近期关于AI算力的GPU与ASIC路线讨论渐多，从推理角度看，ASIC在成本端优势明显，而GPU在通用性及生态上更胜一筹。若干年前，以太坊矿机也经历了从GPU到ASIC的迭代，从算力发展角度给我们诸多启发。
　　天下芯片，通久必专，专久必通。回望芯片发展历史，从CPU，到图像与深度学习时代大放异彩的GPU，再到矿机ASIC的异军突起。芯片发展一直遵循着上述规律。某类需求的爆发，推动通用芯片中的某一功能独立并形成ASIC，来更好的满足需求。通用芯片发现需求，专用芯片满足需求，这就是半导体行业面对人类需求时的解决之道，归根结底，客户的需求决定一切。
　　大模型算力需求急剧膨胀，推理ASIC路径逐渐明晰。在GPT的推动下，世界迅速进入了大模型的新纪元。在Transformer算法下，算力大小成为了模型迭代的关键因素，全球对于算力卡的需求迅速井喷，能够先一步满足算力需求的通用GPU变得一卡难求。经过一年发展，大家对于Transformer认可度逐渐提升，同时算力的需求持续加速，促使相关ASIC浮出水面。以谷歌TPU，Groq为代表的优秀ASIC作品逐渐摸索出了以堆料矩阵乘法核构建“流水线”式处理流程的设计思路，在舍弃通用GPU冗余小核提高性能的同时，也较好针对Transformer做了优化。
　　以矿机为鉴，需求和算法确定性是ASIC起量关键。复盘矿机AISC发展之路，受益币价上涨，算力需求井喷，且算法固定的比特币在问世的3年内快速完成了矿机的全面ASIC化。而币价前期走势较弱，算力需求不稳定，且一直存在转POS（停止挖矿）预期的ETH则在结束挖矿时仍未完成ASIC化。由此可见，稳定且大量的客户需求、算法的确定性，是ASIC放量的关键。
　　软件有望成为算力构筑第三极。ASIC时代，编译器成为了产品设计的壁垒，如何有效的连接“流水线”中的计算单元与存储，如何在无小核辅助的情况下整理进入计算核的数据，编译器的难度陡然提升。同时，如何在CUDA生态对第三方“兼容”之路封锁加剧的情况下，做出好用的软件与生态，让用户较为舒适的进行切换，也将成为新进入玩家需要面临的问题。
　　兼听则明，ASIC是通往AGI中不可或缺的一环。“硬件的使用者和开发者往往对立”，这一现象似乎正在AI芯片界再次出现，当下，AI工程师们普遍希望停留在舒适的CUDA生态，忽视通用芯片的冗余元件和低效。而芯片架构师们则在努力地创造ASIC架构，降低最底层的计算成本。而最终决定双方胜负的，唯有需求，需求足够大，算力的建设方终将为ASIC的性价比而买单，需求不明朗，客户则会先采购通用的产品然后继续观望。全局来看，AI的叙事足够宏大，与比特币的一轮完全替代不同，AISC与通用芯片将螺旋发展，通用芯片探索新算法与模型、ASIC将通过降本使得需求得以释放，繁荣的生态吸引更多用户与参与者，最终培育出新的、更强的算法，循环往复，螺旋上升，最终达成AGI的宏伟目标。
　　投资建议：关注五大环节，一线晶圆厂，ASIC设计龙头，散热厂商，ASIC芯片公司、服务器。
　　晶圆厂：台积电（TSMC）、英特尔（INTC）、中芯国际；
　　AISC设计龙头：美满电子（MRVL）、博通（AVGO）；
　　散热厂商：英维克、中航光电、高澜股份；
　　ASIC芯片公司：寒武纪、芯原股份、嘉楠科技（CAN）；
　　服务器龙头：工业富联、高新发展、中科曙光、紫光股份。
　　风险提示：AI发展不及预期，AI算法切换风险，ASIC用户认可度低的风险