ASIC 是一種為專門目的而設計的集成電路，功能特定的最優功耗AI 芯片，專為特定目的而設計。不同于GPU 和FPGA 的靈活性，定制化的ASIC一旦制造完成將不能更改，所以初期成本高、開發周期長的使得進入門檻高。目前，大多是具備AI 算法又成就夢想擅長芯片研發的巨頭參與，如Google的TPU。

根據富比士(Forbes)報導，當前可用于加速機器學習訓練及深度神經網路的主要芯片技術，包括ASIC芯片、繪圖芯片(GPU)、現場可程式化邏輯閘陣列(FPGA)芯片以及中央處理器(CPU)等4種，這4類芯片技術在支援AI及機器學習上各有擅場及優劣勢，其中GPU在技術上即為ASIC技術運用在處理繪圖演算法上，差異在于ASIC芯片可提供指令集及資源庫可讓GPU進行程式化，借此可用在處理本地儲存的資料，好比是許多平行演算法的加速器般。

基本上GPU速度非常快且相對具彈性，ASIC技術雖同樣具備處理速度很快的優勢，不過使用彈性相對較缺乏。在開發ASIC芯片上，要設計出一款ASIC芯片所需投入的資源及努力不少，可能必須耗資高達數千萬甚或數億美元，且需要組建一支成本不低的工程師團隊，顯示投資甚鉅，且ASIC芯片還將必須不斷升級以跟上新技術及制程水平，加上ASIC芯片設計者在開發過程初期便已固定其邏輯，因此若在AI這類快速演進的領域有新想法出現，ASIC芯片將無法對此快速做出反應，反觀FPGA技術還能因此進行再程式化以執行一項全新功能。

ASIC 的另一個未來發展是類腦芯片。類腦芯片是基于神經形態工程、借鑒人腦信息處理方式，適于實時處理非結構化信息、具有學習能力的超低功耗芯片，更接近人工智能目標。由于完美適用于神經網絡相關算法，ASIC在性能和功耗上都要優于GPU FPGA，TPU1 是傳統GPU性能的14-16倍，NPU是GPU的118 倍。寒武紀已發布對外應用指令集，預計ASIC將是未來AI 芯片的核心。

理論上是這么講，但現實問題是，誰來代工?

先看代工廠這邊，全球有很多代工廠，但是因為難度太高，能生產AI單封裝系統的廠家并不多，臺積電、三星和格羅方德都在榜單之列。那么，是哪些廠商在設計AI單封裝系統呢?你需要看看哪些廠商真正擅長2.5D集成和擁有設計所需的關鍵IP(比如HBM2物理層接口和高速SerDes)。HBM2 PHY和高速SerDes模塊執行該單封裝系統內多個組件之間的任務關鍵性通信。這些都是模擬設計中非?？量痰奶魬?，從ASIC供應商那里購買IP可以把風險降至最低。

擅長這些領域的ASIC廠商并不多，不過由于人工智能市場可能會出現爆炸性增長，所以這些ASIC廠商將會受益匪淺。其中有一家ASIC廠商值得關注–eSilicon。上面提到的三項關鍵技術eSilicon都有涉及，一方面從2011年以來他們一直在做2.5D集成并且已被公認為這一領域的領導者。同時eSilicon也有硅驗證的HBM2 PHY技術。

那么SerDes呢?到目前為止，eSilicon已經集成了第三方的SerDes模塊。如果仔細觀察你會發現情況還在發生變化，eSilicon并沒有關于擁有SerDes技術的官方聲明，但是該公司網站上已經出現了高性能SerDes開發中心的相關文字。并且他們正在招聘版圖工程師，這很說明問題。