ASIC会不会取代GPU？

最近，美国股市发出了很大的声音。科技股有两个概念，突然变得非常流行，引起了市场的高度关注，涨幅惊人。这两个概念是ASIC和量子计算。

今日本文，我们主要谈谈ASIC。

根据资本市场的说法，ASIC正在加速崛起，威胁着GPU在AI计算中的主导地位。作为ASIC最重要的概念股，博通股价暴涨，一度从180飙升至250，市值超过1亿美元。相比之下，英伟达成为昨天的黄花，股价一路下跌，甚至不到130美元。

博通股价(昨日下跌)

所以，ASIC时代真的来了吗？博通真的会取代英伟达，并逐渐成为AI的第一名？

什么是ASIC和GPU？

ASIC和GPU，全部用于计算功能的半导体芯片。又称“AI芯片”，因为它们都可以用于AI计算。

准确地说，除了两者之外，计算芯片还包括大家比较熟悉的CPU和FPGA。

在工业上，半导体芯片通常分为数字芯片和模拟芯片。在这些芯片中，数字芯片的市场规模比较大，达到70%左右。

还可以进一步细分数字芯片，分为：逻辑芯片、存储芯片和微控制单元（MCU）。CPU、GPU、FPGA、ASIC，全部属于逻辑芯片。

芯片分类

计算芯片就是逻辑芯片。它包含各种逻辑门电路，可以实现计算和逻辑判断功能。

在四个芯片中，CPU和GPU是一个通用芯片，可以完成各种任务。尤其是CPU，是全能玩家，单核主频率高，什么都能做，所以经常被用作Cpu。

GPU最初用于图像处理(显卡)。它有大量的核心(数千个)，可以并行计算，也就是说，它擅长同时完成大量的简单计算任务。(图像处理是同时处理大量像素计算。)

AI运算图形计算也是典型的并行计算任务。

AI计算包括大量的矩阵乘坐、卷积、循环层、梯度计算等平行任务，非常适合GPU。CPU不适合AI计算，这也是英特尔股价跌至20美元以下的原因之一。

自2023年以来，AI浪潮爆发，大多数企业使用AI培训，使用AI培训。 英伟达的GPU集群。如果进行合理优化，一张GPU卡可以提供数十到数百个CPU服务器的计算率。这直接导致英伟达的股价飙升了几十倍，买不到。

NVIDIA HGX A100 8 GPU 部件

再次看看ASIC和FPGA。

ASIC（Application Specific Integrated Circuit，专用集成电路)是专门用于特定任务的芯片。ASIC官方定义是指专门设计和制造的集成电路，以满足特定用户或特定电子系统的要求。

著名的Google企业TPU（Tensor Processing Unit，张量处理单元)，以及前些年非常流行的比特币矿机，英特尔的Gaudi 2 IBM芯片，ASIC芯片AIU，AWS的Trainium，全部属于ASIC芯片。

这些年很火DPU（Data Processing Unit，数据处理单元)和NPU（Neural Processing Unit，ASIC芯片也是神经网络处理单元。

FPGA（Field Programmable Gate Array，现场可编程门阵列)，是半定制芯片，又称半定制芯片，“全能芯片”。为了实现所需的数字逻辑功能，FPGA可以在生产后进行无限频率的重复编程。

AISC和FPGA的区别在于，AISC是全定制芯片，功能写死，无法更改。 而且FPGA是半定制芯片，功能灵活，可玩性强。 FPGA不需要流片(一个非常昂贵的过程)，但是由于可编辑和多余的功能，一旦用于单一目的，就会有浪费。在大规模生产的情况下，FPGA的成本高于ASIC，能效完美不如ASIC。

