ASIC 是什么？
ASIC 全名为 Application Specific Integrated Circuit（特殊应用积体电路）。不同于 CPU（中央处理器），主要用于执行单一指令的序列处理，以及 GPU（图形处理器），拥有大量核心数并适合进行平行运算，ASIC 在出厂前就已设定好应用范围，经过客制化设计与制造，专门针对特定应用。ASIC 具有高效能与高能效的优势，因此广泛应用于特定领域，例如比特币挖矿、AI 大语言模型的训练与推论，但无法像 GPU 一样灵活地执行绘图或其他通用计算任务。
ASIC 这个名词最早可追溯至 1967 年，当时它为特定产品提供客制化设计，具备强大功能，在 1980～1990 年代成为主流。然而，由于 ASIC 的开发门槛较高，涉及较长的开发时间与高额的非重复性工程费用（NRE, Non-Recurring Engineering），在 2000 年后，逐渐被更具弹性的通用型晶片取代。例如，NVIDIA 设计的 GPU 就是这类通用晶片之一，适用于多种运算场景，使 ASIC 失去部分市场优势。
近年来，随着 AI 浪潮席卷全球，ASIC 再次成为市场关注的焦点。究竟这类晶片为何能在 AI 领域发挥关键作用？让我们继续探索。
ASIC 的商业模式
如前所述，ASIC 晶片是经过 客制化设计与制造，专门针对特定应用 的晶片。在 ASIC 的开发过程中，IC 设计服务商（IC Design Service） 扮演了关键角色，为客户提供 ASIC 设计服务。这些服务主要可分为 一次性设计开发（NRE, Non-Recurring Engineering） 和 后续量产统包（Turn-key） 两大模式：
1. NRE：一次性设计开发费用
NRE 费用是 ASIC 开发的主要前期成本，涵盖：
- 电路设计：根据客户需求进行架构规划与电路设计。
- 电路验证：确保设计符合功能与性能要求，避免逻辑错误。
- 晶片打样（试产）：使用小批量晶圆进行试产，以验证晶片性能。
由于 ASIC 具有高度客制化特性，NRE 费用通常较高，特别是在 先进制程（如 5nm、3nm） 开发时，成本会更为昂贵。
2. Turn-key：量产与长期收益
设计完成后，便进入到 晶片的制造与封装测试阶段。IC 设计服务商通常会提供 「Turn-key」一条龙服务，协助客户委托：
- 晶圆代工厂（如台积电）进行生产
- 封装与测试厂（如日月光）进行封装测试
在这个阶段，IC 设计服务商会从每片晶片的量产抽取一定比例的利润，作为长期收入来源，确保不仅能回收前期设计成本，也能在产品量产后持续获利。
ASIC 产业状况及展望
Morgan Stanly预测，AI ASIC市场规模将从2024年的120亿美元成长至2027年的300亿美元，年复合成长率为34%。
博通（Broadcom）和迈威尔（Marvell）主要业务为做 ASIC 晶片，两大巨头合计占据超过 6 成的 ASIC 市场。
博通（Broadcom, AVGO）
博通（Broadcom Inc.）是一家美国的半导体与基础设施软体公司，透过一系列的并购（如 VMware），成功扩展业务版图，目前涵盖半导体与基础设施软体两大核心领域。其产品广泛应用于资料中心、网路设备、企业软体、宽频、无线通讯和储存解决方案，其中，在 AI 浪潮带动下，资料中心交换器、路由器、ASIC 晶片等乙太网路产品已成为近期业务成长的焦点。
根据最新财报（FY25 Q1），博通总收入达 149 亿美元，其中 AI 相关业务营收为 41 亿美元，年增 77%，超越市场预期的 38 亿美元，各项指标皆优于预期。在最新的法说会上，博通宣布将加大 AI 领域的研发投资（R&D），并新增四家潜在合作伙伴，预计到 2027 年，三大 Hyperscale 客户所带来的潜在可服务市场，未来将达到 600 至 900 亿美元，展现出强劲的成长动能。
迈威尔（Marvell, MRVL）
迈威尔（Marvell Technology Inc.）是一家美国的无晶圆 IC 设计公司（Fabless IC Design Company），近年来积极拓展至 ASIC 晶片与资料中心相关领域，并与多家云端服务供应商（CSP）维持紧密合作。其产品线涵盖ASIC 晶片、电光产品（Electro-Optics）、乙太网路解决方案、光纤通道适配器（Fibre Channel Adapters）、处理器与储存控制器，在 AI、云端与企业级网路市场中具有竞争优势。
