这篇文章不错，转发给_老虎社区_美港股上老虎 - 老虎社区

点赞
评论
收藏

麦兜mcdull
06-16

这篇文章不错，转发给大家看看

从GPU到ASIC，博通和Marvell成赢家

博通和Marvell作为ASIC市场的领先者，或成为赢家。博通以 55-60% 的份额位居第一，而 Marvell 以 13-15% 的份额紧随其后。AISC与算力卡ASIC与通用算力卡的较量存在已久，随着云厂商和大型OEM厂商的入局，角逐愈演愈烈。目前，通用算力卡的主要厂商是英伟达，占AI算力市场近70%的份额；ASIC的主要厂商是博通和Marvell，两家占ASIC市场超60%的份额。小摩预测在2026年，Marvell将迎来强劲增长。

从GPU到ASIC，博通和Marvell成赢家

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

点赞

举报

评论

推荐
最新

empty

暂无评论

热议股票

关于我们·老虎社区守则·老虎社区账号管理规范·老虎社区服务协议·老虎社区隐私政策

公司名称：北京至简风宜信息技术有限公司

违法和不良信息投诉：010-5681-3562（工作时间9:30-18:30）

邮箱：service@laohu8.com

老虎社区侵权投诉指引

中国互联网举报中心·北京互联网举报中心

网络谣言曝光台·扫黄打非举报中心

网络110报警服务

© 2018-2024 老虎社区版权所有

营业执照：91110105MA01A4U55R

ICP备：京ICP备18016422号

网安备：京公网安备11010502036490

qrcode

关注我们

{"i18n":{"language":"zh_CN"},"data":{"magic":2,"id":317362557399280,"tweetId":"317362557399280","gmtCreate":1718520142931,"gmtModify":1718528840080,"author":{"id":3493129146509016,"authorId":3493129146509016,"authorIdStr":"3493129146509016","name":"麦兜mcdull","avatar":"https://static.tigerbbs.com/0c94b5d01a8dbc483ee5449e9fdb1678","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":2,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"html":"<html><head></head><body><p>这篇文章不错，转发给大家看看</p></body></html>","htmlText":"<html><head></head><body><p>这篇文章不错，转发给大家看看</p></body></html>","text":"这篇文章不错，转发给大家看看","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/317362557399280","repostId":2441972570,"repostType":2,"repost":{"id":"2441972570","weMediaInfo":{"introduction":"美股研究社，一个专注研究美股的平台，专业的美股投资人都在这。想了解美国股市行情、美股开户、美股资讯、美股公司；想获得一手美股重磅信息；想加入美股交流社群，敬请关注我们吧。","home_visible":0,"media_name":"美股研究社","id":"1074069735","head_image":"https://static.tigerbbs.com/e09c69c7ea1d4781a9de127f9b375dd6"},"pubTimestamp":1717669380,"share":"https://www.laohu8.com/m/news/2441972570?lang=&edition=full","pubTime":"2024-06-06 18:23","market":"uk","language":"zh","title":"从GPU到ASIC，博通和Marvell成赢家","url":"https://stock-news.laohu8.com/highlight/detail?id=2441972570","media":"美股研究社","summary":"博通和Marvell作为ASIC市场的领先者，或成为赢家。博通以 55-60% 的份额位居第一，而 Marvell 以 13-15% 的份额紧随其后。AISC与算力卡ASIC与通用算力卡的较量存在已久，随着云厂商和大型OEM厂商的入局，角逐愈演愈烈。目前，通用算力卡的主要厂商是英伟达，占AI算力市场近70%的份额；ASIC的主要厂商是博通和Marvell，两家占ASIC市场超60%的份额。