AI算力规模增长背后，AI芯片产业链的价值分配正在向设计、制造环节倾斜。训练芯片GPU因技术壁垒高、通用性强而价值高度集中，而FPGA和ASIC则凭借在推理市场的差异化商业模式，为产业链各环节带来新的价值增量。根据IDC预测，未来几年AI芯片的复合增速有望达到50%左右，这一扩张趋势正重塑芯片产业的价值版图。
训练与推理：价值分布的两个维度
AI芯片需求分为训练和推理两大场景。训练芯片注重绝对计算能力与通用性，目前应用最多的主要是GPU，其设计及制造工艺较成熟，是唯一可用于AI训练的量产芯片，因此占据了AI芯片市场的主要份额。由于设计难度大、生态壁垒高，GPU环节的价值高度集中在少数头部设计厂商手中。
推理芯片则更侧重能耗、时延、成本等综合指标。FPGA以其灵活性和可深度优化的特点，有望继GPU之后在云端数据中心市场爆发；ASIC则为特定需求定制，在性能、能效、成本等方面极大超越标准芯片，是当前大部分AI初创公司开发的目标产品。未来随着大模型逐步成熟并落地应用，推断类AI芯片的占比有望逐步提升，为更多设计厂商提供切入机会。
FPGA与ASIC：国产厂商的差异化切入点
在FPGA领域，全球市场主要由海外巨头占据，赛灵思和Altera的市占率分别为52%和35%。国产厂商紫光国微、复旦微电和安路科技的合计市占率在2021年超过了15%，但技术实力仍有差距——国产厂商先进制程集中在28nm，落后于国际16nm水平。不过，在国产化加速推进的背景下，中国FPGA厂商有望快速追赶。
ASIC领域则呈现出不同的竞争格局。目前全球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。国产厂商集中采用7nm工艺制程，与国外ASIC厂商相同，海思的昇腾910在BF16浮点算力和INT8定点算力方面已超越谷歌TPUv4，遂原科技和寒武纪的产品在整体性能上也能与谷歌比肩。这意味着在ASIC领域，国产厂商有望继续保持技术优势，成为突破海外垄断格局的重要发力点。
常见问题
AI芯片价值分配为何向设计、制造环节倾斜？
AI芯片的算力扩张带动了全产业链需求，但价值分配并非均等。设计环节因技术壁垒高、研发投入大，掌握着芯片架构和生态的定义权，尤其是GPU和ASIC这类高复杂度芯片，设计能力直接决定产品性能上限；制造环节则因先进制程的稀缺性而具备高议价能力。相比之下，封测环节的技术门槛相对较低，价值占比相对有限。
国产厂商在AI芯片产业链中处于什么位置？
国产厂商在不同芯片类型中位置各异：FPGA领域已崭露头角但技术仍有差距，ASIC领域则具备比肩海外的性能表现。在ASIC领域，国产厂商采用与海外相同的7nm工艺制程，部分产品性能已能与国际巨头比肩，有望成为突破海外AI芯片垄断格局的发力点。
FPGA和ASIC在推理市场的商业模式有何不同？
FPGA具备开发周期短、可配置性强的特点，适合技术迭代频繁、需求尚不明确的场景，商业模式偏向于提供灵活可重构的硬件方案。ASIC则针对特定需求深度定制，前期研发成本高、周期长，但量产后的性能和功耗优势显著，适合需求明确、规模量大的应用场景。随着AI行业愈加成熟，ASIC凭借卓越性能及低功耗，有望成为人工智能技术的首选。