西南证券2024年12月发布的关于AI ASIC的科技前瞻专题报告，深入分析了AI ASIC芯片市场，涵盖市场前景、与GPU对比、北美四大CSP自研情况及相关标的等内容。
一、ASIC 芯片市场前景
大型CSP资本支出增加：北美四大CSP在2024年前三季度资本支出规模达1708亿美元，同比增长56%，主要受AI竞赛、算力稀缺等因素驱动。
适应不同需求：ASIC能满足大型CSP在内部工作负载架构优化、降低功耗成本、定制内存和I/O架构等方面的需求，可适应多种业务场景和商业模式。
市场需求大：训练集群对加速计算芯片需求提升到万卡级别，推理集群数量预计达百万级别，推动ASIC快速成长。预计2028年数据中心ASIC市场规模将升至429亿美元，年复合增长率达45.4%。
二、ASIC与GPU的对比
硬件性能：ASIC针对特定算法和应用优化，在特定任务计算能力强、能效比高、吞吐量高，但绝对算力和片间互联低于AI GPU。
算力成本：ASIC单位算力成本更低，如谷歌TPU v5、亚马逊Trainium 2的单位算力成本分别为英伟达H100 的70%、60%。
软件生态：ASIC软件生态相对单一，编程难度大，但云厂商为其研发了配套软件；GPU软件生态丰富成熟，但在特定任务优化程度不如ASIC。
适用场景：ASIC更适用于推理，GPU更适用于训练。
三、北美四大CSP自研AI ASIC
谷歌 TPU：已迭代6代，TPU v6 Trillium 预计2024年下半年推出，相比TPU v5e，能效提高67%，峰值性能提高3.7倍。
亚马逊：Trainium用于训练，Inferentia用于推理，两代产品性能均有显著提升，且配套AWS Neuron SDK优化机器学习性能。
微软 Maia 100：用于Azure上运行AI工作负载，采用台积电5nm制程，性能超过英伟达A100 28%，且有配套软件支持快速部署和模型移植。
Meta MTIA：MTIA v2用于AI推理，提升了Meta推荐模型效率，软件堆栈与多种框架集成，提高开发者编程效率。
四、相关标的（美股）
博通：AI业务占比不断提升，预计2024年实现超100亿美元收入，占比达35%。广泛的IP储备为ASIC产品线赋能，产品落地快，与客户联合开发多款XPU，收入和利润率稳步增长。
Marvell：AI业务预计2024 – 2026财年加速增长，数据中心业务市场空间大。其加速计算基础设施平台布局完善，定制计算产品线丰富，客户涵盖美国3/4的大型CSP，业绩弹性大。
风险提示：AI产业发展不及预期、大型科技企业资本支出不及预期、GPU竞争等风险可能影响AI ASIC市场发展
原报告：《AI ASIC：算力芯片的下一篇章》，西南证券。
报告下载：
VCAI.CN 原创文章，转载请注明出处：https://vcai.cn/index.php/yanbao-asic-xinan-20241215/
