ASIC 可以適應不同的業務場景和商業模式的需求，可以滿足大型CSP客戶的諸多需求：1）內部工作負載的架構優化；2）更低的功耗，更低的成本；3）為AI工作負載定制的內存和I/O架構。
隨著AI應用的發展和生態逐步完善，AI算力集群特別是推理集群對加速計算芯片需求巨大，驅動ASIC快速成長。預計2028年數據中心ASIC 市場規模將提升至429億美元，CAGR為45.4%。
ASIC針對特定算法和應用進行優化設計，在特定任務上的計算能力強大，通常具有較高的能效比。目前ASIC以推理場景應用為主，并開始切入到部分訓練環節。
對照北美四大CSP的自研產品路線：Google的TPU出貨目前以v5產品為主，2025年將量產TPU v6；亞馬遜的ASIC產品包括Trainium和Inferentia，分別用于訓練和推理環節；
微軟和Meta也推出了各自的ASIC產品Maia 100和MTIA。由于大型CSP的業務模型、應用場景等多通過自身云來承載，每個云承載了獨特的應用和商業模型，包括內部應用（比如搜索引擎、社交媒體等）、SaaS服務（比如AI聊天機器人、Copilot等）、IaaS服務等，自研ASIC可適應自身不同的業務場景和商業模式的需求。
英偉達人工智能行業發展戰略研究報告
800+份重磅ChatGPT專業報告
下載地址：
本號資料全部上傳至知識星球，更多內容請登錄智能計算芯知識（知識星球）星球下載全部資料。
免責申明：本號聚焦相關技術分享，內容觀點不代表本號立場，可追溯內容均注明來源，發布文章若存在版權等問題，請留言聯系刪除，謝謝。
溫馨提示：
請搜索“AI_Architect”或“掃碼”關注公眾號實時掌握深度技術分享，點擊“閱讀原文”獲取更多原創技術干貨。
