ASIC 是一種為專門目的而設(shè)計的集成電路，功能特定的最優(yōu)功耗AI 芯片，專為特定目的而設(shè)計。不同于GPU 和FPGA 的靈活性，定制化的ASIC一旦制造完成將不能更改，所以初期成本高、開發(fā)周期長的使得進(jìn)入門檻高。目前，大多是具備AI 算法又成就夢想擅長芯片研發(fā)的巨頭參與，如Google的TPU。

根據(jù)富比士(Forbes)報導(dǎo)，當(dāng)前可用于加速機器學(xué)習(xí)訓(xùn)練及深度神經(jīng)網(wǎng)路的主要芯片技術(shù)，包括ASIC芯片、繪圖芯片(GPU)、現(xiàn)場可程式化邏輯閘陣列(FPGA)芯片以及中央處理器(CPU)等4種，這4類芯片技術(shù)在支援AI及機器學(xué)習(xí)上各有擅場及優(yōu)劣勢，其中GPU在技術(shù)上即為ASIC技術(shù)運用在處理繪圖演算法上，差異在于ASIC芯片可提供指令集及資源庫可讓GPU進(jìn)行程式化，借此可用在處理本地儲存的資料，好比是許多平行演算法的加速器般。

基本上GPU速度非?？烨蚁鄬邚椥?，ASIC技術(shù)雖同樣具備處理速度很快的優(yōu)勢，不過使用彈性相對較缺乏。在開發(fā)ASIC芯片上，要設(shè)計出一款A(yù)SIC芯片所需投入的資源及努力不少，可能必須耗資高達(dá)數(shù)千萬甚或數(shù)億美元，且需要組建一支成本不低的工程師團隊，顯示投資甚鉅，且ASIC芯片還將必須不斷升級以跟上新技術(shù)及制程水平，加上ASIC芯片設(shè)計者在開發(fā)過程初期便已固定其邏輯，因此若在AI這類快速演進(jìn)的領(lǐng)域有新想法出現(xiàn)，ASIC芯片將無法對此快速做出反應(yīng)，反觀FPGA技術(shù)還能因此進(jìn)行再程式化以執(zhí)行一項全新功能。

ASIC 的另一個未來發(fā)展是類腦芯片。類腦芯片是基于神經(jīng)形態(tài)工程、借鑒人腦信息處理方式，適于實時處理非結(jié)構(gòu)化信息、具有學(xué)習(xí)能力的超低功耗芯片，更接近人工智能目標(biāo)。由于完美適用于神經(jīng)網(wǎng)絡(luò)相關(guān)算法，ASIC在性能和功耗上都要優(yōu)于GPU FPGA，TPU1 是傳統(tǒng)GPU性能的14-16倍，NPU是GPU的118 倍。寒武紀(jì)已發(fā)布對外應(yīng)用指令集，預(yù)計ASIC將是未來AI 芯片的核心。

理論上是這么講，但現(xiàn)實問題是，誰來代工?

先看代工廠這邊，全球有很多代工廠，但是因為難度太高，能生產(chǎn)AI單封裝系統(tǒng)的廠家并不多，臺積電、三星和格羅方德都在榜單之列。那么，是哪些廠商在設(shè)計AI單封裝系統(tǒng)呢?你需要看看哪些廠商真正擅長2.5D集成和擁有設(shè)計所需的關(guān)鍵IP(比如HBM2物理層接口和高速SerDes)。HBM2 PHY和高速SerDes模塊執(zhí)行該單封裝系統(tǒng)內(nèi)多個組件之間的任務(wù)關(guān)鍵性通信。這些都是模擬設(shè)計中非常苛刻的挑戰(zhàn)，從ASIC供應(yīng)商那里購買IP可以把風(fēng)險降至最低。

擅長這些領(lǐng)域的ASIC廠商并不多，不過由于人工智能市場可能會出現(xiàn)爆炸性增長，所以這些ASIC廠商將會受益匪淺。其中有一家ASIC廠商值得關(guān)注–eSilicon。上面提到的三項關(guān)鍵技術(shù)eSilicon都有涉及，一方面從2011年以來他們一直在做2.5D集成并且已被公認(rèn)為這一領(lǐng)域的領(lǐng)導(dǎo)者。同時eSilicon也有硅驗證的HBM2 PHY技術(shù)。

那么SerDes呢?到目前為止，eSilicon已經(jīng)集成了第三方的SerDes模塊。如果仔細(xì)觀察你會發(fā)現(xiàn)情況還在發(fā)生變化，eSilicon并沒有關(guān)于擁有SerDes技術(shù)的官方聲明，但是該公司網(wǎng)站上已經(jīng)出現(xiàn)了高性能SerDes開發(fā)中心的相關(guān)文字。并且他們正在招聘版圖工程師，這很說明問題。