小摩预测在2026年，Marvell将迎来强劲增长。","content":"<html><body><div><p><img src=\"https://static.tigerbbs.com/6570b193d2c84403ba96003c4d1359da\"/></p><p><img arial=\"\" auto=\"\" center=\"\" gb=\"\" helvetica=\"\" neue=\"\" sans=\"\" sans-serif=\"\" sc=\"\" src=\"https://static.tigerbbs.com/13b4900a76fd426db2d8e342dece8fdc\" ui=\"\" visible=\"\" wrap=\"\" yahei=\"\"/></p><p><img src=\"https://static.tigerbbs.com/40d3a74201db4b8d95a06896fd6a9027\"/></p><p>随着云厂商和大型OEM厂商入局ASIC，供应链可能从<a href=\"https://laohu8.com/S/NVDA\">英伟达</a>独大向多元化发展。</p><p><span><strong>来源 | 硬AI</strong></span></p><p><span>随着芯片设计和系统复杂性的增加，科技大厂将更多地与ASIC厂商合作。</span></p><p><span>小摩预计高端定制的ASIC芯片市场的规模将在200亿至300亿美元之间，并将以每年20%的复合年增长率（CAGR）增长。</span></p><p><span><strong><span><a href=\"https://laohu8.com/S/AVGO\">博通</a>和 Marvell</span></strong></span><span>作为ASIC市场的领先者，或成为赢家。</span></p><p><span>目前，两家公司占据了超过 60% 的市场份额。</span></p><p><span>博通以 55-60% 的份额位居第一，而 Marvell 以 13-15% 的份额紧随其后。</span></p><p><span>此外，随着云厂商和大型OEM厂商入局ASIC，供应链可能从英伟达独大向多元化发展。</span></p><p><img src=\"https://static.tigerbbs.com/a99bd5f65ab14523aa02e80be0a4d853\"/></p><p><strong><span><span>AISC与算力卡</span></span></strong></p><p><span>ASIC与通用算力卡的较量存在已久，随着云厂商和大型OEM厂商的入局，角逐愈演愈烈。</span></p><p><span>目前，通用算力卡的主要厂商是英伟达，占AI算力市场近70%的份额；ASIC的主要厂商是博通和Marvell，两家占ASIC市场超60%的份额。</span></p><p><span>ASIC在特定任务场景下，具有高性能、低功耗、成本效益、保密性和安全性以及减少电路板大小的优势。</span></p><p><span>这种优势主要是因为：</span></p><p><span>·ASIC：为特定应用而设计的集成电路，针对特定任务进行优化，在这些任务上通常比GPU高性能、低功耗低优势。但缺点是不具备通用性。</span></p><p><span>·通用算力卡：提供标准化的高计算性能，但不聚焦于特定任务场景，适用于广泛的应用，具备通用性；</span></p><p><span>换句话说，<span><strong>ASIC是牺牲通用性，来换取特定场景的高性能；</strong></span>通用算力卡则具备通用性，但在特定场景下，性能不如ASIC。</span></p><p><span>事实上，对于不同的算力卡客户来讲，需求是不同的。</span></p><p><span><strong><span>云厂商也许更看重弹性计算，企业也许更关注集群算力等。</span></strong></span><span>面对特定的需求，ASIC比标准算力卡更具备优势，更加贴合客户自身的使用场景。</span></p><p><span>目前，Google、Meta、<a href=\"https://laohu8.com/S/MSFT\">微软</a>和<a href=\"https://laohu8.com/S/AMZN\">亚马逊</a>等云和超大规模公司正在引领ASIC这一潮流。</span></p><p><span>比如，<a href=\"https://laohu8.com/S/GOOG\">谷歌</a>的TPU、Meta的MTIA、微软的Maia、亚马逊Trainium2等。</span></p><p><span>需要注意的是，ASIC的成本也许高于通用算力卡。根据大摩的测算，GB200的TCO（总拥有成本），比TPUv5低了44%，比Trainimium 2低了30%。</span></p><p><img src=\"https://static.tigerbbs.com/c36d822134b7458b92354dfeded3b030\"/></p><p><img src=\"https://static.tigerbbs.com/8751b0f7bcdd47b3822ac65b55687964\"/></p><p><strong><span><span>博通与Marvell</span></span></strong></p><p><span>随着芯片设计和系统复杂性的增加，大型云计算和设备OEM厂商将更多地与ASIC设计伙伴合作。