近期，博通无疑成为了投资界与科技界的焦点话题，引发了广泛的讨论，人们纷纷称道：“英伟达终于迎来了强劲对手！”“ASIC或将超越GPU”。

在追求硬件计算性能提升的道路上，AI芯片架构呈现出多样化的特点，主要包括GPU、ASIC和FPGA等，同时也有混合架构的应用。

GPU原本主要用于图像处理，凭借出色的浮点运算能力，在深度学习兴起后迅速成为AI领域的核心工具，英伟达的高端GPU更是成为了全球科技巨头争相追逐的“香饽饽”。

FPGA，即现场可编程门阵列，是一种半定制的集成电路，能够灵活应对不同的设计需求。FPGA的独特性能使其在AI推理阶段表现出色。

而ASIC，即专用集成电路，是为满足特定需求而设计的芯片。与GPU相比，ASIC在功耗、体积和成本方面具有显著优势。在执行特定任务时，ASIC能够兼顾效率和成本，提供更为出色的解决方案。

在AI芯片的激烈竞争中，英伟达的GPU长期占据着大众认知的主导地位。然而，AI芯片的格局并非如此单一。当前，主流AI芯片主要分为通用芯片（以GPU为典型）、专用芯片（如ASIC定制化芯片）以及半定制化芯片（像FPGA）这三大类。英伟达在GPU领域一马当先，而ASIC芯片方面，博通表现突出，Marvell也紧随其后。

尽管博通的定制ASIC与英伟达GPU常被拿来比较，但Rosenblatt分析师Hans Mosesmann在最新研报中指出，这种对比犹如“苹果vs橘子”，二者存在本质差异，难以简单相较。不过，他也提到：“预计未来数年，AI ASIC的增长速度将超越GPU计算。”

巴克莱的报告给出了更具前瞻性的预测：AI推理计算需求将迅猛增长，预计在通用人工智能总计算需求中占比超70%，甚至可能达到训练计算需求的4.5倍。目前，英伟达GPU在推理市场占有率约80%，但随着大型科技公司的定制化ASIC芯片纷纷涌现，到2028年，这一数字有望降至50%左右。

早在2013年，谷歌就研发出了全球首张用于AI加速的TPU（张量处理器），它能够快速进行数学运算，处理图像和语音语料，极大提升了机器学习的效率。经过多次迭代升级，2024年谷歌推出了第六代TPU芯片Trillium，其计算性能较上一代提升了4.7倍，内存带宽翻倍，能耗优化了67%。

尽管谷歌并未对外销售TPU芯片，但据TechInsights预测，2023年谷歌自用的TPU芯片数量已达到200万颗，其市场规模仅次于英伟达。

在AI ASIC芯片领域，英特尔同样扮演着重要角色。2019年，英特尔收购了AI公司Habana Labs，并在三年后发布了AI芯片Gaudi 2。2024年，英特尔又推出了Gaudi 3，其训练性能较英伟达H100提升了1.7倍。英特尔还透露，公司正在开发用于以太网网络的AI NIC ASIC。

随着AI ASIC需求的快速增长，博通、Marvell等公司迎来了业绩的爆发式增长。根据博通发布的财报数据，公司2024财年AI收入大幅增长2.2倍，达到122亿美元。博通正在与三家大型客户合作开发AI芯片，并预计2025年AI芯片业务收入将达到150亿至200亿美元。随着AI技术的不断进步和端侧AI需求的快速增长，ASIC将在AI推理和AI消费电子产品方面发挥越来越重要的作用。

为了帮助大家找到机会，为此我对市场五千多家公司进行深度研究复盘后筛选出五家

澜起科技：拥有津逮CPU产品，该产品是将Intel CPU和ASIC模块封装在一起的解决方案。

芯原股份：致力于打造顶级的“IP Power House”，并基于此提供ASIC定制量产服务。

瑞芯微：提供针对特定功能设计的ASIC芯片，包括接口转换芯片、无线连接芯片、MCU芯片等。

睿创微纳：提供ASIC处理器芯片，自研ASIC芯片批量导入户外产品。

最后一家，最具潜力：

作为国产AI芯片先行者，其ASIC芯片产品具有较强竞争力，推理芯片在性能、能效等方面优势明显，如思元370芯片。加上现已有300多家机构入仓，起飞形势已势不可挡！！