DeepSeek冲破英伟达的“算力霸权”

DeepSeek引发推理需求激增，英伟达的“算力霸权”出现裂缝，一个由ASIC芯片主导的算力革命新时代正缓缓拉开帷幕。

据芯流智库消息，DeepSeek正筹备自研AI芯片。而国内大厂如阿里、百度、字节等，早已开启“自研”之路。

远在大洋彼岸，年初OpenAI自研芯片有了新进展，外媒称博通为其定制的首款芯片将在几个月内在台积电流片。此前还传出Sam Altman计划筹集70000亿美元打造“芯片帝国”，集设计与制造于一体。此外，谷歌、亚马逊、微软、Meta等也纷纷加入“自研热潮”。

很明显，无论是DeepSeek、OpenAI，还是中国公司和硅谷大厂，都不想在算力时代落后。而ASIC芯片，或许会成为他们进入新世界的“入场券”。

这场“自研浪潮”是否会“击败”英伟达，或者“造就”第二个英伟达，目前尚无定论。

不过，产业链上游企业已敏锐察觉到这一趋势，如为大厂提供设计定制服务的博通，业绩大幅增长。2024年其AI业务收入同比增长240%，达37亿美元；2025年第一季度AI业务营收41亿美元，同比增长77%，其中80%来自ASIC芯片设计。在博通看来，ASIC芯片市场规模超900亿美元。

从GPU到ASIC，算力经济学的分水岭

低成本是AI推理爆发的必要条件，而通用GPU芯片却成了AI发展的制约因素。

英伟达的H100和A100在大模型训练领域占据主导地位，B200、H200也备受科技巨头青睐。《金融时报》援引Omdia数据显示，2024年，英伟达Hopper架构芯片的主要客户有微软、Meta、Tesla/xAI等，其中微软订单量达50万张。

然而，作为通用GPU的领导者，英伟达产品的弊端也逐渐显现：成本高昂且能耗冗余。

成本方面，单个H100售价超3万美元，训练千亿参数模型需上万张GPU，加上后续网络硬件、存储和安全等投入，总计超5亿美元。汇丰数据表明，最新一代的GB200 NVL72方案，单机柜超300万美元，NVL36约180万美元。即便如此，在算力充足的硅谷，资本支出仍未减速。不久前，马斯克旗下xAI公布的Grok – 3，训练服务器规模达20万张GPU。

腾讯科技联合硅兔赛跑的文章指出，超大规模数据中心运营商2024年资本支出预计超2000亿美元，2025年将接近2500亿美元，且主要资源将向人工智能倾斜。

能耗方面，SemiAnalysis测算，10万卡H100集群总功耗150MW，每年耗电1.59TWh，按0.078美元/千瓦时计算，每年电费达1.239亿美元。而OpenAI数据显示，推理阶段GPU算力利用率仅30% – 50%，效率低下，浪费严重。

谷歌此前公布的TPU V4与A100针对不同架构模型的训练速度

性能虽好但价格贵、效率低，还有生态壁垒，过去一年业内都在抱怨“受英伟达制约已久”。云厂商失去硬件自主权，供应链存在风险，AMD又发展不佳，这些因素促使巨头开始自研ASIC专用芯片。

至此，AI芯片战场从技术竞赛转向经济性博弈。西南证券研究表明，“当模型架构趋于稳定，算力投入需产生可量化的经济收益。”

从北美云厂商反馈来看，ASIC已展现出替代优势：

谷歌：博通为其定制的TPU v5芯片在Llama – 3推理场景中，单位算力成本较H100降低70%。

亚马逊：3nm制程的AWS Trainium 3，同等算力下能耗仅为通用GPU的1/3，年节省电费超千万美元；2024年Trainium芯片出货量超50万片。

微软：IDC数据显示，微软Azure自研ASIC后，硬件采购成本占比从75%降至58%，摆脱了议价困境。

博通作为北美ASIC产业链的最大受益者，相关数据趋势明显。2024年其AI业务收入37亿美元，同比增长240%，80%来自ASIC设计服务；2025年第一季度AI业务营收41亿美元，同比增长77%，预计第二季度AI营收44亿美元，同比增长44%。博通曾在年报中预测2027年ASIC收入将大幅增长，市场规模有望达900亿美元，在第一季度电话会议中再次强调。

