GPU训练需求旺盛、推理侧FPGA与ASIC渗透提速，AI芯片供需与周期节奏如何把握？

AI芯片的供需节奏，核心在于训练与推理两大场景的错位演进：当前大模型多处于开发阶段，训练需求是主导，GPU作为唯一已量产的训练芯片占据市场主要份额；而随着模型走向成熟落地，推理侧对FPGA与ASIC的渗透将逐步提速。把握周期节奏的关键，是观察代工产能的传导时滞、云厂商资本开支的前瞻信号，以及库存与订单能见度反映的拐点。

训练与推理：两条不同的需求曲线

AI芯片按用途分为训练与推理两类。训练芯片追求绝对计算能力，目前应用最多的主要是GPU；推理芯片更侧重能耗、时延与成本等综合指标，CPU、GPU可胜任，FPGA与ASIC同样适用。

当前大部分大模型仍处于开发阶段，因此训练芯片需求更大。但未来随着大模型在应用端逐步落地，推断类AI芯片的占比有望逐步提升。从AI芯片细分品类看，GPU、FPGA、ASIC的通用性依次降低、运算效率逐步提高，主流的AI服务器多采用“CPU+XPU”的异构架构。

FPGA与ASIC：推理侧渗透的节奏判断

FPGA（现场可编程门阵列）具备硬件可重构、开发周期短的特点，在AI推断市场潜力较大，适合处理实时计算请求以及小计量大批次的计算。ASIC则是为特定用途定制的芯片，以高性能、低功耗见长，同样适配AI推断场景，但受研发成本与壁垒限制，目前在AI行业渗透率依然较低。

值得关注的是ASIC市场的竞争格局——全球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；国内主流厂商则包括海思、寒武纪等。在技术代际上，国产厂商集中采用7nm工艺制程，与国外ASIC厂商处于同一水平。

供需周期的三个观察维度

判断AI芯片供需拐点，可关注以下信号：

从市场规模看，AI芯片需求有望率先扩张，根据IDC预测，未来几年AI芯片的复合增速有望达到50%左右。FPGA市场同样在快速增长，预计全球规模将从2021年的82.9亿美元增至2025年的125.2亿美元，年均复合增长率约为10.8%；其中中国市场增速更快，2021至2025年规模复合增速预计为17.1%。

常见问题

为什么GPU目前占据AI芯片市场主要份额？

GPU通用性较强，适合大规模并行计算，且设计及制造工艺较成熟，在目前已量产的芯片中是唯一可用于AI训练的品类，因此占据了AI芯片市场的主要份额。

FPGA与ASIC在推理侧谁会率先放量？

FPGA的优势在于灵活性和开发周期短，在AI推断市场潜力较大；ASIC性能、能效更优，但受研发成本与壁垒限制，当前渗透率较低。两者在不同场景各有适配，节奏上FPGA的切入可能更快，ASIC的成长则更依赖下游应用的成熟度来摊薄研发成本。

如何判断AI芯片供需的拐点信号？

可综合观察三个层面：一是晶圆代工产能的释放节奏，芯片供给存在制造时滞；二是云厂商的资本开支周期，其作为主要需求方往往领先于实际订单；三是产业链库存水位与订单能见度，当库存去化完成、订单能见度拉长，通常意味着供需关系正在改善。