AI大模型从训练走向推理应用，AI芯片供需周期会如何切换？当前大模型多数处于开发阶段，训练芯片需求更大，GPU占据AI芯片市场主要份额；未来随着大模型在生产生活中逐步应用，推理类AI芯片的占比有望逐步提升，FPGA与ASIC的市场份额将随之扩大，AI芯片供需结构面临从“训练主导”向“推理主导”的切换。

训练与推理：两种不同的算力需求

AI芯片的需求结构，由机器学习的两大环节决定。训练环节需要处理海量数据和复杂深度神经网络，计算规模庞大，因此训练芯片更注重绝对的计算能力与通用性；推理环节则利用训练好的模型对新数据做出结论，计算量相对较小，更侧重能耗、时延、成本等综合指标。

当前大多数大模型仍处于开发阶段，对训练芯片的需求更大，而GPU是目前唯一可用于AI训练的量产芯片，因此占据了AI芯片市场的主要份额。未来随着大模型成熟并落地应用，推理需求的占比将逐步提升。

推理时代：FPGA与ASIC的机遇

在推理场景中，芯片选择更加多元。除了CPU和GPU，FPGA与ASIC同样可以胜任。FPGA（现场可编程门阵列） 具备硬件可重构、开发周期短、效率高的特点，能够灵活处理用户实时计算请求及小批量、大批次的计算，在AI推理市场潜力巨大；ASIC（专用集成电路） 则为特定需求定制，在性能、能效、成本方面具备优势，同样非常适合AI推理场景。

从市场趋势看，AI芯片整体需求正快速扩张。据IDC预测，未来几年AI芯片复合增速有望达到50%左右；全球AI芯片市场规模预计将从2018年的40亿美元增至2025年的726亿美元。在此背景下，FPGA与ASIC作为推理环节的重要解决方案，其渗透率有望随应用落地而逐步提升。

常见问题

GPU会被FPGA或ASIC取代吗？

短期内不会。GPU凭借通用性和成熟的制造工艺，在训练环节的地位难以撼动。但在推理环节，FPGA和ASIC凭借灵活性、低功耗等优势，将与GPU形成互补而非单纯替代的关系。

推理需求增长对芯片产业意味着什么？

推理需求占比提升将带动芯片多元化发展。FPGA以其灵活性和可深度优化的特点，有望在云端数据中心业务中继GPU之后迎来增长；ASIC则依赖卓越性能与低功耗，具备成长为AI技术重要选择的潜力。

国产AI芯片在推理市场处于什么位置？

在FPGA领域，国产厂商已崭露头角，但技术实力与国际巨头仍有差距；在ASIC领域，全球尚未形成明显的头部厂商，国产厂商在工艺制程上与海外同步，整体性能具备比肩能力，有望在推理市场占据一席之地。