AI大模型的落地正从训练阶段向推理阶段高强度转换。大模型早期比拼的是参数规模和预训练能力，算力绝大部分砸在训练端。

　　随着AI应用开始落地，尤其是AI Agent、多模态交互和长上下文处理这类新场景铺开，单次请求对应的推理链路被拉得很长，模型的调用次数和消耗的Token量都在快速上升，推理变成了算力需求增量的主要来源。算力的评价标准也由此改变，过去只看峰值性能，现在更关注单位Token成本、系统利用率和整体TCO（总拥有成本）。换句话说，行业不再单纯追求更强的算力，而是开始核算获得这些算力要花多少钱、用多少电、占多少机房空间。

　　ASIC的全称是专用集成电路。和通用GPU不同，它是围绕特定任务定制出来的芯片。GPU的设计初衷是处理图形渲染和大规模并行计算，内部有大量可编程的标准计算单元，灵活性很高，什么活都能干。

　　但到了推理阶段，任务变得相对固定。一个模型成熟以后，运算逻辑基本稳定，不需要那么多冗余的通用单元。ASIC的思路就是把不需要的部分砍掉，把晶体管资源集中到目标负载需要的计算、存储和数据流组织上。这样做出来的芯片在特定场景下计算效率和能效比会明显高于通用GPU。

　　从Hopper到Blackwell再到Rubin，英伟达的路线一直是沿着更强的单芯片性能、更高的互联带宽、更大的系统规模这个方向走。但这条路现在碰到了越来越明显的约束。

　　一个直接的问题是机房装不下那么多高功率设备。单个GPU机柜的功率可以轻松超过几十千瓦，传统数据中心的设计标准根本承受不了这种负荷。美国数据中心用电量在2023年已占全国发电量的4.4%，预计到2028年将升至8%，其中绝大部分增量来自AI。

　　电力供给跟不上，主要原因是输变电设施的建设周期太长。345千伏变电站交付周期要128周，输变电工程师也有明显缺口，供电侧跟需求侧的节奏是错位的。

　　即使电供得上，散热也是问题。高密度GPU集群迫使数据中心从风冷转向液冷，而液冷系统的部署和维护成本进一步抬高了建设门槛。

　　算力扩张不再只是买更多芯片的事，而是受到电力、空间、冷却和运维的多重制约。花出去的钱越来越多，但每多花一块钱换回来的有效算力增量在减少。亚马逊2026年资本开支预计约2000亿美元，Alphabet在1750亿到1850亿美元之间，Meta在1150亿到1350亿美元，和之前比都在往上走，但成本曲线的斜率在变化，投入产出比没有早年那么划算了。

　　所以从2025年开始，几乎所有头部云厂商都在加码自研或定制ASIC。谷歌把第七代TPU Ironwood明确称为“为推理时代打造的芯片”，单颗峰值性能4614TFLOPS。AWS的Trainium2实例比同等定位的GPU实例，性价比高出30%到40%。Meta也已在内容推荐和广告等推理负载中部署了数十万颗自研MTIA芯片，表示其计算效率和成本表现优于通用芯片。

　　这背后还有一个更深层的逻辑。AI基础设施已经变成一个系统工程，涉及芯片、网络、软件栈、调度系统和数据中心部署多个层面。自研或定制ASIC，意味着云厂商可以自主决定芯片规格、部署架构和迭代节奏，围绕自己的模型、机房条件和服务模式做整体优化。这种对基础设施的掌控力，单纯靠采购通用GPU是换不来的。

　　AI ASIC项目的复杂度已经远超过传统SoC设计。制程推进到3纳米、2纳米，再加上2.5D和3D封装、Chiplet技术、HBM，一颗芯片从设计到量产需要整合大量资源。不仅芯片本身涉及海量IP和高速接口，还须与晶圆厂的工艺参数、封测方案紧密配合。

　　云厂商自己养一支团队从头做成本太高，技术积累周期也长。最现实的做法是找芯片设计服务公司合作。海外市场目前由两家公司主导两种不同模式：博通走平台型路径，世芯电子走Turnkey交付路径。

　　博通的竞争力不只是单颗芯片的设计能力，还体现在其长期积累的丰富IP组合，包括处理器核心IP、高速串并转换模块、接口类IP，同时在交换芯片、网卡、物理层芯片、光器件和高速互连等领域也有深厚技术根基。博通交付给客户的不是一颗孤立的ASIC，是一个从芯片到互连再到系统层面的整体方案。Google的TPU系列、Meta的MTIA芯片，背后都由博通负责底层物理布线财年第一季度，博通AI相关收入达84亿美元，同比增长106%，增长来自定制AI加速芯片和AI网络两部分。2025年10月，OpenAI宣布与博通合作部署10吉瓦自研AI芯片，博通不仅参与系统开发，还提供用于规模扩展和跨机架互连的以太网方案，并从2026年下半年起负责部署加速器和网络机架系统。这项合作说明，博通从客户手中获得的价值已经超出芯片设计费，延伸到网络和系统环节。

　　世芯电子走的是另一条路。公司不依赖自有IP绑定客户，而是强调开放式设计和一站式Turnkey交付。客户可以带着自己的前端代码来找世芯，由世芯负责后端物理实现、流片协调、封装测试和量产导入。对于Google、Meta这类拥有前端架构能力的客户，这种轻IP、重交付的模式恰好匹配。

　　世芯的核心竞争力在于能把高复杂度项目顺利导入量产。3纳米和2纳米制程的物理设计难度极高，涉及几百亿个晶体管的排布、电源网络布线和信号干扰分析，任何一个环节出错，流片出来的就是废片，几千万美元直接打水漂。

