21世纪经济报道记者 孙燕，邓浩

大模型的横空出世，带动AI训练芯片王者英伟达股价不断创新高。而这个AI叙事的另一边，随着应用端推理需求的大爆发，大厂同步加码定制ASIC芯片以降本稳供成为风潮。

8月20日晚间，本土ASIC设计服务提供商龙头芯原股份（688521.SH）发布股票交易异常波动公告，该公司股票交易连续三个交易日内收盘价格涨幅偏离值累计超过30%。

消息面上，近日，芯原股份等ASIC产业链厂商披露了超预期表现。如芯原股份透露，截至2025年第二季度末，该公司的在手订单中，一站式芯片定制业务占比近90%。

从板块来看，ASIC芯片指数（8841901.WI）8月以来已涨超20%。成分股中，截至8月22日收盘，寒武纪（688256.SH）涨停，中芯国际（688981.SH）、恒烁股份（688416.SH）均涨超10%。

从技术架构来看，AI芯片主要分为图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、类脑芯片四大类。其中，ASIC是针对AI需求特征的全定制芯片。

近年来，谷歌、Meta等科技巨头均加大投入自研ASIC芯片。

云岫资本AI/智能制造组副总裁庄昌磊告诉21世纪经济报道记者，大型互联网公司有其主导的优势业务，如Meta的推荐系统、谷歌的搜索。为其核心业务定制ASIC芯片，比采用通用GPU能够更深度地软硬件协同优化，提升业务效率。

这也带动了传统芯片厂商ASIC业务的增长。

海外巨头方面，Marvell在FY2025Q4收入同比增长27%，达到18.17亿美元。其中，数据中心业务是该公司最大的增长引擎，而ASIC在数据中心业务中的收入占比达到25%。

民生证券研报测算，2024年，芯原股份的ASIC业务高速增长，实现营收约7.25亿元，同比增长47.18%，占整体营收比例超30%。

ASIC业务高涨背后，是随着AI应用深入，呈爆发式增长的推理计算需求。庄昌磊指出，推理任务一旦模型固定，计算流程相对稳定。ASIC能为特定算法进行定制化设计，剔除无用模块，实现极高的能效比和更低成本。

“对于大厂而言，随着业务模型训练需求逐步收敛，部分的定制化需求可转向性价比更高的ASIC芯片。”罗兰贝格全球合伙人吴钊告诉21世纪经济报道记者，国产替代和供应安全的考量也会加速ASIC芯片国产玩家的份额提高。

展望未来，博通预计，到2027年，其三家大客户的ASIC SAM（可达市场规模）将达到600亿-900亿美元。

另外在6月18日的Custom AI Investor Event会上，Marvell还上修2028年全球ASIC市场规模预期至554亿美元，较前次预测429亿美元上调29%。

从ASIC的产业链分布来看，主要分为前端、后端和流片三个环节。中信证券认为，各ASIC厂商技术能力，更多的是体现在IP能力（如：计算单元、接口单元、HBM或者网络单元）。

庄昌磊对记者表示，目前来看，芯片设计、特定IP模块以及系统集成是国内企业更易切入和受益的环节。

据了解，在芯片设计环节，国内华为昇腾、寒武纪等已推出产品。其中，寒武纪思元590、华为昇腾910C等被列入第一梯队。

庄昌磊表示，“国产AI芯片的销售额增速显著（112%），几乎是国外芯片的三倍，这直接利好设计公司。”

而在IP授权与芯片定制服务环节，庄昌磊认为，芯原股份等企业提供IP授权和芯片定制服务，在ASIC设计中扮演关键角色。随着更多企业尝试自研芯片，这类服务商将迎来机会。

在ASIC产业链中，资本和技术壁垒最高的环节是制造与封装。

吴钊认为，国内AI芯片企业以Fabless模式为主，先进制造的晶圆制造及先进封装是下一步国产化突破的关键点。

庄昌磊也表示，“国产7nm工艺据传已能大规模接单，但高端制程（如4nm）仍依赖台积电等厂商。先进封装（如HBM） 对AI芯片性能至关重要，是亟需突破的领域。”

就ASIC服务商而言，东吴证券认为IP设计能力和SoC设计能力最为关键。

比如海外大厂博通、Marvell、AIChip等都具备完整SoC的设计能力，其中博通与谷歌、Meta合作，Marvell联手亚马逊，二者占ASIC市场份额合计超过六成。

在IP设计领域，定制芯片的IP主要包含计算、存储、网络I/O及封装四部分。服务提供商一般不涉及计算部分架构的设计，只提供相应设计流程及性能优化。

东吴证券认为，博通、Marvell针对这四部分均有较全面的布局，国内厂商如芯原针对处理器IP有较深技术积累，其他部分如先进封装Chiplet等正在积极布局。其中SerDes IP对大规模芯片互连极其重要，国外厂商达到224G速率及以上，国内多数厂商已具备112G技术实力。

而随着ASIC景气度的提高，业内也出现了“ASIC有望跑赢GPU”的声音。

庄昌磊指出，在推理领域，ASIC已显现优势：特别是在算法固化、大规模部署的推理场景，ASIC凭借极致能效和低成本，正在侵蚀原属GPU的市场份额。许多企业将训练用GPU，推理用ASIC作为混合架构。

但在训练领域，GPU统治地位短期难撼动：AI模型，尤其是前沿大模型的训练算法迭代飞快，需要硬件高度灵活。ASIC缺乏灵活性，难以应对快速迭代，用于训练风险高、性价比低。

吴钊认为，GPU和ASIC有各自的技术优势，在算力、能效和兼容性等方面各有特点。未来的技术路线发展取决于在其对于训练及推理产品及不同的下游应用如智算中心、互联网、小B端等客户的需求满足，市场也会受到不同类型芯片实际可供给量的直接影响。

拉长时间线看，庄昌磊认为，ASIC要在更广泛意义上“跑赢”GPU，需满足几个关键前提。他指出，算法和模型架构趋于稳定，是ASIC能发挥定制优势的根本前提。“若AI出现革命性变革，为旧算法定制的ASIC可能失效。”

此外，一方面，ASIC需要构建成熟的软件栈，降低开发者使用门槛，这是比硬件设计更大的挑战。另一方面，ASIC一次性研发投入巨大，需要足够大的出货量来摊薄成本实现盈利，这通常需要大厂支持或找到爆发性应用场景。

“ASIC和GPU在未来更可能是一种共存互补的关系，而非简单替代。”庄昌磊认为，GPU继续主导需要高灵活性的领域，如训练、复杂模型研发；而ASIC则在特定、成熟的推理场景中占据主导，并在自动驾驶、物联网终端等特定垂直领域大放异彩。