</span></p><p><span>博通和 Marvell作为ASIC市场的领先者，或成为赢家。</span></p><p><span><strong><span>1）博通的合作与发展</span></strong></span></p><p><span>博通一直是谷歌自研AI芯片TPU的主要制造商，这种合作关系已经持续了约10年。</span></p><p><span>截至目前，双方已经合作设计了六代TPU，并正在推进第六代TPU（3nm工艺）的量产。</span></p><p><span>虽然市场一直传出谷歌将放弃与博通的合作，转而自研来节省成本。</span></p><p><span>但是最近，博通在分析师会议上，仍然透露了其获得了为谷歌提供多代TPU的合同。小摩认为，该合同包括了即将推出的TPU第七代 (v7)，并预计将在2026/2027年推出第七代TPU。</span></p><p><span>过去，Google每年向博通支付的TPU费用预计在20亿美元，2023年达到了35亿美元，24年预计将达到70亿美元，主要由于AI需求的快速扩张。</span></p><p><span>此外，博通与Meta在其AI基础设施方面的合作预计也将产生可观的收入，小摩预测该合作未来两年可能达到数十亿美元。</span></p><p><span>博通的客户群体不仅限于Google和Meta，还包括<a href=\"https://laohu8.com/S/AAPL\">苹果</a>、<a href=\"https://laohu8.com/S/CSCO\">思科</a>、富士通、<a href=\"https://laohu8.com/S/ERIC\">爱立信</a>、<a href=\"https://laohu8.com/S/NOK\">诺基亚</a>、HPE、NEC、<a href=\"https://laohu8.com/S/JNPR\">瞻博网络</a>、Ciena、大众和<a href=\"https://laohu8.com/S/WDC\">西部数据</a>等各行各业的众多客户。</span></p><p><span><strong><span>2）Marvell的前景</span></strong></span></p><p><span>Marvell与亚马逊、谷歌和微软有多年的ASIC合作经验。</span></p><p><span>目前，Marvell正在加速其首批两个AI ASIC项目的生产，据称是Amazon的5nm Tranium芯片和Google的5nm Axion ARM CPU芯片。</span></p><p><span>此外，还有几个更大的项目正在进行中：1）Amazon Inferentia ASIC，预计在CY25年启动；2）Microsoft Maia，预计在CY26年启动。</span></p><p><span>小摩预测在2026年，Marvell将迎来强劲增长。</span></p><p><span>并预测Marvell ——</span></p><p><span>·2024年AI收入为16亿至18亿美元，2025年将增长至28亿至30亿美元；</span></p><p><span>·2028年能够实现70亿至80亿美元的加速计算/AI ASIC收入；</span></p><p><img src=\"https://static.tigerbbs.com/511acf5d8e3f4510b3fb6f17feb57c3a\"/></p><p><span>此外，小摩提到了，定制芯片（ASIC）的激增，对SNPS、CDNS和ARM等提供EDA软件（芯片设计所需的工具）和IP（可集成到芯片中的预先设计好的组件）的公司来说是一个利好消息。</span></p><p><img src=\"https://static.tigerbbs.com/50f1cb99f2ad43e18f019e2a0056acf9\"/></p><p><strong><span><span>供应链向多元化发展</span></span></strong></p><p><span>随着云厂商和大型OEM厂商入局ASIC，供应链可能从英伟达独大向多元化发展。</span></p><p><span>当前，市场近70%的AI计算，使用的是英伟达的算力卡，AI供应链的焦点也一直在英伟达的供应链上。</span></p><p><span>然而，随着云厂商逐步采用ASIC芯片，供应链也许会呈现出多元化的趋势。</span></p><p><span>ASIC芯片供应链中，供应商的选择主要取决于其开发者（云厂商、OEM厂商），而不是英伟达。</span></p><p><span>对于云厂商来讲，具备足够的实力自研ASIC芯片；然而，对于相对欠缺研发能力的OEM厂商来讲，英伟达或采用IP授权的方式，使得OEM厂商可以基于英伟达的算力卡自主研发。</span></p><p><span>但不论哪种情况下，都会对供应链产生多元化趋势的影响。</span></p><p><span>另一个角度来看，一些客户如主权国家、中小型企业等不具备自研优势的厂商，英伟达仍具备优势。