ASIC 是一種為專門目的而設計的集成電路,，功能特定的最優(yōu)功耗AI 芯片，專為特定目的而設計,。不同于GPU 和FPGA 的靈活性,，定制化的ASIC一旦制造完成將不能更改，所以初期成本高,、開發(fā)周期長的使得進入門檻高,。目前，大多是具備AI 算法又成就夢想擅長芯片研發(fā)的巨頭參與,，如Google的TPU,。

根據(jù)富比士(Forbes)報導，當前可用于加速機器學習訓練及深度神經(jīng)網(wǎng)路的主要芯片技術(shù),，包括ASIC芯片,、繪圖芯片(GPU)、現(xiàn)場可程式化邏輯閘陣列(FPGA)芯片以及中央處理器(CPU)等4種,，這4類芯片技術(shù)在支援AI及機器學習上各有擅場及優(yōu)劣勢,，其中GPU在技術(shù)上即為ASIC技術(shù)運用在處理繪圖演算法上，差異在于ASIC芯片可提供指令集及資源庫可讓GPU進行程式化,，借此可用在處理本地儲存的資料,，好比是許多平行演算法的加速器般。

基本上GPU速度非?？烨蚁鄬邚椥?，ASIC技術(shù)雖同樣具備處理速度很快的優(yōu)勢，不過使用彈性相對較缺乏,。在開發(fā)ASIC芯片上,，要設計出一款ASIC芯片所需投入的資源及努力不少,，可能必須耗資高達數(shù)千萬甚或數(shù)億美元，且需要組建一支成本不低的工程師團隊,，顯示投資甚鉅,，且ASIC芯片還將必須不斷升級以跟上新技術(shù)及制程水平，加上ASIC芯片設計者在開發(fā)過程初期便已固定其邏輯,，因此若在AI這類快速演進的領域有新想法出現(xiàn),，ASIC芯片將無法對此快速做出反應，反觀FPGA技術(shù)還能因此進行再程式化以執(zhí)行一項全新功能,。

ASIC 的另一個未來發(fā)展是類腦芯片,。類腦芯片是基于神經(jīng)形態(tài)工程、借鑒人腦信息處理方式,，適于實時處理非結(jié)構(gòu)化信息,、具有學習能力的超低功耗芯片，更接近人工智能目標,。由于完美適用于神經(jīng)網(wǎng)絡相關算法,，ASIC在性能和功耗上都要優(yōu)于GPU FPGA，TPU1 是傳統(tǒng)GPU性能的14-16倍,，NPU是GPU的118 倍,。寒武紀已發(fā)布對外應用指令集，預計ASIC將是未來AI 芯片的核心,。

理論上是這么講,，但現(xiàn)實問題是，誰來代工?

先看代工廠這邊,，全球有很多代工廠,，但是因為難度太高，能生產(chǎn)AI單封裝系統(tǒng)的廠家并不多,，臺積電,、三星和格羅方德都在榜單之列。那么,，是哪些廠商在設計AI單封裝系統(tǒng)呢?你需要看看哪些廠商真正擅長2.5D集成和擁有設計所需的關鍵IP(比如HBM2物理層接口和高速SerDes),。HBM2 PHY和高速SerDes模塊執(zhí)行該單封裝系統(tǒng)內(nèi)多個組件之間的任務關鍵性通信,。這些都是模擬設計中非?？量痰奶魬?zhàn)，從ASIC供應商那里購買IP可以把風險降至最低,。

擅長這些領域的ASIC廠商并不多,，不過由于人工智能市場可能會出現(xiàn)爆炸性增長，所以這些ASIC廠商將會受益匪淺,。其中有一家ASIC廠商值得關注–eSilicon,。上面提到的三項關鍵技術(shù)eSilicon都有涉及,，一方面從2011年以來他們一直在做2.5D集成并且已被公認為這一領域的領導者。同時eSilicon也有硅驗證的HBM2 PHY技術(shù),。

那么SerDes呢?到目前為止,，eSilicon已經(jīng)集成了第三方的SerDes模塊。如果仔細觀察你會發(fā)現(xiàn)情況還在發(fā)生變化,，eSilicon并沒有關于擁有SerDes技術(shù)的官方聲明,，但是該公司網(wǎng)站上已經(jīng)出現(xiàn)了高性能SerDes開發(fā)中心的相關文字。并且他們正在招聘版圖工程師,，這很說明問題,。