定制芯片(ASIC):即使NVIDIA获胜,为何ASIC依然重要

定制芯片领域的三类参与者

• 自研芯片的超大规模云服务商:谷歌(TPU v5)、亚马逊(Trainium 2、Inferentia 3)、Meta(MTIA v2)、微软(Maia)。多年期项目,数十亿美元的设计支出。
• 定制芯片代工设计商:博通(规模最大,谷歌TPU即为其客户之一)、迈威尔(AWS等)。它们按客户规格设计并流片(tape out)芯片。
• IP与设计工具供应商:Arm、Cadence、Synopsys。每一款定制芯片都会使用授权IP和设计软件——无论哪款芯片胜出,这些供应商都能获得报酬。

为何ASIC对特定工作负载合理

一个全天候24/7大规模运行的工作负载——搜索排序、广告推理、推荐系统——可以将5亿美元的芯片设计成本分摊到数年的运营中。在特定的窄域工作负载上,ASIC相较GPU可实现3–10倍的性能功耗比提升。一旦超大规模云服务商的内部使用量达到足够规模,自研芯片在纯粹的投资回报率(ROI)基础上就变得具有成本合理性。这个算式很直接,并不依赖于某个特定AI趋势能否持续。

为何ASIC不会扼杀NVIDIA

训练前沿模型需要CUDA+GPU所提供的通用可编程性。新模型架构的出现速度快于ASIC设计周期能够跟上的速度——芯片设计周期为2年,而架构变化周期仅为6个月。CUDA生态效应(开发者心智占有、库的成熟度、兼容性)每年都在复利累积。那些运行混合工作负载的客户——也就是大多数企业——无法为ASIC设计成本找到合理性;他们会购买GPU。“NVIDIA杀手”这一说法已经错了十年,因为它误读了市场结构。

资金流向何处

NVIDIA捕获训练、通用推理以及企业AI工作负载的长尾市场。超大规模云服务商在自身高容量内部推理上获得成本节省。无论哪家超大规模云服务商胜出,博通和迈威尔都能获得设计服务收入。台积电(TSMC)则从NVIDIA和ASIC生态系统两方都获得晶圆份额。AI芯片这块总蛋糕在增长;只是切法不同。

投资含义

杠铃策略——做多NVIDIA以押注训练和通用市场,同时做多博通/迈威尔/Arm以押注ASIC生态——能够捕获这一趋势的两端。自2017年以来,仅凭ASIC威胁做空NVIDIA一直是亏钱的交易。而忽视定制芯片,则会错过半导体行业中最清晰的设计服务增长故事之一。