</span></p><p><img src=\"https://static.tigerbbs.com/e9378c6fd3c94344ae17709dd4188e27\"/></p><p><img src=\"https://static.tigerbbs.com/3c000b9e5df34271948b2154896e4e0f\"/></p><p><img src=\"https://static.tigerbbs.com/a3d19e890de14e1f881ff8181fbcecb8\"/></p><p><span><img src=\"https://static.tigerbbs.com/b98e7506dcae442b9cd07445c3af5aaf\"/></span></p><p><span><img src=\"https://static.tigerbbs.com/c454dc1e297e4859866f92bdc675cfeb\"/></span></p><p><strong>关注下面公众号</strong></p><p><strong>和我一起探索港股市场的所有秘密</strong></p><p><strong>🏻</strong></p><p><img src=\"https://static.tigerbbs.com/e43b20af899f433b928bc8c55d3a9632\"/></p></div></body></html>","source":"weixin_highlight","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>从GPU到ASIC，博通和Marvell成赢家</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n从GPU到ASIC，博通和Marvell成赢家\n</h2>\n\n<h4 class=\"meta\">\n\n\n<div class=\"head\" \">\n\n\n<div class=\"h-thumb\" style=\"background-image:url(https://static.tigerbbs.com/e09c69c7ea1d4781a9de127f9b375dd6);background-size:cover;\"></div>\n\n<div class=\"h-content\">\n<p class=\"h-name\">美股研究社 </p>\n<p class=\"h-time\">2024-06-06 18:23</p>\n</div>\n\n</div>\n\n\n</h4>\n\n</header>\n<article>\n<html><body><div><p><img src=\"https://static.tigerbbs.com/6570b193d2c84403ba96003c4d1359da\"/></p><p><img arial=\"\" auto=\"\" center=\"\" gb=\"\" helvetica=\"\" neue=\"\" sans=\"\" sans-serif=\"\" sc=\"\" src=\"https://static.tigerbbs.com/13b4900a76fd426db2d8e342dece8fdc\" ui=\"\" visible=\"\" wrap=\"\" yahei=\"\"/></p><p><img src=\"https://static.tigerbbs.com/40d3a74201db4b8d95a06896fd6a9027\"/></p><p>随着云厂商和大型OEM厂商入局ASIC，供应链可能从<a href=\"https://laohu8.com/S/NVDA\">英伟达</a>独大向多元化发展。</p><p><span><strong>来源 | 硬AI</strong></span></p><p><span>随着芯片设计和系统复杂性的增加，科技大厂将更多地与ASIC厂商合作。</span></p><p><span>小摩预计高端定制的ASIC芯片市场的规模将在200亿至300亿美元之间，并将以每年20%的复合年增长率（CAGR）增长。</span></p><p><span><strong><span><a href=\"https://laohu8.com/S/AVGO\">博通</a>和 Marvell</span></strong></span><span>作为ASIC市场的领先者，或成为赢家。</span></p><p><span>目前，两家公司占据了超过 60% 的市场份额。</span></p><p><span>博通以 55-60% 的份额位居第一，而 Marvell 以 13-15% 的份额紧随其后。</span></p><p><span>此外，随着云厂商和大型OEM厂商入局ASIC，供应链可能从英伟达独大向多元化发展。</span></p><p><img src=\"https://static.tigerbbs.com/a99bd5f65ab14523aa02e80be0a4d853\"/></p><p><strong><span><span>AISC与算力卡</span></span></strong></p><p><span>ASIC与通用算力卡的较量存在已久，随着云厂商和大型OEM厂商的入局，角逐愈演愈烈。