　　世芯已在先进节点积累了从设计到量产的全流程经验。公司2025财年收入9.92亿美元，比2024年的16亿美元有所回落，主要是项目切换期的波动。

　　业务结构方面，7纳米及以下制程收入占比87%，其中3纳米和2纳米项目占比持续提升；HPC和AI相关业务收入占比达83%。

　　世芯还在持续向更深的平台能力延伸。2025年7月发布2纳米设计平台，支持2纳米计算Die与3纳米/5纳米I/O芯粒的混合工艺设计，覆盖CoWoS、SoIC等先进封装方案。2026年3月进一步披露，已进入全Reticle 2纳米设计阶段，并有多个2纳米项目流片。公司与Ayar Labs联合展示了面向AI数据中心的光互连方案，带宽目标超过100Tbps，把能力边界从芯片设计拓展到光互连和机架级系统协同。

　　国内ASIC设计服务市场还处于成长阶段，但需求侧的推力已经比较明确。信创和本土算力需求在往上走，同时海外头部设计公司的产能排期越来越满，给了国内厂商一个切入窗口。

　　芯原股份、翱捷科技、灿芯股份和国芯科技是目前比较有代表性的四家企业，各自的商业模式和侧重点不同。

　　芯原股份是国内半导体IP和芯片定制服务领域规模排前的公司，商业模式是SiPaaS，也就是芯片设计平台即服务。公司拥有GPU、NPU、VPU、DSP、ISP和显示处理器六大类核心处理器IP，以及1700多个数模混合和接口类IP。

　　这些自研IP构成了芯原为客户做芯片定制的基础。客户做ASIC需要哪些功能模块，芯原可以从自有IP库里面直接调用并进行系统级优化，大大缩短开发周期。

　　2025年公司收入31.52亿元，同比增长35.77%。全年新签订单59.60亿元，同比增长103.41%。年末在手订单50.75亿元。其中一个值得注意的细节是，2025年第四季度单季新签订单达到24.94亿元，说明下游客户的ASIC需求在加速落地。

　　订单结构也在往AI方向倾斜，全年新签中超过73%是AI算力相关订单，数据处理领域占比超过50%。量产业务同比增长73.98%，说明定制出来的芯片已经在进入规模出货阶段。

　　芯原还在推进Chiplet技术。Chiplet的思路是把大芯片拆成多个小芯粒，每个小芯粒用最适合的制程分别生产，然后通过先进封装拼成一个完整的系统芯片。好处是可以降低对单一先进制程的依赖，提高良率，同时也能灵活满足不同客户的算力配置需求。这种模式在云侧超大算力芯片和端侧多样化需求上都有应用空间。

　　翱捷科技的路径和芯原不完全一样。公司的主业是无线通信和AIoT芯片，有自己的品牌SoC在出货。ASIC定制业务是从这个基础上外延出来的。

　　翱捷在2G到4G蜂窝通信技术上通过多次并购完成了原始积累，在基带芯片和主控SoC上有多年设计和量产经验。这种经验直接复用到ASIC定制中，意味着公司对从设计到流片点亮的全流程很熟悉，交付周期可以缩短，流片风险也更可控。

　　2025年翱捷的ASIC定制业务收入同比下降35.3%，原因是前期研发资源大部分花在了内部自研芯片上，外部项目大多还处于开发阶段，NRE收入还没确认。

　　公司在智能穿戴、端侧SoC和RISC-V方向已经有深度合作客户，也在开发云端推理芯片项目。随着前期项目陆续进入交付和收入确认阶段，这块业务可能会迎来拐点。

　　灿芯股份是更纯粹的Turnkey模式。公司不依赖大量自有IP，而是以整合第三方IP为主。客户可以带着自己的前端代码来找灿芯，灿芯负责后端物理实现和量产管理。这种模式的优势在于中立性，客户不用担心IP被绑定。同时灿芯与中芯国际有深度绑定关系，中芯是灿芯的第一大股东也是最核心的晶圆制造合作伙伴。这种关系能让灿芯在中芯的不同制程上快速完成工艺适配和流片，首片成功率有一定保障。

　　公司目前在车规级芯片和AI先进封装两个方向上有布局。自研的车规MCU平台已经完成回片和点亮测试。2.5D和3D先进封装方面，已完成设计流程和物理场联合仿真，并整合进自研设计系统。28纳米平台上的DDR、SerDes、PCIe等高速接口IP已完成验证并实现量产交付。

　　公司拥有自主的嵌入式CPU IP，基于M*Core、RISC-V和PowerPC指令集研发了八大系列四十余款CPU内核。芯片定制服务主要面向信创、信息安全、汽车电子和工业控制这些有特定安全要求的领域。这种定位决定了公司承接的更多是国家重大需求和关键行业的专用SoC和控制类芯片项目，商业模式更偏项目制。截至2024年，公司已为超过120家客户提供超过230次定制芯片服务。

　　把上述几条线整合起来看，AI推理需求的膨胀是这轮ASIC景气度上升的总驱动。推理场景对单位成本、能效比和系统利用率的诉求，恰好是ASIC相比通用GPU的强项。云厂商在自研或定制ASIC时，不可能自己从头搞定芯片设计和量产，必须借助设计服务公司。博通和世芯用两种不同的商业模式证明了ASIC设计服务这门生意可以做得很大。

　　国内厂商目前规模不大，但在本土算力替代和全球产能缺口这两个力量的共同作用下，拿到订单和积累经验的节奏在加快。