練可以繼續買英偉達 但推理用ASIC更划算 因此出現兩個趨勢 第一 互聯網巨頭 全部開始自研芯片 Google TPU已經發展到新一代產品 Amazon Trinium不斷升級 微軟Maya逐步部署 MetaMedia持續迭代 第二 博通成為最大贏家之一 他既擁有交換芯片 又擁有ASIC定製能力 越來越多互聯網公司 把ASIC設計交給他完成 這也是近年來博通估值 不斷提升的重要原因 與此同時 英偉達並沒有坐等市場變化 除了持續推出新一代GPU外 也開始強化軟件生態 以及定製化方案佈局 希望繼續鞏固AI基礎設施優勢 未來幾年 GPU與ASIC更可能形成互補 而不是簡單替代 ASIC的發展 本質上是AI進入規模化應用後的必然結果 訓練階段需要GPU的通用性 推理階段 更需要ASIC的低成本 低功耗和高效率 可以預見 未來AI產業鏈的競爭 將不再只是GPU之間的競爭 而是GPU加ASIC協同 算理 存儲 封裝和軟件生態的系統競爭