根据最新财报（FY25 Q4），Marvell 营收达 18.2 亿美元，其中资料中心（Data Center）业务占比达 75.2%。回顾 FY2025，Marvell 全年营收为 57.7 亿美元，尽管 AI 相关晶片营收远超公司原订 15 亿美元目标，但整体表现仍不符合市场预期。此外，Marvell 五大业务（Data Center、Carrier Infrastructure、Enterprise Networking、Consumer、Automotive）成长动能不足，导致营收与 EPS 均未达市场预期，全年 EPS 仅 1.58 美元（年增 4.6%）。
展望 FY2026，Marvell 虽受惠于AI 客制化晶片（Custom AI ASIC）与矽光晶片（Silicon Photonics）需求，但短期内缺乏新合作伙伴与大额客户订单，若无重大突破，下半年成长动能恐将放缓。
目前使用ASIC晶片的厂商(以云端服务商为例)
| 云端服务商 | 晶片类型 | 协助厂商 |
|---|---|---|
| TPU（Tensor Processing Unit） | 博通（Broadcom） | |
| Amazon | Inferentia、Tranium | 世芯-KY、迈威尔（Marvell） |
| Meta | MTIA（Meta Training and Inference Accelerator） | 博通（Broadcom）、晶心科 |
| Microsoft | Maia、Cobalt | 创意电子 |
由上述表格可知，各大云端服务商积极布局 AISIC（AI 专用晶片），与博通、世芯等晶片设计大厂皆有密切的商业合作计划，加速晶片从设计到量产的落地过程，强化自身在 AI 模型算力上的提升。晶圆设计到生产的垂直整合，也分散了对辉达（NVIDIA）单一 AI 硬体供应商的依赖风险。
ASIC 台股产业链
1. 世芯-KY（3661）
世芯-KY 为 IC 设计服务公司，专注 ASIC 晶片，应用于 AI、高效能运算（HPC）、通讯网路等，其中 HPC 占比最高。
- 2025 年营收预估持平或小增，但 NRE（委托设计）业务成长，占比提升至 20%～30%，有助于获利提升。
- 最大客户转换：Amazon（AMZN）产品周期进入尾声，2025 年 Intel（INTL）成为最大客户，负责 Gaudi 3 AI 加速器，5 奈米 AI 晶片出货增长，将占全年营收三分之一。
- 2026 年成长动能强劲，Amazon 3 奈米 AI 晶片 预计上半年量产，并洽谈北美新客户的网通订单，同时推进 2 奈米与 3 奈米专案。
- AI ASIC 需求推 2025-2027 年营收 CAGR 达 40%～50%，市场预期 Amazon Trainium 3 & Inferentia 3 将在 2026 年带来庞大营收。
2. 创意电子（3443）
创意（GUC）是国内首家专业 SoC 设计代工公司，并开发矽智财（IP），目前台积电持股 35%，为最大股东。
- 2024 年营收受影响：SSD、消费性产品库存调整，加上 AI 专案递延至 2025 年，短期成长受限。
- 2025 年营运回升：加密货币 3 奈米专案进入量产，Turn-Key 收入将自 2025H1 开始贡献，加上多项 3～5 奈米专案 推进，业绩有望回温。
- AI 产业布局：HBM3E 控制器与 PHY IP 已被多家 AI 企业采用，与美光、SK 海力士 合作开发 HBM4 IP，支援下一代 AI ASIC。
- 2026 年展望：加密货币营收预计于 2026 年归零，但 CSP（云端服务供应商）AI 晶片专案 将成长，预计新增 Google、Meta AI 专案，带动营收维持 双位数增长。
3. 智原（3035）
智原（Faraday）为 联电集团旗下 IC 设计服务公司，原为联电的 IP 及 NRE 部门，后独立运作，目前联电持股 13.8%，主营 ASIC 设计服务与矽智财（IP）授权，并位列 全球前 15 大 SIP 供应商、前 50 大 ASIC 设计服务公司。
- 2025 年营收法说会预期年增逾 40%，成长动能来自 MP（量产）、NRE（委托设计）、IP（矽智财）。
- MP 营收增长：受惠于先进封装专案 需求大幅提升，成熟制程 MP 亦将复苏。
- NRE 设计业务：基于 RFQ（需求询问）成长，每年目标获得 10 个以上先进技术专案，大多数将于 2026 年进入量产，长期动能可期。
- 2025Q1 营收季增逾 150%、年增逾 180%，优于市场预期，但先进封装专案备货将压缩毛利率，1Q25 毛利率预估仅 20-23%，远低于市场预估的 45.6%～46.4%。
- 券商预估 2025 年 EPS 为 6.02～7.51 元，虽营收成长强劲，但毛利率压力仍是关键挑战。
4. 联发科（2454）