</span></p><p><span>目前，通用算力卡的主要厂商是英伟达，占AI算力市场近70%的份额；ASIC的主要厂商是博通和Marvell，两家占ASIC市场超60%的份额。</span></p><p><span>ASIC在特定任务场景下，具有高性能、低功耗、成本效益、保密性和安全性以及减少电路板大小的优势。</span></p><p><span>这种优势主要是因为：</span></p><p><span>·ASIC：为特定应用而设计的集成电路，针对特定任务进行优化，在这些任务上通常比GPU高性能、低功耗低优势。但缺点是不具备通用性。</span></p><p><span>·通用算力卡：提供标准化的高计算性能，但不聚焦于特定任务场景，适用于广泛的应用，具备通用性；</span></p><p><span>换句话说，<span><strong>ASIC是牺牲通用性，来换取特定场景的高性能；</strong></span>通用算力卡则具备通用性，但在特定场景下，性能不如ASIC。</span></p><p><span>事实上，对于不同的算力卡客户来讲，需求是不同的。</span></p><p><span><strong><span>云厂商也许更看重弹性计算，企业也许更关注集群算力等。</span></strong></span><span>面对特定的需求，ASIC比标准算力卡更具备优势，更加贴合客户自身的使用场景。</span></p><p><span>目前，Google、Meta、<a href=\"https://laohu8.com/S/MSFT\">微软</a>和<a href=\"https://laohu8.com/S/AMZN\">亚马逊</a>等云和超大规模公司正在引领ASIC这一潮流。</span></p><p><span>比如，<a href=\"https://laohu8.com/S/GOOG\">谷歌</a>的TPU、Meta的MTIA、微软的Maia、亚马逊Trainium2等。</span></p><p><span>需要注意的是，ASIC的成本也许高于通用算力卡。根据大摩的测算，GB200的TCO（总拥有成本），比TPUv5低了44%，比Trainimium 2低了30%。</span></p><p><img src=\"https://static.tigerbbs.com/c36d822134b7458b92354dfeded3b030\"/></p><p><img src=\"https://static.tigerbbs.com/8751b0f7bcdd47b3822ac65b55687964\"/></p><p><strong><span><span>博通与Marvell</span></span></strong></p><p><span>随着芯片设计和系统复杂性的增加，大型云计算和设备OEM厂商将更多地与ASIC设计伙伴合作。</span></p><p><span>博通和 Marvell作为ASIC市场的领先者，或成为赢家。</span></p><p><span><strong><span>1）博通的合作与发展</span></strong></span></p><p><span>博通一直是谷歌自研AI芯片TPU的主要制造商，这种合作关系已经持续了约10年。</span></p><p><span>截至目前，双方已经合作设计了六代TPU，并正在推进第六代TPU（3nm工艺）的量产。</span></p><p><span>虽然市场一直传出谷歌将放弃与博通的合作，转而自研来节省成本。</span></p><p><span>但是最近，博通在分析师会议上，仍然透露了其获得了为谷歌提供多代TPU的合同。小摩认为，该合同包括了即将推出的TPU第七代 (v7)，并预计将在2026/2027年推出第七代TPU。</span></p><p><span>过去，Google每年向博通支付的TPU费用预计在20亿美元，2023年达到了35亿美元，24年预计将达到70亿美元，主要由于AI需求的快速扩张。</span></p><p><span>此外，博通与Meta在其AI基础设施方面的合作预计也将产生可观的收入，小摩预测该合作未来两年可能达到数十亿美元。</span></p><p><span>博通的客户群体不仅限于Google和Meta，还包括<a href=\"https://laohu8.com/S/AAPL\">苹果</a>、<a href=\"https://laohu8.com/S/CSCO\">思科</a>、富士通、<a href=\"https://laohu8.com/S/ERIC\">爱立信</a>、<a href=\"https://laohu8.com/S/NOK\">诺基亚</a>、HPE、NEC、<a href=\"https://laohu8.com/S/JNPR\">瞻博网络</a>、Ciena、大众和<a href=\"https://laohu8.com/S/WDC\">西部数据</a>等各行各业的众多客户。</span></p><p><span><strong><span>2）Marvell的前景</span></strong></span></p><p><span>Marvell与亚马逊、谷歌和微软有多年的ASIC合作经验。