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，英伟达涨势处于停滞状态，AMD 也表现不佳。但在摩根士丹利看来，市场对 ASIC 的预期过高，长期来看，ASIC 难以撼动 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。