最近這段時間，美國股票市場的動靜比較大。有兩個科技股概念，突然變得很火，引起了市場的高度關注，漲幅驚人。這兩個概念，分別是ASIC和量子計算。
今天這篇文章，我們主要說說ASIC。
按資本市場的說法，ASIC正在加速崛起，威脅GPU在AI計算中的統治地位。而博通，作為ASIC最重要的概念股，股價一路猛漲，一度從180飆到了250，市值也突破了萬億美元。相比之下，英偉達反而成了昨日黃花，股價一路下跌，甚至不到130美元。
博通股價（昨天跌了）
那么，ASIC時代真的到來了嗎？博通真的會取代英偉達，成為新的AI之王？
ASIC和GPU是什么
ASIC和GPU，都是用于計算功能的半導體芯片。因為都可以用于AI計算，所以也被稱為“AI芯片”。
準確來說，除了它倆，計算芯片還包括大家更熟悉的CPU，以及FPGA。
行業里，通常會把半導體芯片分為數字芯片和模擬芯片。其中，數字芯片的市場規模占比較大，達到70%左右。
數字芯片，還可以進一步細分，分為：邏輯芯片、存儲芯片以及微控制單元（MCU）。CPU、GPU、FPGA、ASIC，全部都屬于邏輯芯片。
芯片的分類
邏輯芯片，就是計算芯片。它包含了各種邏輯門電路，可以實現運算與邏輯判斷功能。
四個芯片里，CPU和GPU是通用芯片，可以完成多種任務。尤其是CPU，是全能型選手，單核主頻高，啥都能干，所以經常被拿來做主處理器。
而GPU，本來是用來做圖形處理（顯卡）的。它的內核數量特別多（大幾千個），適合做并行計算，也就是擅長同時做大量的簡單計算任務。（圖形處理，就是同時處理大量的像素計算。）
AI計算和圖形計算一樣，也是典型的并行計算型任務。
AI計算中包括大量并行的矩陣相乘、卷積、循環層、梯度運算等任務，所以，特別適合GPU去完成。CPU不適合AI計算，這也是英特爾股價跌到20美元以下的原因之一。
2023年以來，AI浪潮爆發，大部分企業的AI訓練，采用的是 英偉達的GPU集群。如果進行合理優化，一塊GPU卡，可以提供相當于數十其至上百臺CPU服務器的算力。這直接導致了英偉達的股價猛漲了幾十倍，而且還買不到。
NVIDIA HGX A100 8 GPU 組件
再來看看ASIC和FPGA。
ASIC（Application Specific Integrated Circuit，專用集成電路），是一種專用于特定任務的芯片。ASIC的官方定義，是指：應特定用戶的要求，或特定電子系統的需要，專門設計、制造的集成電路。
Google公司大名鼎鼎的TPU（Tensor Processing Unit，張量處理單元），還有前幾年很火的比特幣礦機，英特爾的Gaudi 2 ASIC芯片，IBM的AIU，AWS的Trainium，都屬于ASIC芯片。
這幾年非常火的DPU（Data Processing Unit，數據處理單元）和NPU（Neural Processing Unit，神經網絡處理單元），也是ASIC芯片。
FPGA（Field Programmable Gate Array，現場可編程門陣列），是半定制芯片，也被人稱為“萬能芯片”。FPGA可以根據用戶的需要，在制造后，進行無限次數的重復編程，以實現想要的數字邏輯功能。
ASIC和FPGA的區別在于，AISC是全定制芯片，功能寫死，沒辦法改。 而FPGA是半定制芯片，功能靈活，可玩性強。 FPGA不需要流片（很燒錢的一個工序），但因為可編輯，冗余功能比較多，一旦用于單一目的，就會存在浪費。大規模生產的情況下，FPGA的成本比ASIC高，且極致能效不如ASIC。
所以，FPGA現在多用于產品原型的開發、設計迭代，以及一些低產量的特定應用，或者用于培訓和教學。它適合那些開發周期必須短的產品，也經常用于ASIC的驗證。
