在人工智能异构计算架构中，GPU 凭借通用性强、设计与制造工艺成熟，是当前已量产芯片中唯一可用于 AI 训练的品类，因而占据 AI 芯片市场的主要份额；FPGA 全球格局高度集中，赛灵思与 Altera（英特尔旗下）合计占据绝大部分市场；ASIC 目前尚无明显的全球头部厂商，主要竞争者包括英伟达、谷歌和英特尔。随着大模型从开发走向应用落地，适用于推断的 FPGA 与 ASIC 占比有望逐步提升，CPU+XPU 的异构版图正在被重塑。

训练与推理：需求结构决定品类分工

AI 芯片按用途分为训练芯片与推断芯片。训练需要处理海量数据、完成复杂深度神经网络的计算，更注重绝对计算能力，同时需具备一定通用性；推断的计算量相对小得多，更侧重能耗、时延、成本等综合指标。

这一差异直接决定了各品类的定位：GPU 是当前已量产芯片中唯一可用于 AI 训练的品类，因此在大部分大模型仍处于开发阶段的当下，占据了更大的市场份额；而 FPGA、ASIC 更适用于推断场景。未来随着各类大模型逐步成熟并在生产生活中落地，推断类 AI 芯片的占比可能逐步提升。

FPGA 与 ASIC：两种推断路线的格局差异

FPGA（现场可编程门阵列）是一种硬件可重构的芯片，用户可通过软件重新配置内部资源，具备开发周期短、效率高、灵活性强的特点，在人工智能、5G 通信等迭代频繁、技术不确定性较大的领域是较为理想的解决方案。全球市场竞争格局高度集中：

厂商全球市占率
赛灵思52%
英特尔（Altera）35%
Lattice5%
Microsemi5%

国内市场同样由海外厂商主导，但国产厂商已开始崭露头角，紫光国微、复旦微电和安路科技合计市占率在 2021 年超过 15%。技术层面，国产 FPGA 先进制程集中在 28nm，落后于国际 16nm 水平；旗舰产品门级规模处于 200K 水平，约为赛灵思高端产品的 25% 左右，差距依然存在。

ASIC 是为特定用途定制的集成电路，专用化程度最高，具有高性能、低能耗特点。受研发成本与壁垒限制，目前 ASIC 在 AI 行业的渗透率依然较低，但全球 ASIC 市场尚未形成明显的头部厂商，主要竞争者包括英伟达、谷歌和英特尔。国内主流 ASIC 厂商包括海思、寒武纪等，国产厂商集中采用 7nm 工艺制程。

格局演变的核心变量

从训练到推理的需求迁移，是理解 AI 芯片全球格局演变的主线。训练环节的高算力门槛，使 GPU 在现阶段保持主导；而推断场景对能耗、时延、成本的敏感，为 FPGA 和 ASIC 打开了成长空间。与此同时，主流的 AI 服务器计算架构采用 CPU+XPU 异构形式——CPU 负责读取和准备数据并传输至 XPU，GPU、FPGA、ASIC 等 XPU 作为加速芯片处理大规模并行计算。在这一架构下，各品类并非简单替代，而是按通用性与运算效率的梯度各司其职。

常见问题

AI 芯片市场中 GPU 的主导地位会被取代吗？

从当前已量产芯片看，GPU 是唯一可用于 AI 训练的品类，且通用性强、工艺成熟，因此占据主要份额。FPGA 和 ASIC 更适用于推断场景，随着大模型应用落地，其占比有望提升，但这属于需求结构的边际变化，而非对 GPU 的简单替代。

FPGA 市场的竞争格局如何？

全球 FPGA 市场高度集中，赛灵思和 Altera 的市占率分别为 52% 和 35%。国内市场同样由海外厂商主导，紫光国微、复旦微电和安路科技合计市占率在 2021 年超过 15%，国产厂商已崭露头角，但在工艺制程和门级规模上与国际水平仍有差距。

ASIC 为什么被认为成长潜力大？

ASIC 为特定用途定制，在性能、能效、成本方面表现突出，非常适合 AI 推断场景。目前受研发成本与壁垒限制，其在 AI 行业渗透率仍较低，但全球市场尚未形成明显头部厂商，国产旗舰产品性能也具备参与竞争的能力。