计算机行业深度：国产ASIC：PD分离和超节点— ASIC系列研究之四
　　ASIC与GPU商业模式差异：专用与通用。技术层面，两者均由计算核、存储模块和I/O模块组成，随AI模型结构变化与应用场景丰富，边界趋同；但商业上，ASIC是与下游场景高度耦合的专用芯片，聚焦文字/视频推理等特定需求，GPU则需覆盖全场景，属通用芯片。
　　ASIC成本效益比获验证，迎来发展拐点。ASIC在能效与成本上优势突出，谷歌TPU v5能效比为英伟达H200的1.46倍，亚马逊Trainium2训练成本较GPU方案降低40%，推理成本降55%。服务商博通2024年AIASIC收入122亿美金，2025年前三季度达137亿美金，季度环比增速已超越英伟达。2024H2以来谷歌TPU产品性能、出货规模迅速增加，验证ASIC需求。
　　AI渗透率持续提升带动推理需求激增，拓宽ASIC市场空间。推理侧注重吞吐与成本，ASIC更具优势，且推理收入与吞吐量直接挂钩。ChatGPTC端WAU截至2025年7月达7亿，OpenRouter统计的Token消耗量近一年翻近10倍，驱动推理算力需求提升。外采芯片需承担厂商利润（英伟达FY2025净利率达57%），规模效应下外采成本高于自研。根据AMD，2028年全球AIASIC市场规模有望达1250亿美金。博通预计2027年大客户ASIC可服务市场为600-900亿美元。
　　ASIC设计服务商：高复杂度行业专业分工的必要环节。ASIC设计需前端需求定义与后端技术落地，云厂商多依赖服务商。全球主要服务商中博通、Marvell份额最大。谷歌TPU的成功离不开与博通的合作，博通的核心优势包括：30亿美金投入积累的完整IP体系、TPU设计经验、与台积电合作的3.5DXDSiP封装技术、领先的高速互联与CPO技术。芯片设计连贯性带来高客户转换成本，巩固其地位。
　　风险提示：技术路线不确定的风险；技术研发迭代进展不及预期；供应链稳定风险。
　　(联系人：曹峥)