联发科（MediaTek）为全球第五大 IC 设计公司，主要布局智慧型手机、智慧装置与电源管理晶片，手机晶片竞争对手包括 Qualcomm、展讯、华为海思，在 智慧家庭与 AIoT 领域 则与 Broadcom、Marvell、联咏、瑞昱 等竞争。
- ASIC 业务布局：已成立专门组织服务云端客户，ASIC 专案预计 2026 年 Q1-Q2 开始贡献营收，规模超过 10 亿美元。
- 旗舰手机晶片市占提升：手机业务成长超越全球手机出货增速，带动业绩上扬。
- Wi-Fi 7 业务增长：随网路规格升级，2025 年 Wi-Fi 7 营收可望翻倍。
ASIC 对 辉达（Nvidia）地位的挑战
NVIDIA (NVDA) 作为 GPU 的龙头，其地位是否受到 ASIC 的挑战一直是市场关注的焦点，尤其是在AI应用的替代性，以下我们针对 LLM 进行讨论：
LLM 可以分成训练（Training）及推理（Inference）两个阶段:
训练（Training）:
在训练阶段可以前后细分为 Pre-training 、 Fine-tuning 。
在 Pre-training 阶段的计算需求极高，尤其在支援 FP32 高精度格式为 GPU 的强项，除此之外辉达的 CUDA 提供开发人员丰富的工具和函式库，简化训练流程；ASIC 则具有限制性，以 Google ( GOOGL )的 TPU 为例，其擅长执行矩阵和向量运算，因此更适合训练 BERT 这种负载大约涵盖90%矩阵乘法的模型。
软体部分， Intel（INTL）主导开发 oneAPI，主要为开发人员提供跨平台的统一设计模型，其中的 DPC++ 相容性工具更是能自动移植大部分CUDA程式码，只需较少的人工干预即可实现高度迁移 ，然而对比 CUDA 其成熟度及规模仍较小，同时现有的多数开发人员对于 CUDA 的黏着度及转移成本也是 oneAPI 采用率较低的原因。
在 Fine-tuning 阶段，即使架构相对固定，但不同的下游任务和资料集仍然需要一定的灵活性。虽然ASIC 在特定任务上可以实现高效能，但通用性不如GPU，这使得 GPU 在需要处理多种 fine-tuning 场景时仍然更具优势。
重要名词解释
Pre-training：在此阶段透过大量、不同数据及的无标注资料，如网页文本、书籍、论文等来建立对语言的基础理解能力，并利用在此步骤建立好的参数作为新的神经网路的初始参数。
CUDA：为一种高阶语言，它使程式码库的开发和与辉达 GPU 的介面变得更简单，同时也支援快速迭代开发，可以透过微调底层程式码（即 PTX）来优化效能，而且基础库都已经完备。目前绝大多数生产级的软体都是基于 CUDA 建构而成。
Fine-tuning：透过 Pre-trained 模型在标注好的新资料集上进行进一步的学习，模型可在此阶段进行加强训练及微调，可以在整个神经网路上进行微调，也可以冻结未进行微调的层，仅在部分层上进行微调。
推理（Inference）:
在推理阶段，LLM 模型主要以动态推论为主，尽管当前 GPU 仍因泛用性而处主导地位，但是 ASIC 能针对特定模型进行优化，可以实现更低的推论延迟及更高的吞吐量，将进一步满足对于推理阶段即时回馈的要求，同时在越来越多强调推理能力的推理模型（Reasoning model）问世，ASIC 将有更多的应用空间。
重要名词解释
动态推论（Dynamic Inference）：资料实时进入模型，被要求时立即根据用户的需求做出输出和预测，同时需要低延迟和快速存取资料才能运作。
推理模型（Reasoning model）：除了一般输入输出的标记外，还添加了推理标记，分解对使用者问题的理解，以可见的方式产生答案，从上下文丢弃推理标记。
结论
ASIC 晶片因其高效能、低功耗、针对特定应用的优化特性，近年来在 AI、云端运算、5G、加密货币等领域的应用快速增长。随着 AI 训练与推论需求激增，ASIC 在 资料中心与云端 AI 加速器市场的渗透率将持续提升，市场预计 2024 — 2027 年市场规模年均复合成长率（CAGR）可超过 30% 以上。
在 LLM 的应用，虽然在训练阶段，NVIDIA GPU 依赖其高度成熟的 CUDA 生态系和强大计算能力作为护城河，但长期来看，ASIC 的高效能、低能耗特性在推理阶段具有巨大的潜力，预计未来将形成ASIC 补足 GPU 的特定需求的互存环境。
在产业竞局中，Broadcom、Marvell 等国际大厂主导 ASIC 市场，台湾则以世芯-KY、创意、 等公司为主力，透过与云端服务供应商（CSP）合作开发 AI ASIC 晶片，扩展全球影响力。随着 2026 年多家 AI 大厂专案进入量产，ASIC 产业的成长潜力值得期待。
