AI ASIC芯片的突围与趋势
1. AI ASIC芯片的优势与市场前景
概述
AI算力需求持续增长，AI ASIC芯片凭借其在功耗、成本和生态方面的优势，有望实现快速增长。根据相关报告，《算力需求高增，AI ASIC突围在即》指出，ASIC（专用集成电路）针对特定应用场景设计，具有配套的软硬件全栈生态。尽管目前单颗ASIC的算力仍低于先进GPU，但整体集群的算力利用效率更高，具备显著的成本和功耗优势。随着软件生态逐步成熟，ASIC有望更广泛地应用于AI推理与训练。
市场空间
据Marvell预测，2023年数据中心定制加速计算芯片规模约为66亿美元，市场占有率为16%。Marvell预计到2028年，定制芯片规模将达到400亿美元，复合年增长率（CAGR）达45%。相比之下，通用加速计算芯片2028年的市场规模预计为1716亿美元，CAGR为32%。AMD CEO苏姿丰预测2027年AI加速器将达到4000亿美元的规模。
成本与性能
AI ASIC单卡算力虽低于GPU，但在推理常用精度下展现出更高的性价比（TFLOPS/$），功耗也更低。由于ASIC专为特定任务设计，其算力利用率可能更高，谷歌TPU的算力利用率可达50%以上。对于云厂商而言，ASIC还能增加供应链的多元化选择。
2. ARM架构服务器的发展
亚马逊Graviton
亚马逊Graviton系列处理器自2018年发布以来，逐渐成为ARM架构服务器的代表。Graviton 4于2023年12月发布，性能提升30%，独立核心增加50%以上，内存带宽提升75%以上。基于Graviton4的R8g实例在2024年7月已经可用，性价比预计高出20-30%。截至2024年6月，AWS已部署超过200万个Graviton处理器，拥有超过5万名客户。
微软Cobalt
2023年，微软推出了基于ARM架构的Cobalt 100处理器，用于通用计算工作负载。该处理器具有128个计算核心，支持12通道DDR5内存。
谷歌Axion
2024年，谷歌推出了基于ARM架构的自研CPU Axion，计划用于YouTube广告投放和大数据分析等业务，宣称比当前一代x86架构芯片性能高出50%，能效高出60%。
中国市场
2023年一季度，中国市场ARM服务器出货量占比达40%，出货约12万台，市场占有率预计在10~15%区间。阿里较早推出Arm芯片，倚天710芯片采用5nm工艺，128颗核心，最高主频达3.2GHz，已在云计算、机器学习等领域实现大规模应用。
3. 构建标准化工具与降低迁移成本
迁移过程
从x86向ARM迁移的过程包括四个步骤：
- 迁移准备：确定应用场景，分析硬件和软件栈信息。
- 执行迁移：重点是编译迁移，包括替换依赖编译型语言的代码和软件包。
- 性能调优：建立调优基准，进行压力测试，实时优化。
- 部署维护：在云上部署时较为便捷，可通过云服务商实现快速部署。
标准化流程
亚马逊创建了标准化的流程和平台，帮助用户快速将应用迁移至Graviton，降低了迁移成本。例如，AWS Graviton快速启动计划提供了详细的迁移指南，帮助用户在四小时内快速完成迁移。
风险提示
- AI算法技术风险
- 生态系统建设不及预期
- 芯片研发不及预期
- AI产业发展不及预期
投资建议
我们看好ASIC的大规模应用带来的云厂商回报率提升，推荐博通、台积电等产业链公司。
