GPU芯片，巨变前夜

过去，GPU在AI领域很受欢迎，但是到了2025年，它很快就遇到了许多严峻的情况。

在过去的半个月里，GPU面临着两大挑战。首先，美国政府出台了新的禁令措施，直接限制了GPU的发展。其次，ASIC等定制芯片的快速发展给GPU市场带来了显著的冲击和竞争压力。

下一步，半导体产业纵横将深入探讨这两个因素对GPU市场的具体影响。

挑战1：美国进一步收紧AI芯片出口

先看看GPU面临的第一个挑战。

一月十三日晚，拜登政府正式宣布对AI芯片及相关关键技术进行加码管制，限制中国等竞争者获得先进GPU的能力。

根据公布的信息，新规根据控制水平将世界各地和土地分为三类。18名美国亲密盟友和合作伙伴，如日本、英国、韩国和荷兰、加拿大等。，可以免除，可以随意购买先进的AI芯片；120多个国家和地区，如新加坡、以色列、沙特阿拉伯、印度、巴西和波兰，将受到AI芯片出口配额的限制；中国，俄罗斯，伊朗和朝鲜 新鲜等，完全禁止获得高档AI芯片和先进的封闭权重模型。（Closed-weight models）。

控制新规定进一步明确，小批量订单不受配额影响:如果芯片订单的最终能力不超过1700个先进GPU，则不需要获得美国许可，也不会计入特定国家和地区进口芯片的限额，以便大学、医疗机构和研究机构可以继续进行AI芯片订单。

根据美国商务部的工业和安全局 (BIS) 网站披露，美国企业海外数据中心的建设也将受到限制。新规要求亚马逊、微软、谷歌等云服务提供商必须在美国部署一半的受控AI芯片；除了美国亲密盟友和合作伙伴之外，控制芯片的规模不应超过25%；此外，除美国亲密盟友和合作伙伴外，任何单一国家和地区部署的控制芯片规模不得超过7%。

美国商务部长雷蒙多表示:“美国目前在AI开发和AIic设计领域处于世界领先地位，保持这种情况尤为重要。”她还表示，新的控制规定无意中切断了世界与AI创新的联系，而是专门限制了国外最先进的AI技术的发展。

这项新的AI出口管制规定设定了120天的咨询期，内容可以修改，这意味着特朗普政府最终将决定先进的AI芯片出口规则。

大家都知道，美国已经进攻了很多轮，赢得了中国大陆。 GPU 芯片实施控制。这种做法一方面拖累了中国大陆 AI 能力的发展过程，另一方面，也悄然改写。 GPU 市场格局。

受此影响，GPU 市场发生了两大变化。

GPU市场的两大变化

首先，中国大陆本地地区， GPU 增强制造能力。

近年来，中国许多GPU公司开始出现。通过不断的投资和努力，国产GPU在性能、功能和应用领域都有所提升，逐渐获得了市场的认可和用户的信任。国产GPU不仅在过去的图像处理领域取得了进展，而且在人工智能、高性能计算等新兴领域也表现出了一定的竞争力。

主要制造商包括景嘉微、寒武纪、海光信息、天数智芯等。

虽然国产GPU芯片在技术上取得了显著进步，但是与英伟达等国际巨头相比，仍然存在性能差距。

随着未来计算需求的不断增加和算法的不断优化，国产GPU芯片需要不断提高其性能，以满足更广泛的应用场景。国产GPU芯片有望在未来实现技术突破，通过增加R&D投资，引入更先进的制造技术和设计理念。

其次，英伟达等等 GPU 领先企业的出货能力不断受到影响。

美国商务部工业和安全局早在2022年10月和2023年10月，（BIS）英伟达中国特供版GPU商品A8000对中国先进半导体和运算设备进行了两次更新。、已经控制了H800芯片。同时，MI300X是AMD发布的最佳性能。、MI300A、MI250X、MI250等多款 AI 芯片就不能再出口到中国了。

由于美国的出口管制政策，英伟达无法向中国市场提供最先进、性能最强的 GPU 商品，这限制了其在华业务的拓展，特别是在人工智能、云计算等方面。 GPU 行业需求旺盛。作为世界上最大的半导体市场之一，中国失去了这部分市场份额，给英伟达的收入增长带来了一定的压力。

尽管英伟达在未来试图通过推出一些替代产品来维持在中国市场的份额，例如 HGX H20 GPU，但是整体出货能力仍然受到很大影响。

与此同时，这也可能导致全世界。 GPU 随着市场格局的调整，其他国际竞争对手可能会趁机占领英伟达和 AMD 中国市场留下的空白，进一步加剧了全球 GPU 市场竞争趋势。

AI芯片出口管制新规的发布也引起了英伟达的批评。

Ned英伟达政府副总裁 1月13日，Finkle在一篇博文中提到，AI基于美国技术在世界各地得到了广泛的应用，促进了国内外各行各业的进步和发展。然而，拜登政府试图实施“人工智能传播”（AI Diffusion）这一规则是前所未有的，也是误导性的，这可能会破坏全球创新和经济增长。

