一个月前，当Ilya在NeurIPS上宣布“预训练即将终结”时，他可能无法预料到，这番表态不仅没有让业界陷入迷茫，反而掀起了另外一场狂欢。

博通成为第一个吃到肉的公司。

就在NeurIPS开幕的前一天，12月13日，ASIC芯片巨头博通发布四季报，虽然经调整净利润33%的增长不算特别“唬人”，但CEO陈福阳关于大客户将在2027年花费600至900美元购买博通AI组件的预测，还是让这家公司在次日的股价暴涨24%，成为第9家市值突破万亿的美股公司。

而在大洋彼岸的中国，ASIC概念股也再度被拉回人们的视野，包括寒武纪、芯原股份、灿芯股份等公司成为投资者热捧的对象。

虽然A股市场素来不缺乏盲目追逐热点的案例，但这一次，国内ASIC芯片厂商确实有比较坚固的基本盘。

一位产业投资人向笔者表示，“国内头部CSP（云解决方案提供商）公司都在自研ASIC芯片，而且是每一家，他们都需要第三方芯片设计公司的帮助。”

这并不难理解。就像谷歌与博通携手打造的自研TPU一样，谷歌可以为其设计架构，但关于IP核授权和版图设计的工作，还是需要博通来完成。

但问题是，国内CSP厂商会选择国内ASIC芯片设计公司吗？

这位产业投资人认为，“产品组合、IP核库、设计复用度，还有软件生态，在这些维度上，国内ASIC厂商与博通、Marwell等巨头存在着较为明显的差距。”

而一个更加宏观的问题是，即便行业公认预训练结束，高举ASIC大旗的博通，真的能推翻“英伟达叙事”吗?

博通的底气，从何而来？

在博通财报发布后的电话会议上，陈福阳表示，在2024财年博通AI相关的半导体总营收为122亿美元，按照博通的业务结构划分，这部分收入除ASIC芯片外，应该还包括以太网交换芯片、PHY芯片等等。

即便把122亿全部算在ASIC芯片的营收上，陈福阳的预测也是非常夸张的。如果取900亿美元的上限计算，那么未来三年，博通在ASIC芯片上的年复合增长率将达到惊人的170%。

作为对比，英伟达从2022年-2024年营收的复合增长率在110%左右。

为什么陈福阳对ASIC市场会如此乐观？

这里先说下ASIC芯片的定义。ASIC，即专用集成电路（Application Specific Integrated Circuit），是为特定用户或特定电子系统制作的集成电路。

从广义上来讲，可以理解为用户对产品的功能、成本、体积等要求进行专门设计的芯片，这个语境下，汽车上用于发动机控制的芯片都可以视为ASIC芯片。

而目前用于AI行业的ASIC芯片，主要针对人工智能相关的算法和任务进行设计，以用于加速人工智能的训练和推理过程。

听起来和GPU好像有点类似？

与后者相比，ASIC专为特定推理任务而定制，不需要像GPU那样为了适应各种不同的任务而进行频繁的配置和切换。

同时，因为ASIC芯片只包含完成特定推理任务所需的功能模块，不需要像 GPU 那样集成大量的通用功能和接口。比如在一些简单的图像识别推理应用中，ASIC芯片完全可以去掉GPU中那些用于复杂图形处理和游戏渲染的模块，从而降低芯片成本。

另外，在推理端，设计厂商会针对卷积、矩阵乘法等常见运算设计专门的电路模块，在执行推理任务时，这些模块避免了冗余计算和不必要的电路切换，使功耗大幅降低。

目前业内主流观点认为，在负责的大规模数据中心的推理任务中，使用ASIC芯片可以将功耗降低30%-70%；如果在边缘计算等简单数据场景中，ASIC芯片甚至可令功耗下降一个数量级。

值得一提的是，在去年年底，红衫曾发布过一份名为《AI in 2025:Building Blocks Firmly in Place》的报告，其中有一个观点非常有趣：

现在的Software-as-a-Service未来将转向Service-as-a-Software。在AI应用上，就是未来“按成果收费”将取代现在的按“座席收费”。

