投资建议：ASIC针对特定场景设计，有配套的通信互联和软件生态，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会优于可比的GPU，同时还具备明显的价格、功耗优势，有望更广泛地应用于AI推理与训练。我们看好ASIC的大规模应用带来云厂商ROI提升，同时也建议关注定制芯片产业链相关标的。
AI ASIC具备功耗、成本优势，目前仍处于发展初期，市场规模有望高速增长。目前ASIC在AI加速计算芯片市场占有率较低，预计增速快于通用加速芯片。据Marvell预测， 2023年，定制芯片仅占数据中心加速计算芯片的16%，其规模约66亿美元，预计2028年数据中心定制加速计算芯片规模有望超400亿美元。
ASIC单卡算力与GPU仍有差距，但单卡性价比和集群算力效率优秀。ASIC中算力相对较高的谷歌TPU v6和微软Maia 100算力约为H100非稀疏算力的90%、80%，同时ASIC的单价显著低于GPU，故而在推理场景呈现更高的性价比；ASIC的芯片互联以PCIe协议为主，处于追赶状态，NVLink协议更具优势；在服务器互联方面，ASIC主要采用以太网，正追平英伟达的IB网络，目前H100集群可以做到10万卡规模，ASIC中谷歌TPU相对更为领先，TPU v5p单个Pod可达8960颗芯片，借助软件能力，TPUv5e可拓展至5万卡集群，且保持线性加速。由于ASIC专为特定场景设计，且云厂商对软件生态掌握程度也较高，ASIC集群的算力利用率实际可能高于GPU（如TPU、MTIA等）。
软件生态也是影响AI计算能力的重要因素，当前CUDA生态占据主导，ASIC软件生态有望逐步完善。云厂商普遍具备较强的研发能力，均为AI ASIC研发了配套的全栈软件生态，开发了一系列的编译器、底层中间件等，提升ASIC在特定场景下的计算效率。此外，一些商用芯片厂商也推出了开源平台，如ROCm和oneAPI，未来ASIC的软件生态将会愈发成熟、开放。
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。
