AI 时代下的 ASIC 芯片：性能、功耗与尺寸的极致优化

在 AI 算力需求持续爆发的背景下，曾经相对小众的 ASIC（Application Specific Integrated Circuit，专用集成电路）芯片领域，正成为半导体行业的新风口。与英伟达 GPU 在 AI 市场的一枝独秀不同，越来越多的云服务巨头选择定制专属的 AI 芯片，而为这些巨头提供设计服务的 ASIC 厂商们，正在迎来前所未有的黄金时代。

为什么是ASIC？

要理解 ASIC 如今的爆火，我们需要将时钟拨回到 20 世纪 80 年代初。彼时，半导体技术正经历深刻变革，单芯片所能承载的晶体管数量大幅提升，电子设备制造商不再满足于通用芯片，渴望拥有能精准适配自身产品需求、与竞争对手形成差异化的定制芯片。这种市场需求催生了 ASIC 这一全新芯片品类，开启了半导体产业的重大革命。

在 ASIC 出现之前，半导体行业遵循相对单一的商业模式：芯片公司预判市场需求，自主研发通用型芯片，批量制造后通过公开市场销售。但随着电子产品日益精密复杂，这种模式的矛盾逐渐显现。传统半导体企业缺乏细分应用场景的系统级知识，难以为特定市场设计专属芯片；而系统厂商虽清楚自身需求，却缺乏半导体设计能力和芯片制造资源。

正是在这样的产业断层中，VLSI Technology 和 LSI Logic 等企业开创了全新协作模式：系统厂商负责芯片功能定义和前端设计，ASIC 企业承担物理设计和制造环节。尽管最初被质疑为小众生意，但市场很快证明了其价值，到 2000 年时，LSI Logic 的营收已达 27.5 亿美元。

然而，传统 ASIC 模式存在局限，光刻掩模归 ASIC 企业所有，系统厂商更换供应商成本高昂。1990 年代初，台积电等专业代工厂的出现以及物理设计知识的普及和 EDA 工具的成熟，打破了这一僵局，催生了客户自有工具（COT）模式。但 COT 模式也暴露出新问题，芯片物理设计难度远超系统厂商想象，“设计服务企业” 应运而生。中国台湾的世芯、智原和创意等企业成为这一模式的代表，为 AI 时代的 ASIC 创新奠定了产业基础。

ASIC，迅速繁荣

到了 2010 年代，AI 的出现让 ASIC 真正得以大展身手。深度学习技术的突破性进展，使训练模型所需的算力呈指数级增长。通用 GPU 虽可胜任 AI 训练，但在面对神经网络特定计算模式时存在效率损失。谷歌在 2016 年公开的 TPU 芯片，专门针对 TensorFlow 框架下的神经网络推理优化，引发连锁反应，AI 迅速成为 ASIC 最重要、增长最快的应用领域。

与 GPU 等通用处理器不同，ASIC 从诞生之初就具有鲜明的 “专才” 特质，只为特定应用场景或功能而生，并将其做到极致。其优势主要体现在以下三个方面：

1.性能的极致优化：在 20 世纪 80 年代，ASIC 主要采用门阵列和基于单元设计两种制造技术。门阵列技术速度快、成本低，基于单元的设计灵活性强、能实现更高电路密度和性能。进入 AI 时代，通用处理器需兼顾各种计算需求，架构上需做出妥协；而 AI 专用 ASIC 可聚焦于神经网络计算的核心操作，如谷歌的 TPU，其性能可达同时期通用 GPU 的 15 - 30 倍，能效比提升 30 - 80 倍。

2.功耗的极致控制：回顾 ASIC 发展历史，能效优势一直是其核心卖点。在 1990 年代，ASIC 广泛应用于便携设备，延长电池续航时间；2000 年代，在多媒体设备领域大展身手。进入 AI 时代，功耗问题成为刚需，现代大型 AI 模型训练功耗巨大，冷却系统成本和环境影响不容忽视。ASIC 可精确控制每个计算单元的功耗特性，去除冗余电路，优化数据流动路径，减少能耗。在边缘 AI 场景中，其能效优势更加凸显，如苹果 iPhone 中的神经网络引擎、特斯拉的 FSD 芯片。

3.物理尺寸的优化：早在 1970 年代，ASIC 的前身定制化集成电路就应用于计算器和数字手表。到了 1980 年代，帮助视频游戏主机和家用电脑在小巧外形下实现复杂功能。在 AI 时代，空间优化重要性达到新高度，将 AI 能力集成为 ASIC 形式的协处理器，可与主处理器封装在同一芯片内，节省空间。