</span></p><p><span>目前，Marvell正在加速其首批两个AI ASIC项目的生产，据称是Amazon的5nm Tranium芯片和Google的5nm Axion ARM CPU芯片。</span></p><p><span>此外，还有几个更大的项目正在进行中：1）Amazon Inferentia ASIC，预计在CY25年启动；2）Microsoft Maia，预计在CY26年启动。</span></p><p><span>小摩预测在2026年，Marvell将迎来强劲增长。</span></p><p><span>并预测Marvell ——</span></p><p><span>·2024年AI收入为16亿至18亿美元，2025年将增长至28亿至30亿美元；</span></p><p><span>·2028年能够实现70亿至80亿美元的加速计算/AI ASIC收入；</span></p><p><img src=\"https://static.tigerbbs.com/511acf5d8e3f4510b3fb6f17feb57c3a\"/></p><p><span>此外，小摩提到了，定制芯片（ASIC）的激增，对SNPS、CDNS和ARM等提供EDA软件（芯片设计所需的工具）和IP（可集成到芯片中的预先设计好的组件）的公司来说是一个利好消息。</span></p><p><img src=\"https://static.tigerbbs.com/50f1cb99f2ad43e18f019e2a0056acf9\"/></p><p><strong><span><span>供应链向多元化发展</span></span></strong></p><p><span>随着云厂商和大型OEM厂商入局ASIC，供应链可能从英伟达独大向多元化发展。</span></p><p><span>当前，市场近70%的AI计算，使用的是英伟达的算力卡，AI供应链的焦点也一直在英伟达的供应链上。</span></p><p><span>然而，随着云厂商逐步采用ASIC芯片，供应链也许会呈现出多元化的趋势。</span></p><p><span>ASIC芯片供应链中，供应商的选择主要取决于其开发者（云厂商、OEM厂商），而不是英伟达。</span></p><p><span>对于云厂商来讲，具备足够的实力自研ASIC芯片；然而，对于相对欠缺研发能力的OEM厂商来讲，英伟达或采用IP授权的方式，使得OEM厂商可以基于英伟达的算力卡自主研发。</span></p><p><span>但不论哪种情况下，都会对供应链产生多元化趋势的影响。</span></p><p><span>另一个角度来看，一些客户如主权国家、中小型企业等不具备自研优势的厂商，英伟达仍具备优势。</span></p><p><img src=\"https://static.tigerbbs.com/e9378c6fd3c94344ae17709dd4188e27\"/></p><p><img src=\"https://static.tigerbbs.com/3c000b9e5df34271948b2154896e4e0f\"/></p><p><img src=\"https://static.tigerbbs.com/a3d19e890de14e1f881ff8181fbcecb8\"/></p><p><span><img src=\"https://static.tigerbbs.com/b98e7506dcae442b9cd07445c3af5aaf\"/></span></p><p><span><img src=\"https://static.tigerbbs.com/c454dc1e297e4859866f92bdc675cfeb\"/></span></p><p><strong>关注下面公众号</strong></p><p><strong>和我一起探索港股市场的所有秘密</strong></p><p><strong>🏻</strong></p><p><img src=\"https://static.tigerbbs.com/e43b20af899f433b928bc8c55d3a9632\"/></p></div></body></html>\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"","relate_stocks":{},"source_url":"http://mp.weixin.qq.com/s?__biz=MzI4Mzc0ODQxOQ==&mid=2247723202&idx=5&sn=f47e7d98d74661fde01af2baa2aaa17e&chksm=ea0193256df34fe875c56509cdf95f3766e309624b74321ba2797c1eef09eb8b3fcd1d9ef9a2&scene=0#rd","is_english":false,"share_image_url":"https://static.laohu8.com/ecd74548980bc5b366aa8f4b37ed0bd5","article_id":"2441972570","content_text":"随着云厂商和大型OEM厂商入局ASIC，供应链可能从英伟达独大向多元化发展。来源 | 硬AI随着芯片设计和系统复杂性的增加，科技大厂将更多地与ASIC厂商合作。