最近這段時間，美國股票市場的動靜比較大。有兩個科技股概念，突然變得很火，引起了市場的高度關注，漲幅驚人。這兩個概念，分別是 ASIC 和量子計算。
今天這篇文章，我們主要說說 ASIC。
按資本市場的說法，ASIC 正在加速崛起，威脅 GPU 在 AI 計算中的統(tǒng)治地位。而博通，作為 ASIC 最重要的概念股，股價一路猛漲，一度從 180 飆到了 250，市值也突破了萬億美元。相比之下，英偉達反而成了明日黃花，股價一路下跌，甚至不到 130 美元。
那么，ASIC 時代真的到來了嗎？博通真的會取代英偉達，成為新的 AI 之王？
█ ASIC 和 GPU 是什么
ASIC 和 GPU，都是用于計算功能的半導體芯片。因為都可以用于 AI 計算，所以也被稱為“AI 芯片”。
準確來說，除了它倆，計算芯片還包括大家更熟悉的 CPU，以及 FPGA。
行業(yè)里，通常會把半導體芯片分為數(shù)字芯片和模擬芯片。其中，數(shù)字芯片的市場規(guī)模占比較大，達到 70% 左右。
數(shù)字芯片，還可以進一步細分，分為：邏輯芯片、存儲芯片以及微控制單元（MCU）。CPU、GPU、FPGA、ASIC，全部都屬于邏輯芯片。
邏輯芯片，就是計算芯片。它包含了各種邏輯門電路，可以實現(xiàn)運算與邏輯判斷功能。
四個芯片里，CPU 和 GPU 是通用芯片，可以完成多種任務。尤其是 CPU，是全能型選手，單核主頻高，啥都能干，所以經(jīng)常被拿來做主處理器。
而 GPU，本來是用來做圖形處理（顯卡）的。它的內核數(shù)量特別多（大幾千個），適合做并行計算，也就是擅長同時做大量的簡單計算任務。（圖形處理，就是同時處理大量的像素計算。）
AI 計算和圖形計算一樣，也是典型的并行計算型任務。
AI 計算中包括大量并行的矩陣相乘、卷積、循環(huán)層、梯度運算等任務，所以，特別適合 GPU 去完成。CPU 不適合 AI 計算，這也是英特爾股價跌到 20 美元以下的原因之一。
2023 年以來，AI 浪潮爆發(fā)，大部分企業(yè)的 AI 訓練，采用的是英偉達的 GPU 集群。如果進行合理優(yōu)化，一塊 GPU 卡，可以提供相當于數(shù)十甚至上百臺 CPU 服務器的算力。這直接導致了英偉達的股價猛漲了幾十倍，而且還買不到。
再來看看 ASIC 和 FPGA。
ASIC（Application Specific Integrated Circuit，專用集成電路），是一種專用于特定任務的芯片。ASIC 的官方定義，是指：應特定用戶的要求，或特定電子系統(tǒng)的需要，專門設計、制造的集成電路。
Google 公司大名鼎鼎的 TPU（Tensor Processing Unit，張量處理單元），還有前幾年很火的比特幣礦機，英特爾的 Gaudi 2 ASIC 芯片，IBM 的 AIU，AWS 的 Trainium，都屬于 ASIC 芯片。
這幾年非常火的 DPU（Data Processing Unit，數(shù)據(jù)處理單元）和 NPU（Neural Processing Unit，神經(jīng)網(wǎng)絡處理單元），也是 ASIC 芯片。
FPGA（Field Programmable Gate Array，現(xiàn)場可編程門陣列），是半定制芯片，也被人稱為“萬能芯片”。FPGA 可以根據(jù)用戶的需要，在制造后，進行無限次數(shù)的重復編程，以實現(xiàn)想要的數(shù)字邏輯功能。
ASIC 和 FPGA 的區(qū)別在于，AISC 是全定制芯片，功能寫死，沒辦法改。而 FPGA 是半定制芯片，功能靈活，可玩性強。FPGA 不需要流片（很燒錢的一個工序），但因為可編輯，冗余功能比較多，一旦用于單一目的，就會存在浪費。大規(guī)模生產(chǎn)的情況下，F(xiàn)PGA 的成本比 ASIC 高，且極致能效不如 ASIC。
所以，F(xiàn)PGA 現(xiàn)在多用于產(chǎn)品原型的開發(fā)、設計迭代，以及一些低產(chǎn)量的特定應用，或者用于培訓和教學。它適合那些開發(fā)周期必須短的產(chǎn)品，也經(jīng)常用于 ASIC 的驗證。
反正，大家記住，大規(guī)模出貨用于 AI 計算，一般不考慮 FPGA。
所以，AI 芯片，也就是 GPU 和 ASIC 之爭。
