这次AMD把人工智能芯片市场规模拔高一个天阶。AMD预计 2027 年数据中心 AI加速器市场增至 4000 亿美元(与 12 月份AdvancedAl 预期相同，高于5月份的1500 亿美元)，预期上调2.7倍。

AMD这次宣布全面推出 MI300X 加速芯片，这款芯片在Q4GPU 收入已经超出 4亿美元，比预期预计 GPU 收入 Q1 环比增长(原指引环比持平)，全年超过 35 亿美元(原指引 20 亿美元)。整体来说MI300X是超预期的。

上面截图提供了一个非常重要的信息那就是ASIC芯片。

ASIC芯片主要用来实现针对特定应用的高度定制化的电路解决方案，直观的解释为（专用、专业化AI芯片）。

AI老师总结下以下4条：ASIC芯片在大模型发挥的作用

提高计算效率：ASIC芯片针对特定的计算任务进行了优化，可以显著提高大模型的计算效率，加速模型的推理和训练过程。这点在谷歌Gemini发挥得尤为明显，ASIC在吞吐量、功耗、算力水平等方面都有优势，比同时期的GPU或CPU平均提速15-30倍，能效比提升30-80倍。现在头部厂商都在逐步提高ASIC芯片的使用比例。

降低功耗：ASIC芯片的高效架构和工艺使得其功耗相对较低，可以帮助大模型在保证性能的同时降低能耗。随着大模型迭代，芯片用量指数级增长，功耗却成了一个很大的问题，未来大模型绿色化会提上议案。

减小体积：ASIC芯片的高集成度使得其体积相对较小，方便大模型的应用和部署。

提升稳定性：由于ASIC芯片的架构和工艺都是针对特定任务进行优化，因此其稳定性较高，可以保证大模型的稳定运行。这点在大模型中发挥了极其重要的作用，头部厂商反映用了AISC芯片训练，训练整体效率提高了40%。

2025年ASIC在推理/训练应用占比分别达到40%、50%；在边缘侧，25年ASIC在推理/训练应用占比分别达到70%、70%。 整个ASIC比例会加速逐年提升。

我觉得ASIC替代GPU是一个大趋势，未来芯片会慢慢由通用化转向专用化，对于4000亿美元的人工智能芯片市场，ASIC芯片前景不容小觑。