本文由半导体产业纵横（ID：ICVIEWS）综合

ASIC难以挑战英伟达的GPU主导地位。

专用集成电路 (ASIC) 在人工智能 (AI) 领域的应用日益广泛，引发了有关 Nvidia 的 GPU 市场领导地位可能面临竞争的讨论。然而，摩根士丹利 (Morgan Stanley) 最近的一项分析表明，ASIC 对 Nvidia 在该领域的地位威胁甚微。

据摩根士丹利预测，英伟达将在 2025 年投入 160 亿美元用于研发，以加强其技术优势。

该公司保持四到五年的开发周期，三个专门的设计团队每 18 到 24 个月推出新的 GPU 架构。此外，英伟达在互连技术方面的大量投资提高了机架和集群级别的性能，进一步巩固了其在 AI 基础设施领域的领先地位。

尽管定制 ASIC 具有适应性，但它并未颠覆 AI 训练和推理，因为 AI 训练和推理仍然主要依赖于商用现成解决方案。Nvidia 通过卓越的高带宽内存 (HBM) 和 CoWoS 采购保持成本优势，从而能够提供更具竞争力的 AI 硬件。

虽然定制 ASIC 的成本仅为每台 3,000 美元，而 Nvidia 的 H100 GPU 则高达 20,000 美元左右，但实际总拥有成本 (TCO) 却显示出不同的情况。摩根士丹利强调，基于 ASIC 的集群通常需要昂贵的光纤互连，而 Nvidia 的 NVLink 技术则采用更实惠的铜基解决方案。因此，ASIC 的成本优势并不像人们普遍认为的那样显著。

定制 ASIC 的开发需要大量的软件工程资源，而 Nvidia 的 CUDA 生态系统提供了一个成熟且对开发人员友好的平台。这个完善的软件框架加速了 AI 开发，增强了 Nvidia 的竞争地位。

大摩表示，有时候是的——在针对更狭窄的应用场景时，定制ASIC非常具有吸引力。ASIC是为特定的云服务提供商或企业客户定制的芯片，能够提供更高的性能和效率，因此具有差异化的市场竞争优势。

比如谷歌TPU（张量处理器）的成功——成功的原因是谷歌发明了现代LLM的Transformer技术，并指导博通开发了一款专门为此优化的芯片，这也为博通带来了超过80亿美元的收入。

不过，英伟达正在通过优化其GPU来适应Transformer模型，重新夺回市场份额。而且，在云计算领域，商用GPU往往比ASIC更具竞争力。

到 2024 年，商用 AI 芯片将占据全球 AI 半导体市场的 90%，其中 Nvidia 以 980 亿美元的收入领先，其次是 AMD，收入为 50 亿美元。相比之下，定制 ASIC 仅占 10%，其中 Broadcom 以 80 亿美元的收入领先。

摩根士丹利预计，2025 年 GPU 市场份额将进一步增长，英伟达的增长率将超过谷歌的 TPU 开发速度 50-100%。此外，亚马逊计划将 ASIC 采购额增加到 40 亿美元，但其从英伟达的采购量预计将翻一番，这表明对英伟达 AI 芯片的需求持续存在。

2月17日晚，马斯克旗下AI公司xAI发布了Grok 3及其精简版Grok 3 mini。发布会采用视频直播形式，观看人数超过100万人。Grok 3是xAI对OpenAI的o3-mini和的R1等模型的回应，它可以分析图像和回答问题，并为X上的许多功能提供支持。前天马斯克就在X上造势称，Grok 3是“地球上最聪明的人工智能”。

在发布会上，马斯克和三位xAI的工程师一起演示了Grok 3的各种功能。马斯克在直播演示中声称，Grok 3在包括AIME（测试模型在数学问题上的表现）和GPQA（测试模型在博士级物理、生物和化学问题上的表现）在内的基准测试中击败了所有的市面上所有模型。

马斯克似乎也并非在打“诳语”。从AI基准测试开放平台lmarena.ai放出的截图看，测试数据显示，早期版本的Grok 3（代号chocolate）在Arena排行榜上拿下了第一，吊打其他主流AI大模型，并且，Grok 3还是第一个获得超过1400分的模型。

此前有新闻报道，马斯克组建了一个配有十万块H100 GPU的、世界上最大的超级计算机集群Colossus来帮助训练Grok模型。在此次直播中，马斯克透露，实际上到训练进行到92天时，集群的规模已经扩大到了20万块GPU。

摩根士丹利预测 ASIC 市场规模将从 2024 年的 120 亿美元扩大到 2027 年的 300 亿美元，尽管这一增长低于早先的行业预期。

摩根士丹利认为，英伟达面临的最大长期挑战是2026年后人工智能投资可能放缓，再加上美国出口管制对半导体行业的影响，而不是来自ASIC的竞争。