在瑞士銀行（UBS）的年度全球技術(shù)大會上，AMD 掌門人蘇姿豐（Lisa Su）面對 Google TPU 的強勢崛起，給出了一個看似保守實則犀利的判斷：未來五年，ASIC（專用芯片）的市場份額約為 20%-25%，而 GPU 仍將占據(jù)統(tǒng)治地位。

這一論斷在資本市場引發(fā)了激烈的討論。作為英偉達唯一的挑戰(zhàn)者，AMD 捍衛(wèi)通用 GPU 的地位無可厚非。

但如果我們將視線拉長，跳出蘇姿豐劃定的“五年”窗口，結(jié)合當下 AI 巨頭們面臨的“變現(xiàn)焦慮”，我們會發(fā)現(xiàn)這并非一場零和博弈，而是一場極其復(fù)雜的雙軌接力賽。

我們正處于一個算力范式轉(zhuǎn)移的微妙時刻：一方面，摩爾定律的放緩要求我們追求極致效率（ASIC）；另一方面，算法大爆發(fā)又要求我們保持極致彈性（GPU）。

01

第一階段：混沌初開

GPU的“暴力美學(xué)”

蘇姿豐的核心觀點——“你無法預(yù)知該在芯片里硬編碼什么”——精準地概括了當下 AI 行業(yè)的現(xiàn)狀。

這也是為什么我們認為，在產(chǎn)業(yè)初期，GPU 的需求不僅不會降低，反而會持續(xù)井噴。

目前的AI 行業(yè)，本質(zhì)上還處于“煉金術(shù)”階段。

從 Transformer 到 MoE（混合專家模型），再到最近基于思維鏈（Chain of Thought）的推理模型，算法架構(gòu)每6個月就會發(fā)生一次劇變。在這種不確定性中，靈活性就是最高的效率。

對于開發(fā)者而言，針對TPU 或 AWS Trainium 編寫特定算子（Kernel）是一場賭博。

如果下個月算法變了，原本針對特定矩陣運算優(yōu)化的 ASIC 電路就可能淪為昂貴的“電子垃圾”。

相比之下，GPU 就像是一把瑞士軍刀，雖然它切牛排不如專用牛排刀快，但它能鋸木頭、開罐頭、擰螺絲。

在“尋找圣杯”的探索期，冗余是必要的代價。

企業(yè)寧愿多付電費，多買昂貴的H100 或 MI300，也要確保自己不會因為硬件架構(gòu)的局限而錯失下一個GPT-4 級別的突破。

這就是為什么在未來3到5年內(nèi)，GPU的霸權(quán)難以撼動——因為我們在為“可能性”買單，而不是為“確定性”買單。

02

商業(yè)變現(xiàn)的倒逼

雙軌并行的必然性

然而，必須指出的是，蘇姿豐的“GPU 統(tǒng)治論”更多是基于訓(xùn)練（Training）和早期推理的視角。如果我們引入“商業(yè)變現(xiàn)”這一變量，邏輯將變得更加立體。

目前，行業(yè)的發(fā)展趨勢是GPU 訓(xùn)練與 ASIC 變現(xiàn)的“雙軌并行”。AI 巨頭陷入了一個巨大的 CAPEX（資本支出）黑洞。

OpenAI、Google、Meta 動輒投入數(shù)百億美元購買 GPU 集群。這些巨額投入必須轉(zhuǎn)化為收入，否則華爾街的耐心會迅速耗盡。

這導(dǎo)致了一個有趣的現(xiàn)象：

1、左手訓(xùn)練（燒錢）：為了追求AGI（通用人工智能），模型訓(xùn)練不會停，參數(shù)量還在指數(shù)級增長。這部分工作必須依賴 GPU 集群，因為這是前沿探索，沒有現(xiàn)成的路。

2、右手變現(xiàn)（省錢）：與此同時，為了讓財報好看，必須大規(guī)模通過API 變現(xiàn)現(xiàn)有的成熟模型（如 GPT-4o 或 Llama 3）。

這就引出了ASIC 的“中后期統(tǒng)治力”。

當一個模型從“探索品”變成“標準品”后，算力成本的控制就成了生死線。

如果ChatGPT的每一次對話都完全依賴昂貴的H100運行，其邊際成本將高到無法普及。

一旦算法結(jié)構(gòu)相對穩(wěn)定（比如 Transformer 架構(gòu)在未來幾年內(nèi)不再被徹底顛覆），ASIC 的機會就來了。

就像比特幣挖礦的歷史一樣：最早大家用CPU 挖，后來發(fā)現(xiàn) GPU 更快，最后當 SHA-256 算法固定不變時，ASIC 礦機（螞蟻礦機）徹底清場了 GPU。

在AI 應(yīng)用的中后期階段，當某個垂直領(lǐng)域的模型（比如醫(yī)療影像診斷、自動駕駛感知、法律文書生成）固化下來，不再需要頻繁修改底層架構(gòu)時，針對該模型定制的ASIC將在能效比和單位成本上對 GPU 形成降維打擊。

那時，ASIC的市場份額極有可能突破蘇姿豐所說的25%，甚至在推理端占據(jù)半壁江山。

03

并不是“取代”，而是“分層”

因此，未來五到十年的芯片格局，不會是簡單的“誰吃掉誰”，而是形成明確的階級分層：

頂層（探索層）：也就是蘇姿豐強調(diào)的這五年。這是最前沿的實驗室，是OpenAI 訓(xùn)練 GPT-6、GPT-7 的地方。這里依然是GPU 的絕對領(lǐng)地。AMD 和英偉達將在這里展開刺刀見紅的性能軍備競賽，因為這里賣的是“未來”。

中層（規(guī)模層）：也就是Google TPU、亞馬遜AWS Trainium 所在的區(qū)域。這里運行著已經(jīng)驗證過的、擁有十億級用戶的超級應(yīng)用（如搜索、推薦流）。為了節(jié)省 1% 的電費和硬件成本，巨頭們有足夠的動力去自研芯片。

底層（端側(cè)與邊緣）：這是一個正在爆發(fā)的市場。手機、汽車、PC 里的 NPU（神經(jīng)網(wǎng)絡(luò)處理器）本質(zhì)上都是ASIC。隨著 AI 落地到終端，這部分的量級將是巨大的。

蘇姿豐之所以堅持20%～25%的ASIC份額，或許是因為她站在“高性能計算供應(yīng)商”的角度，看到的是數(shù)據(jù)中心里那部分最高價值的增量。

但如果算上廣義的推理應(yīng)用，隨著應(yīng)用場景的成熟，ASIC的滲透率必然會隨著算法的“結(jié)晶化”而不斷攀升。

04

不可知論與確定性的博弈

Lisa Su 在 UBS 的發(fā)言，展現(xiàn)了一位頂級半導(dǎo)體領(lǐng)袖的務(wù)實與狡黠。她承認了 Google TPU 的優(yōu)秀，但用“靈活性”這一無法反駁的邏輯，鎖死了 GPU 在創(chuàng)新早期的核心地位。

但作為觀察者，我們必須看到硬幣的另一面：并沒有哪家公司能永遠靠“早期的紅利”活著。

GPU 就像是拓荒時代的萬能吉普車，在這個充滿未知的 AI 西部世界里，它是最可靠的伙伴。

但隨著城鎮(zhèn)建立、道路鋪平（算法固化、應(yīng)用成熟），追求極致運力的高鐵（ASIC）必然會接管大宗物流。