凭借这一产业趋势，博通成为全球第三家市值破1万亿美元的半导体公司，也带动了市场对Marvell、AIchip等公司的关注。

图：市面主流GPU与ASIC算力成本对比 资料来源：西南证券

需要明确的是，“ASIC虽有优势，但不会取代GPU”。微软、谷歌、Meta等既在自研芯片，又在抢购英伟达B200，说明二者并非直接竞争关系。

客观来看，GPU仍将主导高性能训练市场，在推理场景中，因其通用性仍是主要芯片。但在未来近4000亿美元的AI芯片市场中，ASIC的发展路径逐渐清晰。IDC预测，2024 – 2026年推理场景中，ASIC占比将从15%提升至40%，最高可达1600亿美元。这场变革的最终结果可能是：ASIC占据80%的推理市场，GPU专注于训练和图形领域。真正的赢家将是那些既懂芯片技术又了解应用场景的企业，英伟达是其中之一，看好ASIC并非唱衰英伟达。而我们要寻找的是除英伟达之外的这类企业，探索ASIC新纪元的商机。

ASIC的“精准裁剪”，去除非核心模块

大家对SoC、CPU、GPU较为熟悉，FPGA应用市场较小，而ASIC相对陌生。

图：算力芯片对比 资料来源：中泰证券

那么，为何说ASIC有利于AI推理，它究竟是什么样的芯片呢？

从架构上看，GPU等通用芯片为满足图形渲染、科学计算和不同模型架构等多元需求，大量晶体管资源被用于非核心功能模块，造成浪费。英伟达GPU有众多“小核”，开发者可借助CUDA算子库调用这些“小核”进行并行计算。但如果下游模型和计算任务确定，就不需要这么多“小核”来保证灵活性，这就是ASIC的底层原理，因此它也被称为全定制化高算力芯片。

通过精准裁剪，ASIC仅保留与目标场景相关的硬件单元，效率大幅提升，谷歌和亚马逊的产品已验证这一点。

谷歌TPU v5e AI加速器实拍

对于GPU，英伟达的CUDA是最佳调用工具；而对于ASIC芯片，云厂商自研的算法就可实现调用，这对软件出身的大厂来说并不困难。例如，谷歌TPU v4中，95%的晶体管资源用于矩阵乘法单元和向量处理单元，专为神经网络计算优化，而GPU中类似单元占比不足60%。

与传统冯·诺依曼架构的“计算 – 存储”分离模式不同，ASIC可根据算法特征定制数据流。如博通为Meta定制的推荐系统芯片，计算单元直接嵌入存储控制器周围，数据移动距离缩短70%，延迟降至GPU的1/8。

针对AI模型权重的稀疏特性，亚马逊Trainium2芯片嵌入稀疏计算引擎，可跳过零值计算环节，理论性能提升300%。

当算法固定，在特定垂直场景中，ASIC具有天然优势，其设计目标是让芯片成为算法的“物理体现”。

在历史和现实中，ASIC都有成功案例，如矿机芯片。早期用英伟达GPU挖矿，随着难度增加，电力消耗超过收益，专用ASIC芯片应运而生。虽然通用性不如GPU，但矿机ASIC将并行度发挥到极致。例如，比特大陆的比特币矿机ASIC部署数万个SHA – 256哈希计算单元，实现单一算法下的超线性加速，算力密度是GPU的1000倍以上，同时大幅降低能耗。此外，使用ASIC可精简外围电路，主板面积减少40%，整机成本下降25%。