小摩预计高端定制的ASIC芯片市场的规模将在200亿至300亿美元之间，并将以每年20%的复合年增长率（CAGR）增长。博通和 Marvell作为ASIC市场的领先者，或成为赢家。目前，两家公司占据了超过 60% 的市场份额。博通以 55-60% 的份额位居第一，而 Marvell 以 13-15% 的份额紧随其后。此外，随着云厂商和大型OEM厂商入局ASIC，供应链可能从英伟达独大向多元化发展。AISC与算力卡ASIC与通用算力卡的较量存在已久，随着云厂商和大型OEM厂商的入局，角逐愈演愈烈。目前，通用算力卡的主要厂商是英伟达，占AI算力市场近70%的份额；ASIC的主要厂商是博通和Marvell，两家占ASIC市场超60%的份额。ASIC在特定任务场景下，具有高性能、低功耗、成本效益、保密性和安全性以及减少电路板大小的优势。这种优势主要是因为：·ASIC：为特定应用而设计的集成电路，针对特定任务进行优化，在这些任务上通常比GPU高性能、低功耗低优势。但缺点是不具备通用性。·通用算力卡：提供标准化的高计算性能，但不聚焦于特定任务场景，适用于广泛的应用，具备通用性；换句话说，ASIC是牺牲通用性，来换取特定场景的高性能；通用算力卡则具备通用性，但在特定场景下，性能不如ASIC。事实上，对于不同的算力卡客户来讲，需求是不同的。云厂商也许更看重弹性计算，企业也许更关注集群算力等。面对特定的需求，ASIC比标准算力卡更具备优势，更加贴合客户自身的使用场景。目前，Google、Meta、微软和亚马逊等云和超大规模公司正在引领ASIC这一潮流。比如，谷歌的TPU、Meta的MTIA、微软的Maia、亚马逊Trainium2等。需要注意的是，ASIC的成本也许高于通用算力卡。根据大摩的测算，GB200的TCO（总拥有成本），比TPUv5低了44%，比Trainimium 2低了30%。博通与Marvell随着芯片设计和系统复杂性的增加，大型云计算和设备OEM厂商将更多地与ASIC设计伙伴合作。博通和 Marvell作为ASIC市场的领先者，或成为赢家。1）博通的合作与发展博通一直是谷歌自研AI芯片TPU的主要制造商，这种合作关系已经持续了约10年。截至目前，双方已经合作设计了六代TPU，并正在推进第六代TPU（3nm工艺）的量产。虽然市场一直传出谷歌将放弃与博通的合作，转而自研来节省成本。但是最近，博通在分析师会议上，仍然透露了其获得了为谷歌提供多代TPU的合同。小摩认为，该合同包括了即将推出的TPU第七代 (v7)，并预计将在2026/2027年推出第七代TPU。过去，Google每年向博通支付的TPU费用预计在20亿美元，2023年达到了35亿美元，24年预计将达到70亿美元，主要由于AI需求的快速扩张。此外，博通与Meta在其AI基础设施方面的合作预计也将产生可观的收入，小摩预测该合作未来两年可能达到数十亿美元。博通的客户群体不仅限于Google和Meta，还包括苹果、思科、富士通、爱立信、诺基亚、HPE、NEC、瞻博网络、Ciena、大众和西部数据等各行各业的众多客户。2）Marvell的前景Marvell与亚马逊、谷歌和微软有多年的ASIC合作经验。目前，Marvell正在加速其首批两个AI ASIC项目的生产，据称是Amazon的5nm Tranium芯片和Google的5nm Axion ARM CPU芯片。此外，还有几个更大的项目正在进行中：1）Amazon Inferentia ASIC，预计在CY25年启动；2）Microsoft Maia，预计在CY26年启动。小摩预测在2026年，Marvell将迎来强劲增长。并预测Marvell ——·2024年AI收入为16亿至18亿美元，2025年将增长至28亿至30亿美元；·2028年能够实现70亿至80亿美元的加速计算/AI ASIC收入；此外，小摩提到了，定制芯片（ASIC）的激增，对SNPS、CDNS和ARM等提供EDA软件（芯片设计所需的工具）和IP（可集成到芯片中的预先设计好的组件）的公司来说是一个利好消息。供应链向多元化发展随着云厂商和大型OEM厂商入局ASIC，供应链可能从英伟达独大向多元化发展。当前，市场近70%的AI计算，使用的是英伟达的算力卡，AI供应链的焦点也一直在英伟达的供应链上。然而，随着云厂商逐步采用ASIC芯片，供应链也许会呈现出多元化的趋势。ASIC芯片供应链中，供应商的选择主要取决于其开发者（云厂商、OEM厂商），而不是英伟达。对于云厂商来讲，具备足够的实力自研ASIC芯片；然而，对于相对欠缺研发能力的OEM厂商来讲，英伟达或采用IP授权的方式，使得OEM厂商可以基于英伟达的算力卡自主研发。但不论哪种情况下，都会对供应链产生多元化趋势的影响。另一个角度来看，一些客户如主权国家、中小型企业等不具备自研优势的厂商，英伟达仍具备优势。关注下面公众号和我一起探索港股市场的所有秘密🏻","news_type":1},"isVote":1,"tweetType":1,"viewCount":12,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"upFlag":false,"length":27,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"hasMoreComment":false,"orderType":2}