ASIC市场，越来越大了

ASIC市场在增长。

这一点早已达成业内共识。但令人意外的是，ASIC增长的速度实在是太快了。摩根士丹利预计，AI ASIC市场规模将从2024年的120亿美元增长至2027年的300亿美元，年复合增长率达到34%。

要知道2023年—2029年，高性能计算GPU市场的年复合增长率是25%，而CPU和APU的增长率仅为5%和8%。

01

ASIC市场，蛋糕膨胀

TrendForce的最新研究报告指出，随着人工智能服务器需求的迅猛增长，美国主要的云计算服务提供商（CSP）正加快内部开发专用集成电路（ASIC）芯片的步伐，平均每1至2年便推出新一代产品。在中国，人工智能服务器市场正逐步适应美国自2025年4月起实施的新出口管制政策。据预测，这些措施将导致2025年进口芯片（如NVIDIA和AMD产品）的市场份额从2024年的63%下降至约42%。

与此同时，在政府积极推动国产人工智能处理器的政策扶持下，预计中国本土芯片制造商的市场份额将提升至40%，与进口芯片的市场份额几乎持平。

定制芯片是一种经济选择，而不是技术选择。ASIC蛋糕增长最重要的驱动力只有一个：钱。

从当前来看，GPU服务器依然是最终用户的首要选择，但由于部分GPU产品受供应的限制，导致出现了算力缺口。很多头部的互联网企业，为了降低成本以及更好地适配自身业务场景，也增大了自研ASIC芯片服务器的部署数量。

比如在同等预算下，AWS的Trainium 2（ASIC芯片）可以比英伟达的H100 GPU更快速完成推理任务，且性价比提高了30%～40%。明年计划推出的Trainium3，计算性能更是提高了2倍，能效提高40%。

云解决方案提供商正在优先考虑 ASIC 开发，以减少对 NVIDIA 和 AMD 的依赖，更好地控制成本和性能，并增强供应链灵活性。这种转变对于管理不断增长的 AI 工作负载和优化长期运营支出至关重要。

此外，如果芯片可以带来战略优势，那么ASIC就是有意义的。苹果就是一个很典型的例子，当然也有谷歌。

02

ASIC的典型代表：TPU

厂商对能效比和成本的追求是永无止境的，国外大厂中谷歌、亚马逊、Meta、OpenAI等大型云计算和大模型厂商均加速布局定制化ASIC。国内企业中寒武纪、达摩院、百度、腾讯等都在推出自己的ASIC芯片。

市场主流的ASIC芯片有TPU、NPU、VPU芯片。

谷歌的TPU作为ASIC已经非常典型的代表了。这是谷歌在2016年推出的首款产品，目标是为了高效地处理张量运算。

最新的TPU在今年4月发布，谷歌已经推出了第七代张量处理单元（TPU）Ironwood。谷歌称，在大规模部署的情况下，这款 AI 加速器的计算能力能达到全球最快超级计算机的24倍以上。

Ironwood 拥有超模的技术规格，当每个 pod 扩展至 9216 块芯片时，它可提供 42.5 exaflops 的 AI 算力，远超目前全球最快的超级计算机 El Capitan 的 1.7 exaflops。每块 Ironwood 芯片的峰值计算能力可达 4614 TFLOPs。

在单芯片规格上，Ironwood 显著提升了内存和带宽，每块芯片配备 192GB 高带宽内存（HBM），是去年发布的上一代 TPU Trillium 的六倍。每块芯片的内存带宽达到 7.2 terabits/s，是 Trillium 的 4.5 倍。

目前，TPU芯片已经成为全球第三大数据中心芯片设计厂商，据产业链相关人士透露，谷歌TPU芯片去年的生产量已经达到280万～300万片之间。

国内这边布局TPU芯片的企业是中昊芯英。创始人杨龚轶凡曾在谷歌TPU核心研发团队参与过TPU v2/3/4的设计与研发工作。

2024年，中昊芯英创始人及CEO就曾对外透露，2023年中昊芯英成功实现了全自研的专为AI训练而生的中国首枚高性能TPU训练芯片“刹那”的量产交付。

据悉，“刹那”作为一款全自研的GPTPU架构AI训练芯片，拥有完全自主可控的 IP 核、全自研指令集与计算平台。在处理大规模 AI 模型训练和推理任务时，“刹那”的计算性能超越英伟达 A100，系统集群性能更是十倍于传统 GPU，在完成相同训练任务量时的能耗仅是传统 GPU 的一半。相比国外产品，“刹那”芯片的单位算力成本仅为其42%。

