智通財經APP獲悉，國泰君安證券發佈研報認爲，ASIC針對特定場景設計，有配套的通信互聯和軟件生態，雖然目前單顆ASIC算力相比最先進的GPU仍有差距，但整個ASIC集羣的算力利用效率可能會優於可比的GPU，同時還具備明顯的價格、功耗優勢，有望更廣泛地應用於AI推理與訓練。其軟硬件生態體系日趨成熟，未來有望實現高速增長。國泰君安證券看好ASIC的大規模應用帶來雲廠商ROI提升，同時也建議關注定製芯片產業鏈相關標的。
AI ASIC具備功耗、成本優勢，目前仍處於發展初期，市場規模有望高速增長。目前ASIC在AI加速計算芯片市場佔有率較低，預計增速快於通用加速芯片。據Marvell預測，2023年，定製芯片僅佔數據中心加速計算芯片的16%，其規模約66億美元，預計2028年數據中心定製加速計算芯片規模有望超400億美元。
ASIC單卡算力與GPU仍有差距，但單卡性價比和集羣算力效率優秀。ASIC中算力相對較高的谷歌TPU v6和微軟Maia100算力約爲H100非稀疏算力的90%、80%，同時ASIC的單價顯著低於GPU故而在推理場景呈現更高的性價比;ASIC的芯片互聯以PCIe協議爲主，處於追趕狀態，NVLink協議更具優勢;在服務器互聯方面ASIC主要採用以太網，正追平英偉達的IB網絡，目前H100集羣可以做到10萬卡規模，ASIC中谷歌TPU相對更爲領先，TPU v5p單個Pod可達8960顆芯片，藉助軟件能力，TPUv5e可拓展至5萬卡集羣，且保持線性加速。由於ASIC專爲特定場景設計，且雲廠商對軟件生態掌握程度也較高，ASIC集羣的算力利用率實際可能高於GPU(如TPU、MTIA等)。
軟件生態也是影響AI計算能力的重要因素，當前CUDA生態佔據主導，ASIC軟件生態有望逐步完善。雲廠商普遍具備較強的研發能力，均爲AI ASIC研發了配套的全棧軟件生態，開發了一系列的編譯器、底層中間件等，提升ASIC在特定場景下的計算效率。此外，一些商用芯片廠商也推出了開源平臺，如ROCm和oneAPI，未來ASIC的軟件生態將會愈發成熟、開放。
風險提示：AI算法技術風險、生態系統建設不及預期、芯片研發不及預期、AI產業發展不及預期