大摩表示，ASIC在某些特定场景应用中确实表现出色，但高度依赖于特定客户的定制需求；ASIC的开发成本通常较低，但其系统成本和软件部署成本却可能远高于可大规模商用的GPU，导致总体拥有成本更高。此外，英伟达的CUDA生态系统非常成熟，在全球云服务中广泛使用，市场地位依然坚如磐石。
过去六个月中，AI交易的势头转向了定制ASIC，市场认为ASIC的增长潜力将是商用GPU的几倍，受此影响，英伟达 (NVDA.US)涨势处于停滞状态，AMD也表现不佳。但在摩根士丹利看来，ASIC长期难以撼动商用GPU的市场地位。
2月12日，摩根士丹利策略分析师Joseph Moore及其团队发布报告称，ASIC作为一个芯片类别，不优于或劣于商用GPU，两者只是实现相同结果的不同方式。
大摩表示，ASIC在某些特定场景应用中确实表现出色，但高度依赖于特定客户的定制需求；尽管ASIC的开发成本通常较低，但其系统成本和软件部署成本却可能远高于可大规模商用的GPU，客户可能需要花费大量时间和资源来适配软件，导致总体拥有成本更高。
此外，英伟达的CUDA生态系统已经非常成熟，客户可以轻松部署和运行不同工作负载，这会增加总体拥有成本。大摩预测，芯片领域的现有领导者英伟达仍会保持主导地位，除非发生意外变化。
相较于商用GPU，定制ASIC应用场景太窄
大摩表示，有时候是的——在针对更狭窄的应用场景时，定制ASIC非常具有吸引力。ASIC是为特定的云服务提供商或企业客户定制的芯片，能够提供更高的性能和效率，因此具有差异化的市场竞争优势。
比如谷歌TPU（张量处理器）的成功——成功的原因是谷歌发明了现代LLM的Transformer技术，并指导博通开发了一款专门为此优化的芯片，这也为博通带来了超过80亿美元的收入。
不过，英伟达正在通过优化其GPU来适应Transformer模型，重新夺回市场份额。而且，在云计算领域，商用GPU往往比ASIC更具竞争力。
因此，大摩认为，未来，定制化ASIC的优势可能更体现在传统工作负载上——毕竟，英伟达专注于训练多模态AGI（人工通用智能）模型，这一训练能力对某些旧应用来说可能有些过剩了。
但大摩也补充道，在提供高端训练能力方面，英伟达可能仍然难以被超越。
定制ASIC开发成本低，但系统成本更高
摩根士丹利表示，ASIC本身比GPU更便宜，尤其是在硬件成本上具有一定的优势，但其系统成本和软件成本较高，这使得其总拥有成本（TCO）并不一定低于商用GPU。
报告中提到，某些ASIC的硬件成本可能仅为3000美元，而英伟达的H100 GPU成本为20000美元。这种价格差异使得ASIC在硬件成本上显得更具吸引力。
然而，尽管ASIC的硬件成本较低，但其系统成本可能远高于通用GPU，具体如下：
ASIC的集群成本可能显著高于英伟达，因为英伟达创建了一个基于铜的72 GPU NVLINK域，而ASIC则使用了更昂贵的光学技术，其他大型成本组件也类似。
虽然高带宽内存（HBM）的成本是相同的，但实际上，英伟达可能更具优势，因为它在新型HBM上拥有垄断性采购权，CoWoS（芯片封装技术）也是如此。
软件方面，英伟达的CUDA生态系统非常成熟，客户可以轻松部署和运行不同工作负载。而使用ASIC或其他替代方案时，客户可能需要花费大量时间和资源来适配软件，这会增加总体拥有成本（TCO）。
例如，Trainium的客户Databricks预期“将花费数周或数月才能将系统部署上线” 。一位云服务高管最近也告诉大摩：“每两年，我的ASIC团队交付的技术都比英伟达落后2-3年。从经济角度来看，这并不那么有用”。
因此，尽管英伟达推出了如L4、L40等低价芯片，但市场仍然倾向于选择昂贵的高性能显卡，因为高端显卡在性能和生态系统支持上具有显著优势。
大摩总结道，许多低价处理器在初始阶段可能吸引一些客户，但由于缺乏成熟的生态系统和长期支持，客户最终往往会回归英伟达。TPU、Trainium和AMD MI300是少数例外。这并不是说更便宜的处理器没有价值，而是说，更便宜的处理器在实际获得的市场份额上往往不如最初预期的那样。
英伟达霸主地位，难以撼动
英伟达的市场地位依然坚如磐石。大摩认为，英伟达在AI芯片市场的主导地位不仅源于其强大的技术实力，更在于其完善的生态系统和持续的研发投入。
报告指出，英伟达预计今年将在研发上投入约160亿美元，而定制ASIC（应用特定集成电路）芯片的开发预算通常不到10亿美元，在某些情况下甚至更少。
凭借这些资金，英伟达能够保持一个4-5年的开发周期，并且能够顺序运行三个设计团队，持续推出领先市场的高性能芯片。此外，英伟达在全球每个地区的每个云平台上都占有一席之地，任何对英伟达生态系统的投资都能在全球范围内得到传播，进一步巩固了其市场霸主地位。
编辑/ping