低成本、高效率，能实现硬件与场景深度融合，ASIC的这些特点符合AI产业从“粗放堆算力”到“精细化效率革命”的转型需求。随着推理时代到来，ASIC成本优势将重现矿机芯片的发展历程，实现规模效应下的成本优势。尽管初期研发成本高（单芯片设计费用约5000万美元），但其边际成本下降速度远快于通用GPU。以谷歌TPU v4为例，出货量从10万片增至100万片时，单颗成本从3800美元降至1200美元，降幅近70%，而GPU成本降幅通常不超过30%。据产业链消息，谷歌TPU v6预计2025年出货160万片，单片算力较前代提升3倍，ASIC性价比不断提高。

这也引出一个问题：是否所有企业都能参与自研ASIC呢？这取决于自研成本和市场需求量。以7nm工艺的ASIC推理加速卡为例，一次流片涉及的IP授权、人力、设计工具和掩模板等费用可能达亿元级别，还不包括量产成本，大厂在资金方面更具优势。目前，谷歌、亚马逊等云厂商有成熟客户体系，能形成研发、销售闭环，在自研方面有先天优势。Meta则因内部有大量算力需求而选择自研，今年初扎克伯格透露，计划2025年上线约1GW计算能力，年底前拥有超130万张GPU。

“新市场”价值超千亿美元

仅挖矿需求就催生了近100亿美元的市场，所以博通2024年底提出AI ASIC市场空间为700 – 900亿美元时，我们并不惊讶，甚至认为这个数字可能保守。

如今，ASIC芯片的发展趋势已毋庸置疑，关键是掌握其市场竞争规则。

近千亿美元的AI ASIC市场已形成三大梯队：“规则制定者”、“产业链配套商”和“垂直场景Fabless企业”。

第一梯队是ASIC芯片的设计者和制造者，他们能制造单价超1万美元的芯片，并与云厂商合作商用，代表企业有博通、Marvell、AIchip，以及代工巨头台积电。

第二梯队是产业链配套企业，包括先进封装和下游产业链。先进封装方面，台积电CoWoS产能的35%已转向ASIC客户，国内对应的有中芯国际、长电科技、通富微电等。云厂商与英伟达硬件方案解耦带来新硬件机会，如AEC铜缆，亚马逊自研单颗ASIC需配3根AEC，若2027年ASIC出货700万颗，对应市场超50亿美元，服务器、PCB等也将受益。

第三梯队是专注垂直场景的Fabless企业。ASIC市场由需求驱动，谁能率先发现场景痛点，谁就掌握定价权。其定制化特点与垂直场景天然契合，如智驾芯片，随着比亚迪等企业发力智驾，这类产品进入爆发期。

全球ASIC产业链三大梯队的机会，可看作国产企业的“三把钥匙”。受禁令限制，国产GPU与英伟达差距较大，生态建设也需时日，但在ASIC领域，我们与海外处于同一起跑线。结合垂直场景，国内不少Fabless企业能推出更高效的产品，如矿机ASIC、智驾ASIC、阿里平头哥的含光、百度的昆仑芯等。芯片制造主要依赖中芯国际，中兴旗下的中兴微等新企业也可能与国内厂商合作，竞争“中国博通”的地位。

左图为英伟达数据中心产品主要上游供应商，来源Fubon Research ，右图GB200 NV72L机柜的总长接近2英里的NVLink Spine铜缆

产业链配套环节技术难度相对较低，国内企业在服务器、光模块、交换机、PCB、铜缆等领域竞争力较强。这些企业与国产算力产业相互依存，ASIC芯片产业链也将从中受益。在应用场景方面，除智驾芯片和AI推理加速卡外，国产设计公司的机会取决于哪些场景能快速发展，以及哪些企业能抓住机遇。

结语

当AI从大规模训练竞赛转向追求推理能效时，算力战争的下半场将属于那些能将技术创新转化为经济效益的公司。

ASIC芯片的崛起，不仅是一场技术革命，更是关于效率、成本和话语权的商业启示。

在这场新竞争中，中国企业的机会正在增加，机遇总是留给有准备的人。