ASIC：人工智能专用芯片，龙头强者恒强

随着机器学习、边缘计算的发展，大量数据处理任务，对计算效率、计算能耗等都提出了更高的要求。

常见的AI加速芯片按照技术路线可以分为GPU、FPGA、ASIC三类。

按照CPU、GPU、FPGA、ASIC顺序，芯片算力水平逐渐增加，其中ASIC算力水平最高，在1万-1000万Mhash/s之间。#人工智#

ASIC（ApplicationSpecificIntegratedCircuit）专用集成电路：是一种为专门应特定用户要求和特定电子系统的需要而设计、制造的集成电路。

ASIC具有较高的能效比和算力水平，但通用性和灵活性较差。#芯片#

能效方面：由于ASIC是为特定应用程序设计的，其电路可以被高度优化，以最大程度地减少功耗。

根据BobBroderson数据，FPGA的能效比集中在1-10MOPS/mW之间。

ASIC的能效比处于专用硬件水平，超过100MOPS/mW，是FPGA的10倍以上。#ASIC#

算力方面：由于ASIC芯片的设计目标非常明确，专门为特定的应用场景进行优化，因此其性能通常比通用芯片更高。

ASIC可以针对专门任务进行架构层优化设计。在早期，ASIC的下游应用场景主要为各领域智慧终端设备，因此在终端推断市场规模较大。目前，随着云端算力需求的不断增加，ASIC凭借出色的算力水平开始在云端推断领域快速渗透。

行行查 | 行业研究数据库 资料显示，目前市场上主流ASIC有TPU芯片、NPU芯片、VPU芯片以及BPU芯片，它们分别是由Google、寒武纪、Intel以及地平线设计生产。

由于ASIC开发周期长，仅有大厂有资金与实力进行研发。同时，ASIC是全定制芯片，在某些特定场景下运行效率最高，故某些场景下游市场空间足够大时，量产ASIC芯片可以实现丰厚的利润。

KBVResearch报告数据显示，2019-2025年，全球ASIC芯片市场规模预计将达到247亿美元，在预测期内以8.2%的复合年增长率增长。

市场格局方面来看，全球 ASIC 领域 呈现百花齐放局面，虽早期 ASIC 芯片以谷歌 TPU 为代表性产品，但如今中国 ASIC 厂商已实现加速追赶，显著缩小国内外产品技术差距与应用表现。

国外谷歌、英特尔、英伟达等科技巨头相继发布了TPU、DPU等ASIC芯片，国内寒武纪、比特大陆、地平线、澜起科技等公司也都推出了深度神经网络加速的ASIC芯片。#4月财经新势力#

ASIC在研发制作方面一次性成本较高，但量产后平均成本低，具有批量生产的成本优势。

目前人工智能属于大爆发时期，大量的算法不断涌出，远没有到算法平稳期，ASIC专用芯片如何做到适应各种算法是当前最大的问题。但随着技术、算法的普及，ASIC将更加具备竞争优势。

关注乐晴智库，洞悉产业格局！