ASIC大刀砍向GPU，英伟达垄断时代要被终结了？

see122

上周五，美股又诞生了一家市值万亿美金企业——博通。

截至收盘时，博通股价上涨24.43%，市值达到了1.05万亿美金，成为美股第9家，也是全球第12个破万亿美金市值的企业。

市值破亿，博通全靠画了一张900亿美金的“大饼”。

在财报电话会议上，企业CEO Hock Tan直言，预计到2027年企业的AI收入将达到600-900亿美金。这个口径还只是从现有3大客户拿到的收入规模。

博通CEO的自信，完全来自对ASIC的乐观。随着模型进化趋缓，叠加训练向推理迁徙超预期，让成本可控、供应链可控的ASIC登上了舞台。

在Hock Tan甚至认为，未来50%的AI算力都会是ASIC。

这可不得了！现在，英伟达在AI芯片领域的市占率80%。一旦结论成立，将彻底动摇英伟达在AI算力领域的统治地位。

今天就来聊聊，把博通推上万亿市值的ASIC，为什么突然一下子火了？

01 一张900亿美金的“大饼”

其实这并不是Hock Tan第一次看好AISC。

根据自媒体“信息平权”报道，早在7月份的一次JPM的路演中，CEO Hock Tan曾宣称，“博通未来5年的AI收入机会是1500亿美金”。

同样在高盛组织的一次科技会议上，Hock Tan还放出话来，“未来50%的AI算力都会是ASIC，甚至云服务提供商内部自用100%都将是ASIC。”

也就是说，未来所有科技大厂的算力分配都会向GOOGLE看齐。

现在，GOOGLE自家业务用的算力全都来自自研芯片TPU，GOOGLE云服务才用的英伟达的GPU。按博通CEO的预测，未来所有的互联网大厂，自用都是博通的ASIC XPU，外用的则是采购英伟达的GPU。这样一来，ASIC就能与GPU在AI算力上平分天下了。

别看博通CEO说的挺唬人，但他的预测并非空穴来风。

由于英伟达的卡又贵有难拿，即使拿到了各家也拉不开差距，到后面直接被搞成军备竞赛，谁拥有的英伟达算力卡多，谁利害。

这显然不是巨头们愿意看到的，自研芯片成了所有人的共同选择。

如今，科技巨头如AMAZON、MicroSoft、GOOGLE和Meta都在开发自家的AI芯片，一来降低对英伟达的依赖，二来试图在算力层面构建自己的成本优势。

但是，搞芯片实在太难了，这时候就需要来博通帮忙了。

博通就是帮科技巨头开发AI芯片的。可以说，从GOOGLE的第一代TPU至今，博通都参与了芯片的共同设计。

双方的合作模式是，GOOGLE自己来定义芯片，列出需求清单，博通利用自己经验丰富的IC设计团队以及资源庞大的IP来协助开发新款TPU，同时博通还负责流片。

从企业披露的信息来看，目前博通的AI收入中，大部分都来自GOOGLE的的TPU。根据国外券商的预测，2024年博通AI收入在120亿美金，其中GOOGLETPU贡献了80亿美金，占比超过60%。

如果所有科技巨头的算力分配都参考GOOGLE的话，博通的AI业务想象空间巨大。

就拿Meta的自研芯片MTIA来说，按照之前的预期，Meta会在2025年贡献博通20-30亿美金的收入。考虑到MTIA支撑的就是Meta推荐引擎，而这个替换GPU也才刚刚开始，后面三年增长10倍也并非全无可能。

ASIC的机会正在得到越来越多信息的验证。除了博通，Marvell也在干类似的业务。据说，MicroSoft已经找到Marvell谈ASIC合作，Marvell高管透露称：

MicroSoft给的机会比想象中还要大。

02 模型商品化与ASIC的崛起

MicroSoft等科技巨头加大ASIC上的投入，与其对模型判断的变化有关。

虽然投了OpenAI，但MicroSoft和OpenAI对模型价值的看法很不一样。今年以来，MicroSoftCEO纳德拉以及MicroSoftAI部门老大苏莱曼在不同场景都提到过一个观点：模型商品化。

简单来说，大模型正在变成一种通用商品，逐渐走向标准化和同质化。应用层才是大模型发展的重心，更多资源投入也应该放到推理上。

MicroSoft的观点正在得到验证。据Wind转引英伟达FY24Q4业绩会纪要，企业2024财年数据中心已经有40%的收入来自推理业务。推理场景的多样性，给ASIC带来了更多机会。

所谓ASIC，全称专用集成电路，一种更像是为特定任务量身定制的工具。

如果把GPU比作是多才多艺的多面手团队，那么ASIC就好比是给特定任务量身定制的“超级员工”，只专注做一件事，但做得又快又好。

比如你想挖矿，就有专门的挖矿芯片；你想拍照，就有专门的相机芯片。当年，比特币矿机用的就是专用ASIC芯片，成本低，处理速度也比GPU快几个数量级，性价比更高。

根据百度智能云报道，一般情况下，在线服务的GPU使用率不高，在20%左右，最高可提升至35%。由于ASIC专为特定任务设计，其算力利用率可能更高，GOOGLETPU算力利用率可超过50%。

虽然ASIC在性能和效率上更胜一筹，但它的研发成本也相对较高。

ASIC芯片的设计和制造不仅需要大量资金、较长的时间周期和工程周期，还对算法稳定性要求极高。如果AI算法发生较大变化，那么根据之前算法设计的ASIC计算效率就会大幅下降。

所以，ASIC并不适合在模型快速迭代期大规模应用。

不过好在随着模型迭代速度越来越慢，AI算法向Transformer收敛，深度学习框架以PyTorch为主，ASIC企业完全可以根据Transformer的特性开发芯片，不用担心投入打了水漂。

总的来说，随着模型进化趋缓，叠加训练向推理迁徙超预期，让成本可控、供应链可控的ASIC登上了舞台。

有趣的是，英伟达也盯上了这块市场。据路透社与彭博2024年2月初报道，英伟达正在建立一个专注于为云计算、AI等领域设计ASIC专用芯片的新业务部门。

英伟达进军ASIC的原因有二：第一，占领新的市场。第二，保护自己免受替代。

不过话说回来，ASIC与GPU平分天下，甚至替代GPU，不仅是博通的美好幻想，也代表着科技巨头们的意志。他们从一开始就寻求英伟达之外的替代供应方案，只要外部环境出现变化，所有人都会去寻找更有效率的解决方案，以摆脱被动的局面。

无论ASIC最终是否成立，这种“意志”都会一直持续存在。比起芯片技术变化，这才是英伟达这座看似坚不可摧芯片帝国的最大裂缝。


来源：36kr