算力需求转向推理端 我国ASIC芯片行业迎来广阔市场空间 国产企业加速崛起

前言：

随着AIGC产业从模型训练走向大规模商业应用，算力需求的中心正经历从“训练”到“推理”的关键转变。ASIC（专用集成电路）芯片凭借其针对特定任务深度定制所带来的极致能效比和成本优势，在智能驾驶、智能家居等海量终端部署场景中展现出比GPU更强的潜力，预计到2027年推理工作负载将占据中国服务器市场的72.6%。

同时，中国ASIC芯片行业已在AI推理、矿机等领域跻身全球前列，在“十四五”规划等国家政策的大力支持下，以华为昇腾、寒武纪为代表的国产厂商正抓住推理市场机遇，在全球超百亿美元规模的市场中加速追赶，未来发展前景广阔。

1、ASIC芯片在能耗、集成与价格方面相较GPU具备明显优势

ASIC（Application-Specific Integrated Circuit，专用集成电路）是一种根据特定应用需求定制设计的集成电路芯片。与CPU、GPU等通用型芯片不同，ASIC在设计阶段就针对某一特定任务或算法进行高度优化，从而实现更高的执行效率、更低的功耗及更优的成本控制。其计算架构可依据目标算法灵活定制，成为固定算法场景下的最优硬件实现形式。

根据观研报告网发布的《中国ASIC芯片行业发展深度分析与投资前景研究报告（2025-2032年）》显示，目前，ASIC芯片已广泛应用于人工智能设备、加密货币矿机、打印耗材控制、国防军事系统等多种智能终端与专业设备中，为核心功能提供稳定而高效的算力支持。

ASIC芯片拆解图

资料来源：观研天下整理

ASIC芯片市场主要应用场景

资料来源：观研天下整理

2、海量端侧需求拉动，推理市场空间值得重视，ASIC架构或更具优势

AIGC产业的发展正驱动算力需求结构发生关键转变：从模型训练走向商业应用推理。发展初期，大模型训练曾导致AI训练卡供不应求，并成就了英伟达的业绩神话；2023年训练服务器出货量随之大幅增长。然而，真正的增长潜力在于推理侧。数据显示，2023年上半年中国训练工作负载占比为49.4%，而到2027年，推理工作负载预计将攀升至72.6%。这也说明，当各大企业的模型趋于完善并推出应用产品后，推理算力将成为新的需求核心与市场焦点。

数据来源：观研天下整理

ASIC芯片专门用来优化神经网络推理或者矩阵运算任务，专注于特定用途或特定模型，相较GPU在功耗、可靠性、性能、成本等方面具备优势，因此更适于在端侧和用户侧部署，如智驾、AI眼镜、智能家居等。随着大模型平价化，预期AI产品将在更多应用场景下实现商业落地，ASIC芯片具备广阔的市场前景。

ASIC芯片性能优势

资料来源：观研天下整理

根据《Artificial-Intelligenceintegratedcircuits:ComparisonofGPU,FPGAandASIC》论文研究结果，ASIC拥有比GPU、FPGA更好的性能表现、更低的功耗。以ASIC架构的典型代表之一TPU为例，AlphaGo的早期版本是在CPU和GPU的集群上运行（2015年10月的分布式版本使用1202个CPU和176个GPU），后来的版本使用了TPU，取得了更好的效果。

3、全球ASIC芯片行业规模超百亿，中国市场发展前景广阔

得益于AI浪潮，近几年来全球ASIC芯片市场高速增长。数据显示，2021年，全球ASIC芯片市场规模为199亿美元，2023年达到392亿美元。未来，随着AI商业化进程提速，预期市场需求将加速扩容，2025年全球ASIC芯片市场规模预计将达到462亿美元，2021-2025年的年均复合增速高达23.4%。

数据来源：观研天下整理

而在中国市场，当前我国ASIC芯片行业已经从早期的技术跟随，发展到在特定应用领域实现全球并跑甚至领跑（如AI训练/推理芯片、矿机芯片），主要有以下因素驱动：

一是，人工智能算力需求爆炸。ChatGPT等大模型的兴起，引发了全球范围的AI算力竞赛。而通用GPU（如英伟达产品）面临供应紧张和出口管制风险，迫使中国科技巨头和初创公司纷纷自研AI ASIC，以确保算力自主和降低成本（TCO）。

二是，数据中心“降本增效”内在需求。阿里巴巴、百度、腾讯等云服务商为提升竞争力，持续投入自研ASIC，用于云上AI服务、视频处理、网络加速和存储管理等，旨在降低庞大的电力成本和运营开销。

三是，国家政策大力支持。“十四五”规划、”东数西算“工程以及“国家集成电路产业投资基金（大基金）”的持续投入，为ASIC在内的芯片行业提供了坚实的政策和资金后盾。

四是，自动驾驶、智能安防、机器人等新兴应用场景不断涌现，这类领域的AI应用需要在终端进行实时处理，对能效比要求极高，这为专用、低功耗的ASIC提供广阔市场。例如，智能汽车的自动驾驶域控制器、智能座舱等需要高性能、车规级的ASIC；海量的IoT设备需要超低功耗的专用芯片来处理传感器数据；5G-Advanced及未来6G技术的研发，离不开专用通信处理芯片。

4、海外AI巨头积极推进自研ASIC芯片布局，国产AI芯片厂商有望在推理领域逐步追赶

随着定制化算力竞赛逐渐进入深水区，海外AI巨头争相推进自研ASIC芯片布局。例如，英伟达自主研发的数据处理单元DPU属于ASIC芯片范畴，目标为数据中心等AI应用场景提供更优化的算力解决方案。

英特尔推出的视觉处理器VPU同样属于ASIC芯片，能够在机器视觉相关的AI任务中表现出色，适用于智能安防监控、自动驾驶等图像识别。

亚马逊发布的基于ASIC的AI芯片Trn2UltraServer和Amazon EC2 Trn2，通过单个Trn2结合多颗Trainium2芯片，可提供强大算力，助力AI应用在云端更高效地运行。

Meta通过与博通合作，最早将于2025年第四季度推出其首款AI ASIC芯片MTIA T-V1，规格或将超过英伟达下一代AI芯片“Rubin”。

海外AI巨头争相推进自研ASIC芯片布局

资料来源：观研天下整理

在国内市场，相较于训练芯片，推理芯片对生态及多卡互联要求较小，所以国产AI芯片厂商有望在推理领域逐步追赶。目前，国产厂商包括华为昇腾、寒武纪、燧原科技等厂商产品均基于ASIC架构，国内提供云服务的厂商如阿里、百度、腾讯等也推出了自研的ASIC芯片。

例如，华为的昇腾系列芯片是基于其自主研发的达芬奇架构设计的AI芯片，包括训练和推理芯片，其参数及表现在国内处于领先水平。昇腾处理器能满足不同部署环境差异性的算力需求，还具备自研HCCS接口，可以完成昇腾处理器之间的互联，最新一代昇腾910B的HCCS互联速度可达392GB/s，结合PCle5.0和RoCE接口可以组建更具规模的训练系统，全面释放硬件算力。

寒武纪的推理芯片包括MLU100、MLU270、MLU370和玄思1001等4个系列共8个产品，其中370系列在高密度云端推理领域具有明显优势。MLU370-X8提供256TOPS（INT8）的峰值算力，高于英伟达L20。2022-2023年，寒武纪市场认可度持续提升，先后与百川智能、中电工程、天瞳威视达成战略合作。

整体来看，全球ASIC芯片设计市场尚未形成明显的头部厂商，国产企业后续有望逐步追赶海外大厂。（WYD）