正文
能耗方面，根据SemiAnalysis的测算，10万卡H100集群，总功耗为150MW，每年耗费1.59TWh的电量，按0.078美元/千瓦时计算，每年电费高达1.239亿美元。
对照OpenAI公布的数据，推理阶段GPU的算力利用率仅30%-50%，“边算边等”现象显著，如此低效的性能利用率，在推理时代，确实是大材小用，浪费过于严重。
谷歌此前公布的TPU V4与A100针对不同架构模型的训练速度
性能领先、价格昂贵，效率不佳，外加生态壁垒，过去一年业内都在喊“天下苦英伟达久矣”——
云厂商逐渐丧失硬件自主权，叠加供应链风险，再加上AMD暂时还“扶不起来”，诸多因素倒逼巨头开始自研ASIC专用芯片。
正如西南证券的研究结论，“当模型架构进入收敛期，算力投入的每一美元都必须产出可量化的经济收益。”
从北美云厂商最近反馈的进展看，ASIC已体现出一定的替代优势：
-
谷歌：博通为谷歌定制的TPU v5芯片在Llama-3推理场景中，单位算力成本较H100降低70%。
-
亚马逊：3nm制程的AWS Trainium 3，同等算力下能耗仅为通用GPU的1/3，年节省电费超千万美元；据了解，亚马逊Trainium芯片2024年出货量已超50万片。
-
微软：根据IDC数据，微软Azure自研ASIC后，硬件采购成本占比从75%降至58%，摆脱长期被动的议价困境。
作为北美ASIC链的最大受益者，博通这一趋势在数据中愈发显著。
博通2024年AI业务收入37亿美元，同比增240%，其中80%来自ASIC设计服务。2025Q1，其AI业务营收41亿美元，同比增77%，同时预计第二季度AI营收44亿美元，同比增44%。
早在年报期间，
博通指引2027年ASIC收入将大爆发，给市场画了3年之后ASIC芯片将有望达到900亿美元的市场规模这个大饼
。
Q1电话会期间，公司再次重申了这一点。
凭借这个大的产业趋势，博通也成为全球继英伟达、台积电之后，第三家市值破1万亿美元的半导体公司，同时也带动了海外对于Marvell、AIchip等公司的关注。
图：市面主流GPU与ASIC算力成本对比 资料来源：西南证券
不过，有一点需要强调——
“ASIC虽好，但也不会杀死GPU”。
微软、谷歌、Meta都在下场自研，但同时又都在抢英伟达B200的首发，这其实说明了双方之间不是直接的竞争关系。
更客观的结论应该是，GPU仍将主导高性能的训练市场，推理场景中由于GPU的通用性仍将是最主要的芯片，但在未来接近4000亿美元的AI芯片蓝海市场中，ASIC的渗透路径已清晰可见。
IDC预测，2024-2026年推理场景中，ASIC占比从15%提升至40%，即最高1600亿美元。
