数据中心定制ASIC芯片正成为AI算力芯片市场增长最快的细分赛道。中原证券研究报告指出，2023年数据中心定制ASIC市场规模约66亿美元，预计2028年将达429亿美元（CAGR 45%），增速远超通用AI算力芯片（CAGR 32%）。云厂商为提升议价能力及供应链多元化，大力投入自研AI ASIC，谷歌TPU已迭代至第六代，博通、Marvell主导全球定制ASIC市场。

AI ASIC是专为人工智能应用设计的定制集成电路，具有高性能、低功耗、定制化、低成本等特点。ASIC针对矩阵乘法、卷积等特定AI任务优化，能在短时间内完成大量计算任务，提供高吞吐量和低延迟；通过优化电路设计和先进工艺技术，减少不必要能耗，能效比优于通用处理器。ASIC功能固定、灵活性较差，但大规模部署时单位计算成本通常低于通用处理器。GPU软件生态成熟且丰富，ASIC软件生态缺乏通用性、编程难度较大，云厂商为ASIC开发了配套全栈软件生态包括编译器、底层中间件等，持续降低从CUDA生态转换的迁移成本。

谷歌TPU专为加速机器学习任务设计的定制ASIC芯片，已迭代至第六代TPU v6 Trillium。2015年TPU v1推出主要用于推理，2024年TPU v6 Trillium单芯片峰值计算性能比上一代v5e提高4.7倍，HBM容量和带宽均增加一倍，能源效率提高67%。TPU v6 Trillium为Llama-2-70b和gpt3-175b等大模型提供高达4倍训练速度，Stable Diffusion XL离线推理相对吞吐量高出3.1倍，服务器推理相对吞吐量高出2.9倍。谷歌已将超100000个TPU v6 Trillium芯片连接到一个网络结构中，构建了世界上最强大的AI超级计算机之一。

全球定制AI ASIC市场竞争格局以博通、Marvell等厂商为主。博通为全球定制AI ASIC市场领导厂商，已为大客户实现AI ASIC大规模量产。博通在多年发展中积累了成体系的高性能计算/互连IP核及相关技术，除传统CPU/DSP IP核外，还具有交换、互连接口、存储接口等关键IP核，可降低ASIC产品成本和研发周期。博通2024财年AI收入达120亿美元，公司CEO表示2027年AI芯片和网络组件市场规模将达600-900亿美元。Marvell数据中心ASIC解决方案支持定制化的AI加速计算。

由于全球头部云厂商对AI算力芯片需求量巨大，英伟达垄断全球数据中心GPU市场，过度依赖单一供应商风险较大。云厂商大力投入自研AI ASIC，推动数据中心定制ASIC芯片市场高速增长。亚马逊Trainium 2、Meta MTIA v2、微软Maia 100等自研芯片陆续推出。AI ASIC与GPU对比：GPU通用性强、算力高，ASIC针对特定任务优化、功耗低、大规模量产单位成本低。ASIC推动软件生态走向多元化，减轻对CUDA生态的依赖性。

2023-2028年数据中心定制ASIC芯片市场规模CAGR达45%，增速显著高于通用AI算力芯片（CAGR 32%）。美国出口管制不断加码背景下，国产云厂商和AI企业同样面临英伟达GPU供应限制，自研AI ASIC或与国内芯片设计厂商合作定制ASIC成为战略选择。华为昇腾已建立基于CANN的全栈AI计算生态体系，具备AI ASIC的完整产品能力。国内AI算力芯片厂商可借鉴博通模式，积累高性能计算/互连IP核，降低ASIC产品成本和研发周期。建议关注国产AI ASIC设计、IP核、芯片制造等产业链环节。

定制ASIC与GPU市场对比

指标	定制ASIC	通用GPU
2023年市场规模	66亿美元	约354亿美元
2028年市场规模	429亿美元	约1291亿美元
2023-2028 CAGR	45%	约32%
核心优势	低功耗、低成本（大规模）、针对性优化	通用性强、生态成熟
主要玩家	博通、Marvell、谷歌TPU	英伟达、AMD

定制ASIC芯片是AI算力芯片市场中增长最快的细分赛道（CAGR 45%）。云厂商自研ASIC趋势明确，谷歌、亚马逊、Meta、微软持续迭代自研芯片。博通、Marvell作为定制ASIC设计服务商受益明确。国产算力芯片在推理场景的国产替代空间广阔（2024上半年推理芯片占61%市场份额）。建议关注具备ASIC设计能力的国产芯片厂商，以及在IP核、芯片制造、封装测试等环节具备国产替代能力的企业。