AI推理引爆ASIC芯片潮，寒武紀、芯原等概念股大漲

21世紀經濟報道記者 孫燕，鄧浩

大模型的橫空出世，帶動AI訓練芯片王者英偉達股價不斷創新高。而這個AI敘事的另一邊，隨着應用端推理需求的大爆發，大廠同步加碼定製ASIC芯片以降本穩供成爲風潮。

8月20日晚間，本土ASIC設計服務提供商龍頭芯原股份（688521.SH）發佈股票交易異常波動公告，該公司股票交易連續三個交易日內收盤價格漲幅偏離值累計超過30%。

消息面上，近日，芯原股份等ASIC產業鏈廠商披露了超預期表現。如芯原股份透露，截至2025年第二季度末，該公司的在手訂單中，一站式芯片定製業務佔比近90%。

從板塊來看，ASIC芯片指數（8841901.WI）8月以來已漲超20%。成分股中，截至8月22日收盤，寒武紀（688256.SH）漲停，中芯國際（688981.SH）、恆爍股份（688416.SH）均漲超10%。

從技術架構來看，AI芯片主要分爲圖形處理器（GPU）、現場可編程門陣列（FPGA）、專用集成電路（ASIC）、類腦芯片四大類。其中，ASIC是針對AI需求特徵的全定製芯片。

近年來，谷歌、Meta等科技巨頭均加大投入自研ASIC芯片。

雲岫資本AI/智能製造組副總裁莊昌磊告訴21世紀經濟報道記者，大型互聯網公司有其主導的優勢業務，如Meta的推薦系統、谷歌的搜索。爲其核心業務定製ASIC芯片，比採用通用GPU能夠更深度地軟硬件協同優化，提升業務效率。

這也帶動了傳統芯片廠商ASIC業務的增長。

海外巨頭方面，Marvell在FY2025Q4收入同比增長27%，達到18.17億美元。其中，數據中心業務是該公司最大的增長引擎，而ASIC在數據中心業務中的收入佔比達到25%。

民生證券研報測算，2024年，芯原股份的ASIC業務高速增長，實現營收約7.25億元，同比增長47.18%，佔整體營收比例超30%。

ASIC業務高漲背後，是隨着AI應用深入，呈爆發式增長的推理計算需求。莊昌磊指出，推理任務一旦模型固定，計算流程相對穩定。ASIC能爲特定算法進行定製化設計，剔除無用模塊，實現極高的能效比和更低成本。

“對於大廠而言，隨着業務模型訓練需求逐步收斂，部分的定製化需求可轉向性價比更高的ASIC芯片。”羅蘭貝格全球合夥人吳釗告訴21世紀經濟報道記者，國產替代和供應安全的考量也會加速ASIC芯片國產玩家的份額提高。

展望未來，博通預計，到2027年，其三家大客戶的ASIC SAM（可達市場規模）將達到600億-900億美元。

另外在6月18日的Custom AI Investor Event會上，Marvell還上修2028年全球ASIC市場規模預期至554億美元，較前次預測429億美元上調29%。

從ASIC的產業鏈分佈來看，主要分爲前端、後端和流片三個環節。中信證券認爲，各ASIC廠商技術能力，更多的是體現在IP能力（如：計算單元、接口單元、HBM或者網絡單元）。

莊昌磊對記者表示，目前來看，芯片設計、特定IP模塊以及系統集成是國內企業更易切入和受益的環節。

據瞭解，在芯片設計環節，國內華爲昇騰、寒武紀等已推出產品。其中，寒武紀思元590、華爲昇騰910C等被列入第一梯隊。

莊昌磊表示，“國產AI芯片的銷售額增速顯著（112%），幾乎是國外芯片的三倍，這直接利好設計公司。”

而在IP授權與芯片定製服務環節，莊昌磊認爲，芯原股份等企業提供IP授權和芯片定製服務，在ASIC設計中扮演關鍵角色。隨着更多企業嘗試自研芯片，這類服務商將迎來機會。

在ASIC產業鏈中，資本和技術壁壘最高的環節是製造與封裝。

吳釗認爲，國內AI芯片企業以Fabless模式爲主，先進製造的晶圓製造及先進封裝是下一步國產化突破的關鍵點。

莊昌磊也表示，“國產7nm工藝據傳已能大規模接單，但高端製程（如4nm）仍依賴臺積電等廠商。先進封裝（如HBM） 對AI芯片性能至關重要，是亟需突破的領域。”

就ASIC服務商而言，東吳證券認爲IP設計能力和SoC設計能力最爲關鍵。

比如海外大廠博通、Marvell、AIChip等都具備完整SoC的設計能力，其中博通與谷歌、Meta合作，Marvell聯手亞馬遜，二者佔ASIC市場份額合計超過六成。

在IP設計領域，定製芯片的IP主要包含計算、存儲、網絡I/O及封裝四部分。服務提供商一般不涉及計算部分架構的設計，只提供相應設計流程及性能優化。

東吳證券認爲，博通、Marvell針對這四部分均有較全面的佈局，國內廠商如芯原針對處理器IP有較深技術積累，其他部分如先進封裝Chiplet等正在積極佈局。其中SerDes IP對大規模芯片互連極其重要，國外廠商達到224G速率及以上，國內多數廠商已具備112G技術實力。

而隨着ASIC景氣度的提高，業內也出現了“ASIC有望跑贏GPU”的聲音。

莊昌磊指出，在推理領域，ASIC已顯現優勢：特別是在算法固化、大規模部署的推理場景，ASIC憑藉極致能效和低成本，正在侵蝕原屬GPU的市場份額。許多企業將訓練用GPU，推理用ASIC作爲混合架構。

但在訓練領域，GPU統治地位短期難撼動：AI模型，尤其是前沿大模型的訓練算法迭代飛快，需要硬件高度靈活。ASIC缺乏靈活性，難以應對快速迭代，用於訓練風險高、性價比低。

吳釗認爲，GPU和ASIC有各自的技術優勢，在算力、能效和兼容性等方面各有特點。未來的技術路線發展取決於在其對於訓練及推理產品及不同的下游應用如智算中心、互聯網、小B端等客戶的需求滿足，市場也會受到不同類型芯片實際可供給量的直接影響。

拉長時間線看，莊昌磊認爲，ASIC要在更廣泛意義上“跑贏”GPU，需滿足幾個關鍵前提。他指出，算法和模型架構趨於穩定，是ASIC能發揮定製優勢的根本前提。“若AI出現革命性變革，爲舊算法定製的ASIC可能失效。”

此外，一方面，ASIC需要構建成熟的軟件棧，降低開發者使用門檻，這是比硬件設計更大的挑戰。另一方面，ASIC一次性研發投入巨大，需要足夠大的出貨量來攤薄成本實現盈利，這通常需要大廠支持或找到爆發性應用場景。

“ASIC和GPU在未來更可能是一種共存互補的關係，而非簡單替代。”莊昌磊認爲，GPU繼續主導需要高靈活性的領域，如訓練、複雜模型研發；而ASIC則在特定、成熟的推理場景中佔據主導，並在自動駕駛、物聯網終端等特定垂直領域大放異彩。