如果AI行业会如同红衫预料的那样发生改变，那么在配置相对弹性的推理端，各厂商毫无疑问地会“疯卷成本”。

在这样的背景下，ASIC芯片的意义不言自明。

替代英伟达？为时尚早

实际上，互联网大厂对ASIC芯片的关注并不比GPU晚多少。

其中最具代表性的是谷歌。早在2015年，谷歌就开发出了第一代TPU处理器（ASIC的一个分支），虽然彼时外界对这个项目的了解并不多，但驱动AlphGo击败李世石的，就是这枚芯片。

此后8年，在博通的帮助下，谷歌TPU又迭代了6个版本。

2023年12月，多模态大模型Gemini 1.0横空出世，谷歌在I/O大会上表示这个大模型的训练和推理100%由TPU V5e和TPU V4完成。

当然，这并不代表TPU在大模型训练上也有优势，只是对于谷歌来说，并不想看到英伟达在硬件平台上“赢者通杀”。

除了谷歌外，Meta和字节跳动也在通过博通“自研”ASIC芯片，虽然后者曾官方否认过与博通的合作，但有业内人士指出，字节跳动的ASIC芯片最早在今年年底就能看到回片。

不过，在博通与这些大厂的合作中，也能看到目前ASIC芯片几个明显的短板。

首先就是，至少在现阶段，各家定制/自研的ASIC芯片还谈不上节省成本，而且开发周期漫长。

比如谷歌的TPU项目始于2015年，但真正能用于大模型训练/推理的芯片直到2022年才出现（TPU V4），虽然理论上ASIC芯片适用于特定的推理任务，功能更加简单，但实际上的设计门槛非常高。从流程上来讲，需要从最基本的系统规格定义、逻辑设计上入手。

另外，相较于英伟达的GPU，无论是博通还是Marvell，都显然缺少像CUDA那样丰富且易上手的软件生态支持，在涉及卡间互联和智算中心的搭建的问题上，也没有类似NVLink和Infini Band这样“拿来即用”的解决方案。

相较于硬件平台，英伟达在软件生态上的优势，可谓是“第二名看不到车尾灯”式的领先。

这两个因素直接导致将ASIC用于AI推理，现阶段注定只是头部CSP厂商的游戏。上述产业投资人士认为，“全世界范围内，对推理端ASIC芯片有强烈需求的云厂商，满打满算可能都不超过10家。”

更重要的一点是，对于头部CSP厂商来说，其丰富的产品矩阵注定了短时间内仍需要将更加泛用的GPU作为算力中心的核心，毕竟当新的算法或应用场景出现时，GPU可以通过软件升级来支持，而ASIC则需要重新做产品设计。

因此，短时间内以博通为代表的ASIC厂商，恐怕还无法推翻“英伟达叙事”。

国产ASIC，乘风而起？

前文提到，国内头部CSP厂商都在做自研ASIC，这其中大概可以分为两类：

第一类是以阿里和百度为代表的“纯自研路线”，与二者相关联的平头哥和昆仑芯，均已组建ASIC研发团队，并已完成相关产品的流片及量产出货。

第二类则是以字节跳动为代表的厂商，他们与第三方芯片设计公司携手研发ASIC芯片。

这两类厂商的共同点是，出于供应链安全的考量，他们对ASIC芯片的国产替代都有不同程度的需求。

这构成了国内ASIC芯片公司最坚实的基本盘，但就目前来看，国内ASIC芯片公司还有几处明显的短板需要解决。

首当其冲的就是IP核资源的稀疏。

作为对比，博通在为谷歌打造GPU时，除了提供先进封装技术、光互连技术外，还附带了一批高性能互联IP核，涵盖高速SerDes内核、PCIe接口等。如果没有这些丰富的IP核资源，谷歌TPU的研发时间会更长。

而国内AISC厂商，有时还需要先通过博通、Marvell等公司取得IP授权，这对于作为客户的CSP厂商来说，就有点得不偿失了。

另外，博通作为一家Fabless（无晶圆厂）公司，它却可以提供除代工外的全流程服务，从最前端的规格定义到最后端的3.5D先进封装，博通均可提供成熟的解决方案。

一位业内人士向笔者表示，“现在很多人把因果倒置了，不是选择ASIC路线就能推理成本骤降，而是像博通这样的企业，其强大的in-House优势让ASIC芯片的研发成本能够降低。”

还有一个无法忽视的问题是，随着BIS新规的生效，本土ASIC芯片的可代工产能被进一步收紧。当然，随着半导体行业国产替代进程的加快，这个制约因素未来有望得到改善。

万亿博通，还不够叫板英伟达