如今，ASIC 已成为 AI 基础设施中不可或缺的一环，几乎所有云服务巨头都涉足定制 ASIC 芯片。在 2025 年，博通和 Marvell 在 ASIC 市场赚得盆满钵满。博通 FY25Q2 财报显示，其 AI 业务收入超 44 亿美元，同比增长 46%；Marvell FY26Q1 数据中心营收达 14.41 亿美元，占总营收 76%，同比暴增 76%，主要驱动力是 AI 定制芯片的大规模出货。从市场份额来看，博通与 Marvell 形成近乎垄断的双寡头格局，合计占据 ASIC 市场超过 60% 的份额。

博通与谷歌合作超过 10 年，共同发布了六代 TPU 产品，最新的 TPUv7p 正在研发中。Marvell 则将重心放在亚马逊 AWS 身上，负责开发 Trainium 系列训练芯片和 Inferentia 系列推理芯片，并锁定了亚马逊 Trainium2 项目的大部分产能。Marvell 预测，到 2028 年，全球数据中心资本开支将突破 1 万亿美元，与 AI 加速算力相关的开支规模将达 3490 亿美元，ASIC 市场规模预计达 554 亿美元，复合年增长率高达 53%。

群雄逐鹿：传统芯片巨头的战略转型

在博通和 Marvell 疯狂赚钱之际，越来越多的传统芯片厂商开始战略转型：

英特尔：多年来难以跟上台积电等竞争对手的芯片制造能力，在 AI 市场缺乏竞争力产品线。最近成立中央工程集团（CEG），整合工程人才，拓展新的 ASIC 和设计服务业务。其最大优势在于完整产业链，可提供一站式服务，但与英伟达的合作带来了复杂的竞合关系。

高通：过去三年未从数据中心发展中获益，以 24 亿美元收购 Alphawave，强化 SerDes 能力。Alphawave 在高速连接和计算芯片领域领先，拥有多项高速连接 IP，涉足芯片组和定制 ASIC 领域。此次收购对高通具有多重战略意义，可拓展业务领域，加强 IP 组合，在定制芯片和 ASIC 市场站稳脚跟。

联发科：传统手机芯片厂商，成为云端 ASIC 设计服务重要玩家，拿下谷歌、Meta 等科技巨头订单。其核心竞争力在于 SerDes 技术，推出专为数据中心使用的 224G Serdes 并完成硅验证。与英伟达合作设计 GB10 Grace Blackwell 超级芯片，在云服务商市场取得突破。转向 ASIC 的原因是手机芯片市场竞争激烈，ASIC 设计服务可提供更高利润率和更稳定客户关系。

除了巨头，中国台湾的设计服务公司也成为全球 AI 芯片定制化趋势中的核心受惠者。世芯、创意、智原凭借与代工厂的合作关系、深厚技术积累和灵活商业模式崛起，联咏也涉足这一市场。世芯营收连续六年成长，2023 年度营收及获利创下历史新高，核心成长动能来自先进制程 AI 加速器量产订单。创意电子作为台积电的策略合作伙伴，2025 年 10 月合并营收创下单月历史新高，受惠于云巨头的 AI 相关 HPC 项目进入大规模量产阶段。智原在 HPC 与 5G 网络等领域的 IP 授权和 NRE 业务持续获得大案，正积极转向更高阶的 ASIC 设计。联咏成功完成以 Arm Neoverse CSS N2 为基础架构的高效能运算系统单芯片（SoC），标志着其从 “消费电子 IC 厂” 迈向 “AI 基础设施芯片提供者” 的角色转型。

在 ASIC 领域，国内厂商也在积极布局。芯原股份是我国 IP 授权领域龙头企业，一站式定制芯片业务有望在 AI、智驾等多元领域爆发，商业模式向 Chiplet 供应商演进。翱捷科技积累了大量自有芯片产品的设计和流片经验，可高效复用于 ASIC 定制服务，在手订单充足。灿芯股份依托与中芯国际的战略合作，巩固在 ASIC 定制服务领域的领先地位，积极布局 AI 算力芯片，推出适配 Chiplet 架构的高速接口 IP。

随着 AI 算力需求的持续增长，ASIC 市场正在经历前所未有的繁荣。但这个市场也面临诸多挑战，随着更多厂商加入 AI 定制芯片竞争，定制业务毛利率或将承压。不过，大势不可阻挡，ASIC 的全面崛起，不仅是技术演进的必然结果，更是产业分工深化的体现。在 AI 浪潮的推动下，定制芯片的黄金时代才刚刚开始。