Ned Finkle指责控制新规不会减轻任何威胁，只会削弱美国的全球竞争力，动摇美国保持领先地位的创新能力。

挑战二：ASIC定制芯片的兴起，冲击GPU

一股ASIC热在年初席卷全球。

ASIC热潮的兴起主要有三个原因：

第一，GPU已经成为AI芯片领域竞争的核心焦点。现在，英伟达生产的GPU主要是被各大科技巨头垄断。

其次，GPU价格的飙升使得这些科技巨头在购买芯片时需要支付更高的费用。

第三，从另一个角度来看，即使科技巨头暂时把成本因素放在次要位置，英伟达自身的供给不足仍然让这些科技巨头担忧。

那时候找价格更贴近百姓，供应更稳定，能够满足自己。 AI 对芯片的计算需求，已成为许多科技巨头的当务之急， ASIC 芯片的出现恰到好处地满足了这些需求。

ASIC 突如其来的热潮，追根溯源，去年 12 月亮是一个关键的转折点。那时， ASIC 该领域极其重要的概念股，博通股价强势上涨，从 180 美元一路飙升至 250 美元，市值一举突破10亿美元价格。与之形成鲜明对比的是，英伟达的风景不再存在，股价一路下跌，甚至跌破 130 美金。

Google 著名的TPU企业（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 ASIC 芯片，IBM 的 AIU，AWS 的 Trainium，都属于 ASIC 芯片。另外，这几年很火。 DPU（Data Processing Unit，数据处理单元)和 NPU（Neural Processing Unit，神经性网络处理单元) ASIC 芯片。

如果我们必须知道两者各有什么优点，本文将在这里详细比较ASIC和GPU。

ASIC 专为特定 AI 在执行特定任务之后，定制算法性能卓越，像 Google 的 TPU 对于深度学习矩阵运算的提高，计算效率极高。能源效率极佳，节能降耗成本，并且大规模处理 数据 时间吞吐量高，延迟低。 大规模使用时，它单位计算率的成本远远低于 GPU，如谷歌的 TPUv5、亚马逊的 Trainium2 单位计算费用仅为英伟达 H100 的 70% 和 60%。不过，ASIC灵活性差，功能性固定，算法变更需要重新设计，开发难度大，单一的软件生态。

GPU通用性强，可以应对多种计算任务，广泛应用于科学计算、游戏渲染等领域。强大的并行计算能力，适用于复杂神经网络模型的处理。 并且，它软件生态系统成熟丰富。，借助 CUDA 等等，开发者很容易上手。但是，GPU 对于特定的任务效率逊于 ASIC，功耗较高，可以增加能耗成本。高档 GPU价格高昂，如英伟达 H100 售价 2.5 万至 3 一万美元，难以获得，而且存在。延迟较高的问题。

GPU，会不会迎来淘汰？

所以有了ASIC，GPU很快就会被淘汰吗？

作者认为，非也。

根据多家第三方机构的统计，英伟达目前在GPU市场占据了90%左右的份额。虽然AMD也在积极发布GPU产品，但由于软件生态建设不完善，到目前为止只有个位百分比的市场份额。

英伟达凭借性能、生态、集成能力等优势， GPU 还是会在中短期内 AI 首选芯片。英伟达的软硬件网络整体方案非常完善，技术和经济实力过强，GPU 股票和出货量仍然很大，市场地位难以撼动。

ASIC 虽然上升速度很快，但是仍然需要一定的时间才能成熟。AI ASIC 芯片开发，也有很高的风险。即使开发成功，也需要时间得到用户的认可。

这个意思是，很长一段时间，GPU 和 ASIC 一切都将处于并存状态。用户会根据不同的场景选择最适合自己的芯片。开发自研 ASIC，更有利于厂商与英伟达谈判砍价。

AMDCEO苏姿丰也对这个问题发表了看法，苏姿丰说：“目前，GPU是大语言模型的首选结构，因为GPU在并行计算方面效率很高，但是缺乏可编程性。五年多后，它还会成为首选结构吗？我认为情况会改变。”

苏姿丰估计，GPU在五年或七年内不会失去动力，但是除了GPU之外还会有新的势力。

从这个角度来看，ASIC可能是最好的选择之一。ASIC芯片将在未来迅速发展，摩根士丹利预测，AI 2024年，ASIC市场规模将增长到2027年的300亿美元，复合增长率将达到34%。

当然，除了 ASIC 以外，像 FPGA 等其他类型 AI 芯片也有可能出现，共同改变未来 AI 芯片市场格局。GPU 虽然当前在 AI 这个领域占有重要地位，但是随着技术的不断创新，它面临着越来越严重的问题，未来的问题 AI 芯片架构领域将充满更多的变数和概率。

本文来自微信公众号“半导体产业纵横”（ID：ICViews），作者：丰宁，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