智通财经APP获悉，国泰君安发布研报称，ASIC针对特定场景设计，有配套的软硬件全栈生态，虽然目前单颗ASIC算力相比最先进的GPU仍有差距，但整个ASIC集群的算力利用效率可能更高，同时还具备明显的价格、功耗优势，随着软件生态逐步成熟，ASIC有望更广泛地应用于AI推理与训练。看好ASIC的大规模应用带来云厂商ROI提升。
国泰君安主要观点如下：
AI ASIC芯片具备功耗、成本优势，是必然选择。
目前AI算法向Transformer收敛，深度学习框架以PyTorch为主，为AI ASIC发展提供了重要前提。目前AI ASIC单卡算力低于可比的GPU芯片，但由于其成本较低，在推理常用精度下，展现出了更高的性价比(TFLOPS/$)，功耗也更低，此外，由于ASIC专为特定任务设计，其算力利用率可能更高，谷歌TPU算力利用率可超过50%。对于云厂商来说，ASIC还是增加供应链多元性的重要选择。
AI ASIC芯片成长空间广阔，未来有望增速超过通用加速计算芯片。
Marvell预测，2023年，数据中心定制加速计算芯片规模约66亿美元，在AI加速计算芯片市场占有率较低，为16%。Marvell预计2028年定制芯片规模有望超400亿美元，CAGR达45%，而通用加速计算芯片2028年预计达到1716亿美元市场规模，CAGR为32%。AMD CEO苏姿丰预测2027年AI加速器将增加到4000亿美元的规模。
参考CPU发展历程，随着AI ASIC的使用门槛和兼容性改善，渗透率长期有望提升。
目前，除了ROCm、OneAPI等开源软件生态以外，云厂商也在积极构建集成了PyTorch等主流深度学习框架的软件生态，开发一系列编译器、底层中间件等，兼容性持续增强。目前，AI ASIC主要服务云厂商自有业务，以及有一定编译能力的中大型企业(比如苹果)。随着云厂商自研芯片的用户使用门槛降低，结合其功耗成本上的巨大优势，在AI加速计算领域的渗透率长期有望提升。
风险提示：
AI算法技术风险、生态系统建设不及预期、芯片研发不及预期、AI产业发展不及预期。
