摘要：例如，亚马逊的Trainium芯片在推理任务中比英伟达的H100 GPU便宜约30%至40%。谷歌也在不断优化其TPU系列，最新的TPU v6在能效上比上一代提升67%。摩根士丹利强调，尽管英伟达的GPU仍是大多数CSP的首选，但未来几年内，随着ASIC设计的
本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议
例如，亚马逊的Trainium芯片在推理任务中比英伟达的H100 GPU便宜约30%至40%。谷歌也在不断优化其TPU系列，最新的TPU v6在能效上比上一代提升67%。摩根士丹利强调，尽管英伟达的GPU仍是大多数CSP的首选，但未来几年内，随着ASIC设计的日益成熟，这些云巨头可能通过自研ASIC在采购谈判中获得更大话语权。02赢家与输家：谁将主导未来市场？摩根士丹利在报告中梳理了全球ASIC供应链，并明确了六大可能的赢家：AI GPU：英伟达将继续主导市场，尤其是在大规模语言模型训练方面，其解决方案仍是最优选择。ASIC供应商：博通、Alchip（世芯电子）和Socionext被视为ASIC市场的潜力股。其中，Alchip由于与AWS的深度合作，预计将在2026年显著提升市场份额。电子设计自动化工具：Cadence（楷登电子）有望实现结构性增长。代工厂：台积电及其供应链伙伴（如ASE、KYEC等）将从ASIC设计与制造的快速增长中受益。测试服务：Advantest是AI芯片测试领域的领先者，其在AI设备测试方面的专注将为其带来显著增长。HBM：三星电子是非英伟达HBM市场份额领先者，将从ASIC需求增长中获益。相比之下，一些传统芯片公司和代工厂可能面临挑战。例如，AMD由于在AI GPU领域未能与英伟达拉近差距，或将失去更多市场份额。而UMC等缺乏先进工艺节点支持的代工厂也可能难以在高端AI芯片市场中分得一杯羹。03TCO分析：ASIC真的划算吗？摩根士丹利通过TCO模型对比了ASIC和GPU在AI训练和推理任务中的成本效益。结果显示，尽管英伟达的GPU在性能上占据明显优势，但ASIC的初始成本较低，尤其适合预算有限的云服务提供商。例如，在同等预算下，AWS的Trainium 2可以比英伟达的H100 GPU更快速完成推理任务，且性价比提高了30-40%。Trainium3计划于2025年下半年推出，计算性能提高2 倍，能效提高40%。不过，报告也指出，英伟达凭借其更成熟的系统集成能力和更强大的软件生态，仍在TCO计算中保持竞争力，特别是在需要灵活应对不同AI任务的场景中。研报中提到，量子计算的潜在崛起可能会对AI半导体需求产生冲击，但目前来看，量子计算在AI推理领域的适用性较低，短期内难以取代ASIC和GPU。此外，退役GPU也可能成为ASIC市场的威胁。一些云服务商可能选择通过使用退役GPU降低成本，而不是投资昂贵的ASIC。摩根士丹利总结道，ASIC的崛起并不意味着GPU的衰退。相反，这两种技术将长期共存，为不同需求场景提供最佳解决方案。在未来的AI市场中，ASIC将凭借成本和能效优势争取更多份额，而英伟达则将继续依靠其技术领先性巩固市场地位。（作者：张雅琦，华尔街见闻）原标题：《2025算力主线：ASIC VS GPU》 来源：后生哇颜值
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
