頭部廠商紛紛切入AI ASIC領域，技術路徑不同。谷歌15年發布第一代TPU（ASIC）產品，TPU產品持續迭代升級；英特爾19年收購人工智能芯片公司Habana Labs，22年發布AI ASIC芯片Gaudi 2，性能表現出色；IBM研究院22年底發布AI ASIC芯片AIU，有望23年上市；三星第一代AIASIC芯片Warboy NPU芯片已于近日量產。

頭部廠商紛紛切入 AI ASIC領域，看好ASIC在人工智能領域的長期成長性。

谷歌：谷歌為AI ASIC芯片的先驅，于15年發布第一代TPU（ASIC）產品，大幅提升AI推理的性能；17年發布TPU v2，在芯片設計層面，進行大規模架構更新，使其同時具備AI推理和AI訓練的能力；谷歌TPU產品持續迭代升級，21年發布TPU v4，采用7nm工藝，峰值算力達275TFLOPS，性能表現全球領先。

英特爾：19年底收購以色列人工智能芯片公司Habana Labs，22年發布Gaudi 2 ASIC芯片。從架構來看，Gaudi架構擁有雙計算引擎（MME和TPC），可以實現MME和TPC并行計算，大幅提升計算效率；同時，其將RDMA技術應用于芯片互聯，大幅提升AI集群的并行處理能力；從性能來看，Gaudi 2在ResNET-50、BERT、BERT Phase-1、BERT Phase-2模型的訓練吞吐量優于英偉達A100，性能表現優異。

頭部廠商紛紛切入AI ASIC領域，技術路徑不同。本文內容來自“GPT-5后NLP大模型逐步走向收斂，ASIC將大有可為”，詳細介紹谷歌——全球AI ASIC先驅，TPU產品持續迭代，以及英特爾——收購Habana Lab，Gaudi 2性能表現出色。

1、ASIC具有性能高、體積小、功率低等特點

ASIC具有性能高、體積小、功率低等特點。AI芯片指專門用于運行人工智能算法且做了優化設計的芯片，為滿足不同場景下的人工智能應用需求，AI芯片逐漸表現出專用性、多樣性的特點。根據設計需求，AI芯片主要分為中央處理器（CPU）、圖形處理器（GPU）、現場可編程邏輯門陣列（FPGA）、專用集成電路（ASIC）等，相比于其他AI芯片，ASIC具有性能高、體積小、功率低等特點。

CPU->GPU->ASIC，ASIC成為AI芯片重要分支。

1）CPU階段：尚未出現突破性的AI算法，且能獲取的數據較為有限，傳統CPU可滿足算力要求；

2）GPU階段：2006年英偉達發布CUDA架構，第一次讓GPU具備了可編程性，GPU開始大規模應用于AI領域；

3）ASIC階段：2016年，Google發布TPU芯片（ASIC類），ASIC克服了GPU價格昂貴、功耗高的缺點，ASIC芯片開始逐步應用于AI領域，成為AI芯片的重要分支。

ASIC芯片在推理領域具有明顯優勢，有望在該領域率先出現爆品。根據CSET數據，ASIC芯片在推理領域優勢明顯，其效率和速度約為CPU的100-1000倍，相較于GPU和FPGA具備顯著競爭力。盡管ASIC芯片同樣可以應用于訓練領域（例如TPU v2、v3、v4），但我們認為其將在推理領域率先出現爆品。

預計ASIC在AI芯片的占比將大幅提升。根據McKinsey Analysis數據，在數據中心側，25年ASIC在推理/訓練應用占比分別達到40%、50%；在邊緣側，25年ASIC在推理/訓練應用占比分別達到70%、70%，ASIC在AI芯片的占比將大幅提升。

2、多種類AI芯片并存，頭部廠商紛紛切入ASIC領域

多種類AI芯片并存，頭部廠商紛紛切入ASIC領域。

英偉達延續GPU路線，22年發布H100芯片，目前廣泛應用于云端訓練和推理；

AMD利用自身技術積累，將CPU和GPU集成在一起，推出Instinct MI300芯片，預計23年H2上市。

頭部廠商開始切入ASIC領域，Google為AI ASIC芯片的先驅，21年推出TPU v4，運算效能大幅提升；英特爾19年收購Habana Lab，22年推出Gaudi2 ASIC芯片；IBM、三星等頭部廠商亦紛紛切入ASIC領域。

3、谷歌：全球AI ASIC先驅，TPU產品持續迭代；性能表現，A100<TPU v4<H100

谷歌為全球AI ASIC先驅，TPU產品持續迭代。谷歌2015年發布TPU v1，與使用通用CPU和GPU的神經網絡計算相比，TPU v1帶來了15~30倍的性能提升和30~80倍的能效提升，其以較低成本支持谷歌的很多服務，僅可用于推理；17年發布TPU v2，用于加速大量的機器學習和人工智能工作負載，包括訓練和推理；18年發布TPU v3，算力和功率大幅增長，其采用了當時最新的液冷技術；20年和21年分別發布TPU v4i和v4，應用7nm工藝，晶體管數大幅提升，算力提升，功耗下降。

TUP v4性能表現優于英偉達A100。TPU v4的性能表現在BERT、ResNet、DLRM、RetinaNet、MaskRCNN下分別為A100的1.15x、1.67x、1.05x、1.87x和1.37x，性能表現優于英偉達A100。

