1. 科技云首页
  2. 手机

ASIC 会不会取代 GPU？

小科 • • 手机 • 阅读 13

最近这段时间，美国股票市场的动静比较大。有两个科技股概念，突然变得很火，引起了市场的高度关注，涨幅惊人。这两个概念，分别是 ASIC 和量子计算。

今天这篇文章，我们主要说说 ASIC。

按资本市场的说法，ASIC 正在加速崛起，威胁 GPU 在 AI 计算中的统治地位。而博通，作为 ASIC 最重要的概念股，股价一路猛涨，一度从 180 飙到了 250，市值也突破了万亿美元。相比之下，英伟达反而成了昨日黄花，股价一路下跌，甚至不到 130 美元。

ASIC 会不会取代 GPU？

博通股价

那么，ASIC 时代真的到来了吗？博通真的会取代英伟达，成为新的 AI 之王？

█ ASIC 和 GPU 是什么

ASIC 和 GPU，都是用于计算功能的半导体芯片。因为都可以用于 AI 计算，所以也被称为“AI 芯片”。

准确来说，除了它俩，计算芯片还包括大家更熟悉的 CPU，以及 FPGA。

行业里，通常会把半导体芯片分为数字芯片和模拟芯片。其中，数字芯片的市场规模占比较大，达到 70% 左右。

数字芯片，还可以进一步细分，分为：逻辑芯片、存储芯片以及微控制单元（MCU）。CPU、GPU、FPGA、ASIC，全部都属于逻辑芯片。

ASIC 会不会取代 GPU？

芯片的分类

逻辑芯片，就是计算芯片。它包含了各种逻辑门电路，可以实现运算与逻辑判断功能。

四个芯片里，CPU 和 GPU 是通用芯片，可以完成多种任务。尤其是 CPU，是全能型选手，单核主频高，啥都能干，所以经常被拿来做主处理器。

而 GPU，本来是用来做图形处理（显卡）的。它的内核数量特别多（大几千个），适合做并行计算，也就是擅长同时做大量的简单计算任务。（图形处理，就是同时处理大量的像素计算。）

ASIC 会不会取代 GPU？

AI 计算和图形计算一样，也是典型的并行计算型任务。

AI 计算中包括大量并行的矩阵相乘、卷积、循环层、梯度运算等任务，所以，特别适合 GPU 去完成。CPU 不适合 AI 计算，这也是英特尔股价跌到 20 美元以下的原因之一。

2023 年以来，AI 浪潮爆发，大部分企业的 AI 训练，采用的是英伟达的 GPU 集群。如果进行合理优化，一块 GPU 卡，可以提供相当于数十其至上百台 CPU 服务器的算力。这直接导致了英伟达的股价猛涨了几十倍，而且还买不到。

ASIC 会不会取代 GPU？

NVIDIA HGX A100 8 GPU 组件

再来看看 ASIC 和 FPGA。

ASIC（Application Specific Integrated Circuit，专用集成电路），是一种专用于特定任务的芯片。ASIC 的官方定义，是指：应特定用户的要求，或特定电子系统的需要，专门设计、制造的集成电路。

ASIC 会不会取代 GPU？

Google 公司大名鼎鼎的 TPU（Tensor Processing Unit，张量处理单元），还有前几年很火的比特币矿机，英特尔的 Gaudi 2 ASIC 芯片，IBM 的 AIU，AWS 的 Trainium，都属于 ASIC 芯片。

这几年非常火的 DPU（Data Processing Unit，数据处理单元）和 NPU（Neural Processing Unit，神经网络处理单元），也是 ASIC 芯片。

FPGA（Field Programmable Gate Array，现场可编程门阵列），是半定制芯片，也被人称为“万能芯片”。FPGA 可以根据用户的需要，在制造后，进行无限次数的重复编程，以实现想要的数字逻辑功能。

ASIC 和 FPGA 的区别在于，AISC 是全定制芯片，功能写死，没办法改。而 FPGA 是半定制芯片，功能灵活，可玩性强。FPGA 不需要流片（很烧钱的一个工序），但因为可编辑，冗余功能比较多，一旦用于单一目的，就会存在浪费。大规模生产的情况下，FPGA 的成本比 ASIC 高，且极致能效不如 ASIC。

所以，FPGA 现在多用于产品原型的开发、设计迭代，以及一些低产量的特定应用，或者用于培训和教学。它适合那些开发周期必须短的产品，也经常用于 ASIC 的验证。

反正，大家记住，大规模出货用于 AI 计算，一般不考虑 FPGA。

所以，AI 芯片，也就是 GPU 和 ASIC 之争。

█ GPU 和 ASIC，到底谁厉害？

ASIC 作为专用定制芯片，基于芯片所面向的专项任务。它的计算能力和计算效率都是严格匹配于任务算法的。芯片的核心数量，逻辑计算单元和控制单元比例，以及缓存等，整个芯片架构，也是精确定制的。

