在我們上一期的「人工智慧系列一：誰在托起智慧時代？」的文章，我們深入探討了人工智慧基礎設施的重要性，以及Lam Research、Applied Materials和台灣半導體製造公司等企業是如何為AI的發展奠定堅實基礎的。今天，我們要聚焦於ASIC（Application-SpecificIntegrated Circuit，專用積體電路）產業，來探討這些定制化芯片是如何成為人工智慧下一次飛躍的支柱。

‍

ASIC芯片：為AI量身定制的「加速器」

想像一下，你的智能手機、智能喇叭，甚至是汽車的電腦系統，都是由專門為它們設計的芯片驅動的。這就是ASIC芯片正在創造的世界。應用特定積體電路（ASIC）顧名思義，是為特定應用而設計的積體電路。與GPU（圖形處理單元）不同，GPU就像多功能的瑞士軍刀，雖然能處理多種任務，但在任何一項任務上都不是最出色的。而ASIC芯片則像是為特定任務精心打造的專業工具。它們讓你的語音指令能夠被即時理解，也讓複雜的人工智慧模型能夠在你的設備上高效運行。

如今，AI已經無處不在，從為聊天機器人提供支持的大型語言模型，到自動駕駛汽車中的電腦視覺系統，AI的應用可說是遍地開花。然而，這些應用對芯片的需求各不相同。一種芯片在一個應用中表現出色，並不一定適合另一個應用。這就是ASIC芯片的優勢所在，它們從設計之初就針對特定任務進行了優化，因此在性能和能效上都超越了通用的GPU。

舉個例子，在訓練大型語言模型時，GPU可能會顯得力不從心。而為這一任務設計的ASIC芯片可以輕鬆處理海量數據和複雜的計算任務。這意味著更快的訓練速度和更低的能源消耗，對開發者和環境來說都是雙贏的局面。

ASIC芯片的應用

ASIC芯片已經從理論概念走向了實際應用，並在多個AI領域發揮了重要作用。

在深度學習領域，ASIC芯片顯著提升了訓練和推理的效率。早在2015年，谷歌就開發出了第一代TPU（張量處理單元）處理器，為AlphaGo戰勝頂尖圍棋選手李世石提供了強大的計算支持。TPU是一種專門為機器學習設計的ASIC芯片，通過對硬件的優化，TPU在處理深度學習任務時，提供了比傳統GPU更高的性能和更低的功耗。這使得谷歌能夠在數據中心更高效地運行其機器學習模型，為用戶提供更快、更準確的服務。

在自然語言處理領域，亞馬遜網絡服務（AWS）通過優化設計和規模化應用，為卷積和矩陣乘法等運算開發了專門的電路模塊。在推理任務中，這些芯片減少了冗餘計算和不必要的電路切換，從而降低了功耗和成本。

在電腦視覺領域，ASIC芯片能夠加速圖像和視頻的處理。例如，一些專門為電腦視覺設計的ASIC芯片在實時處理視頻流時，能夠提供更高的幀率和更低的功耗。這使得無人機和自動駕駛汽車等應用能夠更高效地運行。

‍

ASIC產業的領軍者

隨著人工智慧發展進入應用層面的爆發期，算力需求逐漸從訓練轉向推理。由於推理對芯片的要求較低，英偉達GPU不再具有絕對的統治地位，而ASIC芯片針對較低推理算力的低成本方案將更加適合人工智慧公司。因此，我們預計ASIC芯片將在2025年至2027年進入快速增長期。以Broadcom為首的ASIC生產商預計將實現70%的年複合增長率，高於傳統芯片的增長速度。

·      Broadcom（AVGO）：Broadcom的AI業務主要分為ASIC和交換機兩大類，其中ASIC约占公司業務的三分之二。Broadcom在2024年底宣布，其AI業務營收將在2027年達到600億至900億美元。此外，Broadcom已與谷歌、Meta、OpenAI和字節跳動等市場領導者建立合作，共同開發下一代人工智慧芯片。

·      Marvell（MRVL）：作為ASIC芯片領域的挑戰者，Marvell目前的ASIC收入主要來自與亞馬遜Trainium項目的合作，該公司與亞馬遜的Inferential項目也將於2025年開始量產。

·      英偉達（NVIDIA，NVDA）：儘管英偉達在ASIC芯片方面的投資晚於Broadcom和Marvell等主要市場參與者，但英偉達在全環節設計能力的優勢也將幫助其迅速佔據有利地位。英偉達的GPU在人工智慧訓練任務中表現出色，未來可能會逐漸進入ASIC芯片領域，為特定應用提供定制化解決方案。

‍

前路：挑戰與機遇

展望未來，ASIC芯片的潛力巨大。它們是解鎖下一代AI性能的關鍵，有望帶來更快、更高效的人工智慧模型和全新的應用場景。

‍

未來趨勢

• 性能提升：隨著製造工藝的不斷進步，ASIC芯片已經發展到3nm和5nm製程，顯著提升了計算能力和能效。

• 定制化需求增長：不同的人工智慧應用對芯片性能和功能有不同的要求。ASIC芯片可以根據特定應用進行定制，以滿足不同用戶的需求。目前，像亞馬遜這樣的雲服務提供商的業務模式和應用場景大多通過自己的雲平台來承載，ASIC芯片可以根據不同的業務場景和商業模式進行針對性開發。

• 系統集成：借鑒英偉達的發展歷史，未來的ASIC芯片不僅將在計算能力或成本上競爭，還需要在芯片設計、網絡和接口等方面有所積累，更加注重系統優勢。這種優勢將使芯片在性能、功耗和成本方面更具競爭力。

然而，儘管ASIC芯片可以幫助人工智慧公司降低芯片成本，但目前ASIC芯片的研發成本並不低。這是因為ASIC芯片的設計和製造階段需要大量的研發投入，且開發周期非常長。例如，谷歌的TPU芯片從2015年開始研發，直到2022年才出現用於機器學習的芯片。此外，與英偉達的GPU相比，Broadcom和Marvell都缺乏像CUDA那樣豐富且易於使用的軟件生態系統，這使得ASIC芯片一旦生產出來就很難進行修改。

儘管如此，ASIC芯片的前景依然充滿吸引力。隨著正確的投資和創新，ASIC芯片有望成為AI計算的標準，推動新一輪的技術進步。

‍

結論

ASIC芯片不僅僅是另一種類型的芯片，它們是人工智慧未來發展的重要一環。它們代表了從萬能解決方案向每個應用都有專門設計芯片的世界的轉變。這種定制化將使人工智慧能夠充分發揮其潛力，從我們口袋裡的智能手機到道路上的自動駕駛汽車。

隨著我們繼續探索人工智慧的可能性，讓我們關注ASIC產業。這裡才是真正魔法發生的地方，想法變成現實，人工智慧的未來正在一個芯片一個芯片地構建。敬請期待我們持續的人工智慧系列文章，我們將繼續揭示塑造明日世界的創新。

‍