TUP v4性能表現略遜于H100，但功耗管理能力出色。根據《AI and ML Accelerator Survey and Trends》數據，英偉達H100的峰值性能表現高于TUP v4，而TUP v4作為ASIC芯片，在功耗管理方面表現出色，峰值功率低于H100。

4、谷歌：TPU v1架構

統一緩沖器（Unified Buffer）和矩陣乘法單元（MMU）占據53%的芯片總面積。TPU v1主要包括統一緩沖器（Unified Buffer）、矩陣乘法單元（MMU）、累加器（Accumulators）、激活流水線電路（Activation Pipeline）、DDAM等，其中統一緩沖器和矩陣乘法單元面積占比最高，合計達53%。

TPU v1工作流程：

1）芯片啟動，緩沖區和DDR3為空；

2）用戶加載TPU編譯的模型，將權重放入DDR3內存；

3）主機用輸入值填充激活緩沖區；

4）發送控制信號將一層權重加載到矩陣乘法單元；

5）主機觸發執行，激活并通過矩陣乘法單元傳播到累加器；

6）通過激活流水線電路，新層替換緩沖區的舊層；

7）重復步驟4-7，直到最后一層；

8）最后一層的激活被發送給主機。

5、谷歌：TPU v2架構，基于TPU v1的大規模架構更新

TPU v2內核數增加值2個。TPU v1僅有1個Tensor Core，導致管道更為冗長。TPU v2的內核數增加為2個，對編譯器也更為友好。

MXU利用率提升。TPU v1的MXU包含256*256個乘積累加運算器，由于部分卷積計算規模小于256*256，導致單個大核的利用率相對較低；而TPU v2的單核MXU包含128*128個乘積累加運算器，在一定程度上，提升了MXU利用率。

6、谷歌：TPU v3延續v2架構，性能提升，TDP優化

谷歌TPU v3延續v2架構，性能提升。TPU V3在v2架構的基礎上，矩陣乘法單元（MXU）數量提升翻倍，時鐘頻率加快30%，內存帶寬加大30%，HBM容量翻倍，芯片間帶寬擴大了30%，可連接的節點數為先前4倍，性能大幅提升。

采用液冷技術，TDP優化。TPU v3采用液冷技術，峰值算力為TPU v2的2.67倍，而TDP僅為TPU v2的1.61倍，TDP大幅優化。

7、谷歌：TPU v4，硬件性能進一步提升

MXU數量翻倍，峰值算力大幅提升。從硬件提升來看，根據Google Cloud數據，TPU v4芯片包含2個TensorCore，每個TensorCore包含4個MXU，是TPUv3的2倍；同時，HBM帶寬提升至1200 GBps，相比上一代，提升33.33%。從峰值算力來看，TPU v4的峰值算力達275 TFLOPS，為TPU v3峰值算力的2.24倍。

谷歌的超級計算機構想：將4*4*4（64）個TPU v4芯片連接成1個立方體結構（Cube），再將4*4*4個立方體結構（Cube）連接成共有4096個TPU v4芯片的超級計算機，其中物理距離較近TPU v4芯片（即同一個Cube中的4*4*4個芯片）采用常規電互聯方式，距離較遠的TPU（例如Cube之間的互聯）間用光互連。采用光互連技術可以有效避免“芯片等數據”的情形出現，進而提升計算效率。

可重配置光互連技術可以進一步提升計算性能。谷歌TPU v4通過加入光路開關（OCS）的方式，可以根據具體模型數據流來調整TPU之間的互聯拓撲，實現最優性能，可重配置光互連技術可以將性能提升至先前的1.2-2.3倍。

可重配置光互連技術提升計算機的穩定性。若計算機中部分芯片出現故障，可以通過該技術繞過故障芯片，進而不會影響整個系統的工作。

8、英特爾：Gaudi架構實現MME和TPC并行運算

英特爾收購Habana Lab。Habana Labs成立于2016年，總部位于以色列，是一家為數據中心提供可編程深度學習加速器廠商，2019年發布第一代Gaudi。英特爾于2019年底收購Habana Lab，旨在加快其在人工智能芯片領域的發展，2022年發布Gaudi 2。

Gaudi架構實現MME和TPC并行運算。Gaudi架構包含2個計算引擎，即矩陣乘法引擎（MME）和TPC（張量處理核心）；Gaudi架構使得MME和TPC計算時間重疊，進行并行運算，進而大幅提升計算效率。

Gaudi 2延續上一代架構，硬件配置大幅提升。Gaudi 2架構基本與上一代相同，TPC數量從8個提升至24個，HBM數量從4個提升至6個（總內存從32GB提升至96GB），SRAM存儲器提升一倍，RDMA從10個提升至24個，同時集成了多媒體處理引擎，硬件配置大幅提升。

RDMA技術用于芯片互聯，大幅提升并行處理能力。RDMA是一種遠端內存直接訪問技術，具有高速、超低延遲和極低CPU使用率的特點。Gaudi將RDMA集成在芯片上，用于實現芯片間互聯，大幅提升AI集群的并行處理能力；同時，Gaudi支持通用以太網協議，客戶可以將Gaudi放入現有的數據中心，使用標準以太網構建AI集群。

Gaudi 2性能表現出色。根據《Habana Gaudi 2 White Paper》披露數據，Gaudi 2在ResNET-50、BERT、BERT Phase-1、BERT Phase-2模型的訓練吞吐量分別為A100（40GB，7nm）的2.0、2.4、2.1、3.3x，性能表現出色。