随着科技行业的快速发展，ASIC（专用集成电路）市场正经历着前所未有的增长浪潮。据摩根士丹利的预测，AI ASIC市场规模将在未来几年内实现显著飞跃，从2024年的120亿美元猛增至2027年的300亿美元，年复合增长率高达34%。这一增速远高于同期高性能计算GPU市场的25%增长率，以及CPU和APU的5%和8%增长率。
驱动这一市场扩张的主要因素之一，是人工智能服务器需求的激增。TrendForce的最新研究报告指出，美国主要的云计算服务提供商（CSP）正在加速内部开发ASIC芯片的步伐，平均每1至2年便推出新一代产品。在中国，面对美国即将实施的新出口管制政策，人工智能服务器市场也在逐步调整，预计进口芯片（如NVIDIA和AMD产品）的市场份额将在2025年降至42%，而中国本土芯片制造商的市场份额则将提升至40%。
定制芯片的选择，对于许多企业而言，不仅是一种技术上的优化，更是一种经济上的考量。面对GPU服务器的算力缺口和部分产品的供应限制，许多头部互联网企业选择增大自研ASIC芯片服务器的部署数量，以降低成本并更好地适配自身业务场景。例如，AWS的Trainium 2 ASIC芯片在同等预算下，比英伟达的H100 GPU更快完成推理任务，性价比提高了30%～40%。而即将推出的Trainium 3，计算性能更是提高了2倍，能效提高40%。
在全球范围内，大型云计算和大模型厂商如谷歌、亚马逊、meta、OpenAI等，都在加速布局定制化ASIC。谷歌的TPU作为ASIC的典型代表，已经从2016年的首款产品发展到今年的第七代Ironwood。这款AI加速器在大规模部署的情况下，计算能力能达到全球最快超级计算机的24倍以上，每块芯片的峰值计算能力可达4614 TFLOPs，配备192GB高带宽内存，内存带宽达到7.2 terabits/s。
在国内，中昊芯英等企业也在积极布局TPU芯片市场。中昊芯英的创始人及CEO曾透露，公司成功实现了全自研的专为AI训练而生的中国首枚高性能TPU训练芯片“刹那”的量产交付。这款芯片在处理大规模AI模型训练和推理任务时，计算性能超越英伟达A100，系统集群性能更是十倍于传统GPU，能耗仅为传统GPU的一半，单位算力成本仅为国外产品的42%。
在市场竞争方面，博通以55%～60%的份额位居ASIC市场第一，Marvell则以13%～15%的份额位列第二。博通的核心优势在于定制化ASIC芯片和高速数据交换芯片，其AI相关收入在2025财年第一季度同比增长77%，占总营收的28%。博通与meta合作开发的第三代MTIA芯片，以及与OpenAI合作的两代ASIC芯片项目，都将成为其未来增长的重要动力。Marvell的定制芯片业务也正成为其强劲增长的核心动力之一，主要来自亚马逊的Trainium 2和谷歌的Axion Arm CPU处理器。
国内企业也在积极研发ASIC。寒武纪科技正在扩展其思元（MLU）芯片系列，以支持云端的AI训练和推理。阿里巴巴推出了含光800云端AI推理芯片，峰值性能为7.8万IPS，峰值能效达到500IPS/W。百度则量产了昆仑芯二代，并宣布使用昆仑芯三代P800构建了首个自研万卡集群，在成本上实现了显著降低。腾讯则通过自主研发和战略投资，推出了紫霄推理芯片，并在多个头部业务中落地应用。
然而，ASIC市场的增长也带来了新的挑战。芯片设计成本不断攀升，尤其是先进芯片设计，已经变得非常昂贵。企业需要认真考虑，是否真的需要自主设计CPU。毕竟，在追求技术自主的同时，也需要权衡成本和效益。