█ GPU 和 ASIC，到底誰厲害？
ASIC 作為專用定制芯片，基于芯片所面向的專項任務。它的計算能力和計算效率都是嚴格匹配于任務算法的。芯片的核心數(shù)量，邏輯計算單元和控制單元比例，以及緩存等，整個芯片架構，也是精確定制的。
所以，ASIC 可以實現(xiàn)極致的體積、功耗。這類芯片的可靠性、保密性、算力、能效，都會比通用芯片（GPU）更強。
例如，在同等預算下，AWS 的 Trainium 2（ASIC 芯片）可以比英偉達的 H100 GPU 更快速完成推理任務，且性價比提高了 30-40%。明年計劃推出的 Trainium3，計算性能更是提高了 2 倍，能效提高 40%。
但是，為什么這兩年一直火的都是 GPU 呢？
主要是因為英偉達太猛。
英偉達在 AI 上也是歪打正著。當年 AI 大佬辛頓（就是那個新晉諾貝爾獎得主）帶著徒弟使用 GPU 做 AI 訓練，獲得巨大突破，才讓英偉達發(fā)現(xiàn)自己竟然還有這樣的潑天富貴。
然后，英偉達就開始在 AI 發(fā)力，拼命做更厲害的 GPU（當然，也有游戲的帶動）。
在英偉達的持續(xù)努力下，GPU 的核心數(shù)和工作頻率一直在提升，芯片面積也越來越大。算力越強，有利于縮短訓練時間，加快產(chǎn)品發(fā)布，這也是重要優(yōu)勢。
當然，算力變強，功耗也水漲船高。但是，靠工藝制程、水冷等被動散熱，勉強也能兜得住，反正不會燒掉。
除了硬件之外，英偉達在軟件和生態(tài)方面也很會布局。
他們搗鼓出來的 CUDA（AI 開發(fā)的軟件套件），是 GPU 的一個核心競爭力?；?CUDA，初學者都可以很快上手。所以，英偉達的 GPU 方案，被全球用戶廣泛接受，形成了牢固的生態(tài)。
相比之下，F(xiàn)PGA 和 ASIC 的開發(fā)還是太過復雜，不適合普及。
ASIC 之所以在 AI 上干不過 GPU，和它的高昂成本、超長開發(fā)周期、巨大開發(fā)風險有很大關系?，F(xiàn)在 AI 算法變化很快，ASIC 這種開發(fā)周期，很要命。
綜合上述原因，GPU 才有了現(xiàn)在的大好局面。
值得一提的是，前面說了，AI 計算分為訓練和推理兩種。訓練任務，需要更強大的算力，所以在 AI 訓練上，廠商們主要以 GPU 為主。
推理任務的話，算力要求要低一點，也不需要什么并行，所以 GPU 的算力優(yōu)勢沒那么明顯。很多企業(yè)，就會開始采用更便宜、更省電的 FPGA 或 ASIC，進行計算。
這個情況，一直持續(xù)到了現(xiàn)在。AI 芯片，GPU 的占比能達到 70% 以上。
如今，因為大家實在是“苦英偉達久矣”，不想總被英偉達“卡脖子”，所以非常希望算力多元化。再有，大模型現(xiàn)在從“訓練熱”走向了“推理熱”。推理類的 AI 計算需求增加，給了 ASIC 機會。
所以，扶持 ASIC 產(chǎn)業(yè)鏈，提升 ASIC 芯片在 AI 領域的占有率，成為了大家的共識。這才有了博通和 Marvell 股價的猛漲。（據(jù)說，博通正與三個大型客戶開發(fā) AI 芯片，預計 2025 年 AI 芯片業(yè)務收入達到 150 億-200 億美元。）
那么，取代就真的那么容易嗎？ASIC 會很快淘汰掉 GPU 嗎？
顯然不是的。
憑借前面提到的性能、生態(tài)、集成能力等方面的優(yōu)勢，英偉達的 GPU 仍然會是中短期內的 AI 芯片首選。英偉達的軟硬件網(wǎng)絡整套方案都很成熟，技術和資金實力太強，GPU 的存量和出貨量依然很大，市場地位難以撼動。
ASIC 的崛起速度雖然很快，但仍需要一定的時間走向成熟。AI ASIC 芯片的研發(fā)，也具有很高的風險。即使研發(fā)成功，也需要時間被用戶所接受。
這就意味著，在很長的一段時間內，GPU 和 ASIC 都將處于共存狀態(tài)?；诓煌膱鼍?，用戶會選擇最適合自己的芯片。發(fā)展自研 ASIC，更多是有利于廠商們和英偉達進行談判砍價。
未來的情況還是比較難預測的。量子計算是不是會對計算領域造成顛覆式影響，現(xiàn)在也是討論的熱點。
好了，以上就是今天文章的全部內容。感謝大家的耐心閱讀！
本文來自微信公眾號：鮮棗課堂（ID：xzclasscom），作者：小棗君
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。