谷歌亚马逊等巨头以定制AI芯片围攻英伟达，威胁有多大？
最新季度，英伟达业绩依然爆表，利润飙升。但今时今日，竞争对手步步紧逼，更多AI芯片持续推出，给英伟达带来前所未有的挑战。
目前最炙手可热的是ASIC，中文意思是专用集成电路。无论是谷歌的TPU、亚马逊Trainium，还是OpenAI与博通联合开发的定制芯片，都属于这一范畴。
除了ASIC，FPGA也是AI芯片市场不可忽视的新力量。最开始时，GPU主要用于游戏领域，2012年GPU开始向AI领域转型。到了今天，GPU通常会与CPU搭配使用，集成于服务器机架系统，部署于数据中心，为云端AI提供算力支持。
Futurum Group认为，未来几年，定制ASIC的增长速度将会超过GPU。
为什么企业追捧定制AI芯片？
由于GPU能同时执行大量运算，成为AI训练和推理的理想选择。在训练阶段，AI模型从海量数据中学习规律；在推理时，AI利用学到的知识对信息做出决策。
研发GPU的主要有英伟达和AMD，英伟达围绕GPU搭建了专用软件平台CUDA，AMD GPU则依赖开源软件生态系统。
根据英伟达透露，一套整合72块Blackwell GPU的服务器机架，售价约为300万美元，每周出货量约为1000套。
在大型语言模型（LLM）发展初期，GPU为训练提供支撑，但随着行业的发展，推理变得越来越重要。企业可以用性能要求较低、针对特定任务编程的芯片来完成推理，ASIC成为核心解决方案。
我们可以将GPU看成为“瑞士军刀”，能处理各种AI负载，完成多种并行运算；而ASIC则是“单用途工具”，拥有极高效率和速度，但硬件电路固定，只能执行某一类特定任务。
英伟达GPU足够灵活，被许多AI企业采用，但单块GPU售价高昂，达到4万美元。一些初创企业仍然愿意投入高昂的GPU成本，主要是设计定制化ASIC前期投入更高，起步便是数千万美元，小企业无法承担。但对于有实力的企业来说，定制ASIC从长远看更有性价比。
在定制ASIC领域，谷歌率先向英伟达发起冲锋。2015年谷歌首款ASIC芯片问世，十年过去，11月份谷歌发布第7代TPU。
《芯片战争》一书作者克里斯·米勒（Chris Miller）认为，从技术层面看，TPU已与英伟达GPU不相上下，甚至更胜一筹。他认为，谷歌TPU仅用于内部，但从长远看，谷歌会逐步开放，允许外部企业使用。
AWS也在模仿谷歌设计自己的AI芯片。2015年，亚马逊收购以色列Annapurna Labs，2018年推出推理芯片Inferentia，2022年发布训练芯片Trainium。
Trainium首席架构师伯尼·迪亚曼特（Ron Diamant）透露说，亚马逊新的三代Trainium比其它同类产品高性能高出30-40%。他还说，未来Trainium在推理、训练方面将会更上层楼。
研发ASIC并非易事，于是许多企业寻求与博通、Marvell合作，它们提供知识产权、专业技术和网络支持，帮助客户研发定制ASIC，博通成为这场定制浪潮的最大受益者。
不只有英伟达，未来是多方案并存
除了谷歌、亚马逊，微软也参与ASIC赛道。在美国东部的微软数据中心，已经引入其自研的Maia 100芯片。还有，高通推出了A1200芯片，英特尔研发了Gaudi AI加速器，特斯拉打造了AI5芯片。初创企业也纷纷涌入，比如专注于晶圆级AI芯片研发的Cerebras，专注于推理任务的芯片开发商Groq。
在中国，华为、字节跳动、阿里巴巴也在研发定制ASIC。
在AI芯片领域，神经网络处理单元（NPU）也是一大类别，它通常集成在SoC中，为设备提供AI功能，能耗较低，可以节省空间。高通、英特尔、AMD都在研发NPU，为PC提供AI算力支持。
米勒表示：“目前大部分资金都流向了数据中心领域，但随着时间推移，这一格局将会改变。未来，AI将广泛地部署在我们的手机、汽车、可穿戴设备等各类产品中，其应用程度将远超当下。”
最后是FPGA，它可以在制造完成后通过软件重新配置，灵活性比NPU和ASIC更高，但在处理AI负载时，性能和能效相对较低。2022年AMD以490亿美元收购Xilinx，2015年英特尔以167亿美元收购Altera，都是为了布局FPGA。
最近几天，市场传出消息称，OpenAI准备与博通合作，开发定制AI芯片；META考虑采购谷歌TPU芯片；Anthropic宣布采购最多100万块谷歌TPU芯片。
Jefferies分析师上周在研报中表示，ASIC已经迎来拐点。不过企业选择定制战略，虽然能降低成本，减少对英伟达的依赖，但也意味着会被局限于特定AI应用场景或者模型，在AI技术飞速迭代的当下，可能存在诸多不便。
Gartner则认为，定制化AI不仅成本高，而且存在诸多复杂环节，比如要为硬件开发定制配套软件。想拥有一款高性能定制芯片，需要投入巨额研发资金，而且还要经历多次迭代。所以，只有大型科技企业才对ASIC有需求，也只有它们的产品才具有商业可行性。
英伟达CEO黄仁勋并不认为定制化AI芯片（通常是博通产品）构成威胁，他称定制芯片的性能无法抗衡英伟达产品。今年早些时候，黄仁勋接受采访时表示，很多ASIC项目将会夭折，他还坚定地认为ASIC缺乏竞争力。
但Gartner却认为，到2026年，AI推理算力的相关支出将会超过训练算力支出，最终绝大多数AI支出将会分配给推理，比例可能达85-90%。市场将会由训练向推理过渡，最终形成各种芯片方案百花齐放的局面。作为超大企业，未来会逐渐降低对英伟达的依赖，不过在定制芯片上运行的负载比例不会太高，只会占一部分。（小刀）
