ASIC 经济学（定制硅 vs 通用 GPU）

是什么 / 为什么重要

研38-博通美通的核心框架，解释为什么超算云非做定制 ASIC 不可，又为什么离不开博通/美通。与推理芯片（超算云自研芯片从下蚕食 NVIDIA）是同一命题的供给/设计侧。

GPU 暗矽(Dark Silicon)浪费：通用 GPU 为支持千奇百怪需求(FP64/图形/调度)保留大量晶体管，跑固定 Transformer 时越来越高比例的晶体管派不上用场，3nm 下即便不算也漏电。10 万颗规模下=巨额额外电费。
ASIC 极简专注：砍掉不需要的逻辑，把晶片面积全换成 AI 最渴望的 SRAM + 矩阵乘法单元 → 同功耗下比 GPU 高 30-50% 吞吐，单次推理成本(cost/token)最低。
主权保卫战：市值数兆的 CSP 不愿把毛利率与节奏交给单一 GPU 供应商 → 硬件成本从「被动零售价」变「可控制造成本」+ 软硬深绑筑转换壁垒。
ASIC TAM $18亿(2024)\to$ 30-40亿(2026)，2026 AI 服务器 28% 搭 ASIC，已破「仅推理」进训练(Google TPU 训 Gemini/Amazon Trainium/Microsoft Maia,连 OpenAI/Anthropic 都有 GW 级定制部署)。

现代 AI ASIC 只 30-40% 是 CSP 自研 AI 逻辑(大脑)，60-70% 是基建 IP(管线)：SerDes/PCIe/内存控制器。CSP 强在逻辑设计(写 RTL)，但把逻辑变成台积电 3nm 实体藍图撞物理墙(漏电/热点/信号完整性 crosstalk/先进封装良率)。
不容试错：3nm 一套光罩数千万美元,内存控制器有瑕疵→整批数亿美元晶片报废+错失一年部署。
为什么不是 Synopsys/Cadence(只卖 EDA 工具不包设计)或小 ASIC 厂(Alchip,缺顶级 IP+台积电优先产能)：规模 + 系统级整合。
SerDes(Serializer/Deserializer)=数字世界高速传送门+翻译官,把片内并行数据串行「跨出」晶片,是博通/美通兆元帝国的核心技术壁垒。