所以，ASIC 可以实现极致的体积、功耗。这类芯片的可靠性、保密性、算力、能效，都会比通用芯片（GPU）更强。

例如，在同等预算下，AWS 的 Trainium 2（ASIC 芯片）可以比英伟达的 H100 GPU 更快速完成推理任务，且性价比提高了 30-40%。明年计划推出的 Trainium3，计算性能更是提高了 2 倍，能效提高 40%。

ASIC 会不会取代 GPU？

但是，为什么这两年一直火的都是 GPU 呢？

主要是因为英伟达太猛。

英伟达在 AI 上也是歪打正着。当年 AI 大佬辛顿（就是那个新晋诺贝尔奖得主）带着徒弟使用 GPU 做 AI 训练，获得巨大突破，才让英伟达发现自己竟然还有这样的泼天富贵。

然后，英伟达就开始在 AI 发力，拼命做更厉害的 GPU（当然，也有游戏的带动）。

在英伟达的持续努力下，GPU 的核心数和工作频率一直在提升，芯片面积也越来越大。算力越强，有利于缩短训练时间，加快产品发布，这也是重要优势。

当然，算力变强，功耗也水涨船高。但是，靠工艺制程、水冷等被动散热，勉强也能兜得住，反正不会烧掉。

除了硬件之外，英伟达在软件和生态方面也很会布局。

他们捣鼓出来的 CUDA（AI 开发的软件套件），是 GPU 的一个核心竞争力。基于 CUDA，初学者都可以很快上手。所以，英伟达的 GPU 方案，被全球用户广泛接受，形成了牢固的生态。

相比之下，FPGA 和 ASIC 的开发还是太过复杂，不适合普及。

ASIC 之所以在 AI 上干不过 GPU，和它的高昂成本、超长开发周期、巨大开发风险有很大关系。现在 AI 算法变化很快，ASIC 这种开发周期，很要命。

综合上述原因，GPU 才有了现在的大好局面。

值得一提的是，前面说了，AI 计算分为训练和推理两种。训练任务，需要更强大的算力，所以在 AI 训练上，厂商们主要以 GPU 为主。

推理任务的话，算力要求要低一点，也不需要什么并行，所以 GPU 的算力优势没那么明显。很多企业，就会开始采用更便宜、更省电的 FPGA 或 ASIC，进行计算。

这个情况，一直持续到了现在。AI 芯片，GPU 的占比能达到 70% 以上。

如今，因为大家实在是“苦英伟达久矣”，不想总被英伟达“卡脖子”，所以非常希望算力多元化。再有，大模型现在从“训练热”走向了“推理热”。推理类的 AI 计算需求增加，给了 ASIC 机会。

所以，扶持 ASIC 产业链，提升 ASIC 芯片在 AI 领域的占有率，成为了大家的共识。这才有了博通和 Marvell 股价的猛涨。（据说，博通正与三个大型客户开发 AI 芯片，预计 2025 年 AI 芯片业务收入达到 150 亿-200 亿美元。）

那么，取代就真的那么容易吗？ASIC 会很快淘汰掉 GPU 吗？

显然不是的。

凭借前面提到的性能、生态、集成能力等方面的优势，英伟达的 GPU 仍然会是中短期内的 AI 芯片首选。英伟达的软硬件网络整套方案都很成熟，技术和资金实力太强，GPU 的存量和出货量依然很大，市场地位难以撼动。

ASIC 的崛起速度虽然很快，但仍需要一定的时间走向成熟。AI ASIC 芯片的研发，也具有很高的风险。即使研发成功，也需要时间被用户所接受。

这就意味着，在很长的一段时间内，GPU 和 ASIC 都将处于共存状态。基于不同的场景，用户会选择最适合自己的芯片。发展自研 ASIC，更多是有利于厂商们和英伟达进行谈判砍价。

未来的情况还是比较难预测的。量子计算是不是会对计算领域造成颠覆式影响，现在也是讨论的热点。

好了，以上就是今天文章的全部内容。感谢大家的耐心阅读！

本文来自微信公众号：鲜枣课堂（ID：xzclasscom），作者：小枣君

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。

文章来源于互联网:IT之家-ASIC 会不会取代 GPU？

赞 (0)
小科小科
0 0
上一篇 23小时前
下一篇 23小时前

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

记住昵称、邮箱和网址，下次评论免输入