自从AI大模型开始变“小”，进入手机端、PC端乃至自动驾驶的汽车中，硬件设备能不能正常处理这些数据模型就成了新问题，也就是硬件怎么跟上软件的发展？NPU（神经网络处理器）这个原先有点鸡肋的芯片，在AI应用的快速发展中地位陡升。

ASIC芯片的优点在于，它可以根据具体的应用场景，对芯片的架构、功能、性能和功耗进行定制化优化，从而实现更高的计算效率、更低的成本和更小的体积。

ASIC芯片的缺点在于，它的开发周期较长，成本较高，通用性较差，难以适应快速变化的需求和算法。

那么，ASIC芯片为什么会成为AI芯片的高增长关键赛道呢？这主要是因为，随着AI技术的发展，尤其是生成式AI和大语言模型的兴起，对于芯片的算力需求和能耗控制越来越高。

到2025年，ASIC芯片在数据中心的推理和训练应用的占比将分别达到40%和50%，在边缘计算的推理和训练应用的占比将分别达到70%和70%。这说明ASIC芯片在AI芯片市场的份额将大幅提升，成为主流的选择。

ASIC芯片在AI领域的应用主要有两个方向：一是云端的AI加速，二是端侧的AI加速。

云端的AI加速主要是指在数据中心为大规模的AI训练和推理提供高性能的计算支持，例如谷歌的TPU、英特尔的Gaudi、英伟达的Orin等。

端侧的AI加速主要是指在智能终端、智能驾驶、工业智能等场景为实时的AI推理提供低功耗的计算支持，例如华为的昇腾、地平线的征程、百度的昆仑等。

目前，全球ASIC芯片的竞争格局还没有形成明显的头部效应，各个厂商都在不断地创新和迭代，试图抢占先机和市场份额。

在这个过程中，我国的ASIC芯片企业也表现出了强劲的发展势头，涌现出了一批优秀的创新者和领跑者，如寒武纪、澜起科技、黑芝麻、地平线、华为海思、百度、阿里巴巴等。

其中，寒武纪和澜起科技是国内最早涉足ASIC芯片的企业，也是目前国内最大的两家ASIC芯片厂商，其产品已经广泛应用于云计算、边缘计算、智能终端等领域，部分技术指标已经达到国际领先水平。

之所以深挖ASIC，也是因为在美国“精准”的限芯阻击下，我国不仅难进口尖端芯片，也难获得最新的芯片生产工具，包括设计软件。但是考虑到高端GPU的追赶难度，ASIC或许是我国AI企业的好机会。

在ASIC设计服务市场中参与厂商众多，除了博通，还有Marvell、联发科、智原科技（Faraday）、创意电子（GUC）、世芯电子（alchip）等等。不过在全球市场中，ASIC并没有绝对的龙头，国内芯片厂商寒武纪、地平线、澜起科技、壁仞等都有参与的优势和机会。

其实以阿里和百度为例，无一不是一边大量采购英伟达GPU，一边自研AI训练芯片，比如阿里的含光芯片、百度的昆仑芯片。这也印证了业内人士的判断：在短期内，互联网大厂为了追赶OpenAI，会使用英伟达现有产品，但随着大模型应用场景越来越多，将本增效会成为一个必然的商业考量，整个AI芯片行业都会受益。

而在国产替代的迫切需求下，国内厂商的深度神经网络加速ASIC芯片肯定也会迎来利好。2017年，华为发布的首款旗舰手机芯片“麒麟970”，就搭载了寒武纪的NPU模块；2018年，华为推出“麒麟980芯片”，同样也搭载了寒武纪的NPU。

但是整体性能的达标不是唯一。通用性、易用性和高性能是业内衡量AI专用芯片的三个维度，由于没有类似于英伟达CUDA这样强大的软件生态，适应各类AI算法就成了一个技术难点，国内芯片厂商很难在易用性上和英伟达抗衡。建立自己配套的AI软件生态，恐怕是国内厂商不得不面临的关卡。

免责声明：

1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。

2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。

3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。