反正，大家記住，大規模出貨用于AI計算，一般不考慮FPGA。
所以，AI芯片，也就是GPU和ASIC之爭。
GPU和ASIC，到底誰厲害？
ASIC作為專用定制芯片，基于芯片所面向的專項任務。它的計算能力和計算效率都是嚴格匹配于任務算法的。芯片的核心數量，邏輯計算單元和控制單元比例，以及緩存等，整個芯片架構，也是精確定制的。
所以，ASIC可以實現極致的體積、功耗。這類芯片的可靠性、保密性、算力、能效，都會比通用芯片（GPU）更強。
例如，在同等預算下，AWS的Trainium 2（ASIC芯片）可以比英偉達的H100 GPU更快速完成推理任務，且性價比提高了30-40%。明年計劃推出的Trainium3，計算性能更是提高了2倍，能效提高40%。
但是，為什么這兩年一直火的都是GPU呢？
主要是因為英偉達太猛。
英偉達在AI上也是歪打正著。當年AI大佬辛頓（就是那個新晉諾貝爾獎得主）帶著徒弟使用GPU做AI訓練，獲得巨大突破，才讓英偉達發現自己竟然還有這樣的潑天富貴。
然后，英偉達就開始在AI發力，拼命做更厲害的GPU（當然，也有游戲的帶動）。
在英偉達的持續努力下，GPU的核心數和工作頻率一直在提升，芯片面積也越來越大。算力越強，有利于縮短訓練時間，加快產品發布，這也是重要優勢。
當然，算力變強，功耗也水漲船高。但是，靠工藝制程、水冷等被動散熱，勉強也能兜得住，反正不會燒掉。
除了硬件之外，英偉達在軟件和生態方面也很會布局。
他們搗鼓出來的CUDA（AI開發的軟件套件），是GPU的一個核心競爭力。基于CUDA，初學者都可以很快上手。所以，英偉達的GPU方案，被全球用戶廣泛接受，形成了牢固的生態。
相比之下，FPGA和ASIC的開發還是太過復雜，不適合普及。
ASIC之所以在AI上干不過GPU，和它的高昂成本、超長開發周期、巨大開發風險有很大關系。 現在AI算法變化很快，ASIC這種開發周期，很要命。
綜合上述原因，GPU才有了現在的大好局面。
值得一提的是，前面說了，AI計算分為訓練和推理兩種。訓練任務，需要更強大的算力，所以在AI訓練上，廠商們主要以GPU為主。
推理任務的話，算力要求要低一點，也不需要什么并行，所以GPU的算力優勢沒那么明顯。很多企業，就會開始采用更便宜、更省電的FPGA或ASIC，進行計算。
這個情況，一直持續到了現在。AI芯片，GPU的占比能達到70%以上。
如今，因為大家實在是“苦英偉達久矣”，不想總被英偉達“卡脖子”，所以非常希望算力多元化。再有，大模型現在從“訓練熱”走向了“推理熱”。推理類的AI計算需求增加，給了ASIC機會。
所以，扶持ASIC產業鏈，提升ASIC芯片在AI領域的占有率，成為了大家的共識。這才有了博通和Marvell股價的猛漲。（據說，博通正與三個大型客戶開發AI芯片，預計2025年AI芯片業務收入達到150億-200億美元。）
那么，取代就真的那么容易嗎？ASIC會很快淘汰掉GPU嗎？
顯然不是的。
憑借前面提到的性能、生態、集成能力等方面的優勢，英偉達的GPU仍然會是中短期內的AI芯片首選。英偉達的軟硬件網絡整套方案都很成熟，技術和資金實力太強，GPU的存量和出貨量依然很大，市場地位難以撼動。
ASIC的崛起速度雖然很快，但仍需要一定的時間走向成熟。AI ASIC芯片的研發，也具有很高的風險。即使研發成功，也需要時間被用戶所接受。
這就意味著，在很長的一段時間內，GPU和ASIC都將處于共存狀態。基于不同的場景，用戶會選擇最適合自己的芯片。發展自研ASIC，更多是有利于廠商們和英偉達進行談判砍價。
未來的情況還是比較難預測的。 量子計算是不是會對計算領域造成顛覆式影響，現在也是討論的熱點。