因此，FPGA现在广泛应用于产品原型的研究、开发、设计迭代，以及一些低产量的特定应用，或用于培训和教学。适用于ASIC验证开发进度短的产品。

总而言之，大家要记住，AI计算中使用的大规模出货，一般不考虑FPGA。

所以，AI芯片，即GPU和ASIC之间的争论。

GPU和ASIC，到底谁厉害？

ASIC作为一种特殊的定制芯片，基于芯片所面临的特殊任务。其计算能力和计算效率与任务算法严格匹配。整个芯片架构，如芯片核心数量、逻辑计算单元与控制单元的比例、缓存等，也是精确定制的。

因此，ASIC可以实现最大的体积和功耗。这类芯片的稳定性、保密性、计算率和能效都将优于通用芯片。（GPU）更强。

例如，AWS的预算相同，Trainium H100(ASIC芯片)可与英伟达相比。 GPU更有效地完成了推理任务，性价比提高了30-40%。Trainium3计划在明年推出，其计算性能提高了2倍，能效提高了40%。

但是，为什么这两年一直火的都是GPU呢？

其根本原因是英伟达太猛了。

英伟达在AI上更是扭打。当初，AI巨头辛顿(新诺贝尔获得者)带着弟子使用GPU进行AI训练，取得了巨大的突破，让英伟达发现自己还有这样的财富。

接着，英伟达开始在AI上下功夫，拼命做更强大的GPU(当然，也有游戏推广)。

随着英伟达的不断努力，GPU的核心数量和工作频率不断增加，芯片面积也越来越大。计算率越强，越有利于缩短训练时间，加快产品发布，这也是一个重要优势。

当然，计算率越来越高，功耗也越来越高。但是，依靠工艺制造、水冷等被动散热，勉强也能承受，总之不会烧坏。

除硬件外，英伟达在软件和生态方面也非常擅长布局。

CUDA(AI开发的软件套件)是GPU的核心竞争力。基于CUDA，初学者可以很快上手。因此，英伟达的GPU计划被全球用户广泛接受，形成了稳定的生态。

相比之下，FPGA和ASIC的研发仍然过于复杂，不适合普及。

ASIC之所以在AI上做不到GPU，与其成本高、发展进度长、发展风险大有关。 现在AI算法变化很快，ASIC这一开发进度，非常致命。

基于以上原因，GPU才有了当前的大好局面。

值得一提的是，正如我前面所说，AI计算可以分为两种:练习和推理。培训任务需要更强的计算率，所以在AI培训中，厂商主要以GPU为主。

如果推理任务，计算率要求较低，不需要任何平行性，所以GPU的计算率优势没有那么明显。许多企业将开始选择更便宜、更省电的FPGA或ASIC进行计算。

这一状况一直持续到今天。AI芯片，GPU的比例可以达到70%以上。

现在，因为每个人都真的是“苦英伟达久了”，不想总是被英伟达“卡脖子”，所以他们非常希望计算率多样化。此外，大模型现在已经从“训练热”变成了“推理热”。推理AI计算的需求增加，给了ASIC一个机会。

所以，帮助ASIC产业链，提高ASIC芯片在AI领域的份额，已经成为大家的共识。这样，博通和Marvell的股价就暴涨了。(据说博通正在和三大客户开发AI芯片，预计2025年AI芯片业务收入将达到150亿-200亿美元。)

所以，替代真的那么容易吗？ASIC会不会很快淘汰GPU？

绝对不是。

英伟达的GPU依然是中短期AI芯片的首选，因为它在性能、生态、集成能力等方面的优势。英伟达的整个软硬件网络方案都很完善，技术和经济实力太强。GPU的存量和出货量还是很大的，市场地位很难撼动。

虽然ASIC的崛起速度很快，但是它仍然需要一些时间才能成熟。AI ASIC芯片研发，风险也很大。即使研究成功，也需要时间得到用户的认可。

这意味着GPU和ASIC将在很长一段时间内并存。用户会根据不同的场景选择最适合自己的芯片。开发自主研发的ASIC更有利于厂商与英伟达的谈判。

未来的情况仍然比较难以预测。 目前，量子计算是否会对计算领域产生颠覆性影响，也是讨论的热点。

本文来自微信微信官方账号“鲜枣课堂”，作者：小枣君，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com