03

ASIC，竞争不断

在ASIC市场，目前博通以55%～60%的份额位居第一，Marvell以13%～15%的份额位列第二。

博通在AI芯片领域的核心优势在于定制化ASIC芯片和高速数据交换芯片，其解决方案广泛应用于数据中心、云计算、HPC（高性能计算）和5G基础设施等领域。

最新的财报来看，博通2025财年第一季度财报显示，其营收达149.16亿美元，同比增长25%；非GAAP净利润78.23亿美元，同比激增49%。其中，AI相关收入41亿美元，同比增长77%，占总营收的28%，在半导体业务中占比更高达50%。

博通的ASIC芯片业务已成为其核心增长点。财报披露，定制AI芯片（ASIC）销售额预计占第二季度总AI半导体收入的70%，达308亿美元（约合450亿美元）。

博通有两个大合作备受关注：第一是Meta与博通已合作开发了前两代AI训练加速处理器，目前双方正加速推进第三代MTIA芯片的研发，预计2024年下半年至2025年将取得重要进展。

第二是OpenAI已委托博通开发两代ASIC芯片项目，计划于2026年投产，将采用业界领先的3nm/2nm制程工艺并搭配3D SOIC先进封装技术。与此同时，虽然苹果目前仍在使用谷歌TPU，但其自研AI芯片项目已在积极推进中。

Marvell的定制芯片（ASIC）业务正成为其强劲增长的核心动力之一。Marvell的具体业务中，数据中心业务占据75%左右，属于高成长业务。这部分业务包括SSD 控制器、高端以太网交换机（Innovium）及定制 ASIC 业务（亚马逊 AWS 等定制化芯片），主要应用于云服务器、边缘计算等场景。

Marvell 从 2018 年起陆续收购了 Cavium、Innovium 等公司，从而增强了公司 AISC 及数据中心的相关能力。

最新的财报显示，Marvell 在2026财年第一季度的数据中心业务实现营收 14.4 亿美元，环比增长 5.5%，符合市场预期（14.4 亿美元）。

根据公司交流及产业链信息推测，Marvell 当前的 ASIC 收入主要来自亚马逊的 Trainium 2 和谷歌的 Axion Arm CPU 处理器，而公司与亚马逊合作的Inferential ASIC 项目也将在 2025 年（即 2026 财年）开始量产。公司与微软合作的 Microsoft Maia 项目，有望在 2026 年（即 2027 财年）。

但主要指出的是，不同于NVIDIA拥有诸如“主权AI”、“创业公司爆发”等更具吸引力的故事，Marvell的定制AI芯片依然局限于核心CSP（云服务提供商）的投资节奏中。

鉴于本季度四大云厂商资本开支整体下滑的趋势，即使Marvell通过竞争赢得了更多市场份额，但市场总量的缩减仍是不可忽视的事实。

国内企业也在积极研发ASIC。

寒武纪科技还在扩展其思元（MLU）芯片系列（比如7nm工艺的思元370、训练芯片思元290），以支持云端的AI训练和推理。主要客户包括：手机端（华为曾是其大客户）、智算中心（政府订单）、服务器厂商（浪潮、联想）等。

同时，国内提供云服务的企业，实际上也推出了自研的ASIC芯片。

阿里巴巴推出了含光800，作为一款云端AI推理芯片，峰值性能为7.8万IPS（每秒能处理7.8万张照片），峰值能效达到500IPS/W。在当时，阿里宣称是全球最高性能的AI推理芯片，一块含光800相当于10块GPU。

百度在量产昆仑芯二代后，又在今年宣布百度智能云成功点亮了首个自研万卡集群。并且宣布是使用的昆仑芯三代P800。P800显存规格优于同类主流GPU20%~50%，对MoE架构更加友好，且率先支持8bit推理，单机8卡即可运行671B模型。正因如此，昆仑芯相较同类产品更加易于部署，同时可显著降低运行成本，轻松完成DeepSeek-V3/R1全版本推理任务。自研的低成本，使得百度智能云平台上，DeepSeek R1和V3的官方价格直接低至五折和三折，基本实现全网最低。

腾讯除了自主研发的紫霄推理芯片外，还通过战略投资，利用Enflame 的 ASIC 解决方案。据了解，腾讯自研AI推理芯片“紫霄”，已经量产并在多个头部业务落地，目前在腾讯会议实时字幕上已实现全量上线，单卡紫霄机器负载可达到T4的4倍，并将超时率从0.005%降低至0。

04

结语

ASIC市场的增长，也带来了新的挑战。

一个公司想要节省几美元的供应商利润，进行芯片自主设计。但现在芯片设计也并不是一个廉价的商品，尤其是先进芯片设计，已经变得非常昂贵。

台积电2nm每片晶圆约30,000 美元，到了2nm之后的1.4nm成本甚至达到45,000 美元。

我们需要思考的是，我们真的每个公司都需要自己的CPU吗？