大摩深度透视 ASIC 产业链：谁是大赢家？

在此情况下，英伟达凭借其在大型语言模型训练方面的优势，将继续占据主导地位。博通、世芯电子（Alchip）和 Socionext 被看好。Cadence、台积电及其供应链伙伴（ASE、KYEC 等）将从 ASIC 设计与制造的快速增长中获益。

大摩表示，ASIC 的崛起并不意味着 GPU 的衰退。相反，这两种技术将长期共存，为不同需求场景提供最佳解决方案。

ASIC 会成为英伟达的有力竞争者吗？

随着生成式 AI 应用的迅猛发展，全球 AI 计算需求呈现爆炸式增长。报告预计，基本情境下，到 2027 年，云端 AI 半导体市场规模将达到 2380 亿美元，而在乐观情境下甚至可能达到 4050 亿美元。

在这一领域，ASIC 凭借针对性优化和成本优势，有望逐步从英伟达 GPU 手中争取更多市场份额。

摩根士丹利预计，AI ASIC 市场规模将从 2024 年的 120 亿美元增长至 2027 年的 300 亿美元，年复合增长率达到 34%。

尽管英伟达的 AI GPU 性能卓越，但摩根士丹利认为，云服务提供商如谷歌、亚马逊和微软，仍在积极推动 ASIC 设计。这背后的驱动力主要有两个。

首先，是优化内部工作负载。通过开发自定义芯片，CSP 可以更高效地满足其内部 AI 推理和训练需求。

其次，是更好的性价比。报告指出，虽然英伟达的 GPU 具备强大的计算性能，但其硬件价格高昂，特别是在 AI 训练过程中。相比之下，ASIC 的单位成本更低，尤其是在大规模使用后。

例如，亚马逊的 Trainium 芯片在推理任务中比英伟达的 H100 GPU 便宜约 30% 至 40%。谷歌也在不断优化其 TPU 系列，最新的 TPU v6 在能效上比上一代提升 67%。

摩根士丹利强调，尽管英伟达的 GPU 仍是大多数 CSP 的首选，但未来几年内，随着 ASIC 设计的日益成熟，这些云巨头可能通过自研 ASIC 在采购谈判中获得更大话语权。

赢家与输家：谁将主导未来市场？

摩根士丹利在报告中梳理了全球 ASIC 供应链，并明确了六大可能的赢家：

• AI GPU：英伟达将继续主导市场，尤其是在大规模语言模型训练方面，其解决方案仍是最优选择。
• ASIC 供应商：博通、Alchip（世芯电子）和 Socionext 被视为 ASIC 市场的潜力股。其中，Alchip 由于与 AWS 的深度合作，预计将在 2026 年显著提升市场份额。
• 电子设计自动化工具：Cadence（楷登电子）有望实现结构性增长。
• 代工厂：台积电及其供应链伙伴（如 ASE、KYEC 等）将从 ASIC 设计与制造的快速增长中受益。
• 测试服务：Advantest 是 AI 芯片测试领域的领先者，其在 AI 设备测试方面的专注将为其带来显著增长。
• HBM：三星电子是非英伟达 HBM 市场份额领先者，将从 ASIC 需求增长中获益。

相比之下，一些传统芯片公司和代工厂可能面临挑战。例如，AMD 由于在 AI GPU 领域未能与英伟达拉近差距，或将失去更多市场份额。而 UMC 等缺乏先进工艺节点支持的代工厂也可能难以在高端 AI 芯片市场中分得一杯羹。

TCO 分析：ASIC 真的划算吗？

摩根士丹利通过 TCO 模型对比了 ASIC 和 GPU 在 AI 训练和推理任务中的成本效益。结果显示，尽管英伟达的 GPU 在性能上占据明显优势，但 ASIC 的初始成本较低，尤其适合预算有限的云服务提供商。

例如，在同等预算下，AWS 的 Trainium 2 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%。Trainium3 计划于 2025 年下半年推出，计算性能提高 2 倍，能效提高 40%。

不过，报告也指出，英伟达凭借其更成熟的系统集成能力和更强大的软件生态，仍在 TCO 计算中保持竞争力，特别是在需要灵活应对不同 AI 任务的场景中。

研报中提到，量子计算的潜在崛起可能会对 AI 半导体需求产生冲击，但目前来看，量子计算在 AI 推理领域的适用性较低，短期内难以取代 ASIC 和 GPU。此外，退役 GPU 也可能成为 ASIC 市场的威胁。一些云服务商可能选择通过使用退役 GPU 降低成本，而不是投资昂贵的 ASIC。

摩根士丹利总结道，ASIC 的崛起并不意味着 GPU 的衰退。相反，这两种技术将长期共存，为不同需求场景提供最佳解决方案。

在未来的 AI 市场中，ASIC 将凭借成本和能效优势争取更多份额，而英伟达则将继续依靠其技术领先性巩固市场地位。

文：长桥证券