ASIC是一种为专门目的而设计的集成电路，功能特定的最优功耗AI芯片，专为特定目的而设计。不同于GPU 和FPGA的灵活性，定制化的ASIC一旦制造完成将不能更改，所以初期成本高、开发周期长的使得进入门槛高。目前，大多是具备AI 算法又成就梦想擅长芯片研发的巨头参与，如Google的TPU。

根据富比士(Forbes)报导，当前可用于加速机器学习训练及深度神经网路的主要芯片技术，包括ASIC芯片、绘图芯片(GPU)、现场可程式化逻辑闸阵列(FPGA)芯片以及中央处理器(CPU)等4种，这4类芯片技术在支援AI及机器学习上各有擅场及优劣势，其中GPU在技术上即为ASIC技术运用在处理绘图演算法上，差异在于ASIC芯片可提供指令集及资源库可让GPU进行程式化，借此可用在处理本地储存的资料，好比是许多平行演算法的加速器般。

基本上GPU速度非常快且相对具弹性，ASIC技术虽同样具备处理速度很快的优势，不过使用弹性相对较缺乏。在开发ASIC芯片上，要设计出一款ASIC芯片所需投入的资源及努力不少，可能必须耗资高达数千万甚或数亿美元，且需要组建一支成本不低的工程师团队，显示投资甚钜，且ASIC芯片还将必须不断升级以跟上新技术及制程水平，加上ASIC芯片设计者在开发过程初期便已固定其逻辑，因此若在AI这类快速演进的领域有新想法出现，ASIC芯片将无法对此快速做出反应，反观FPGA技术还能因此进行再程式化以执行一项全新功能。

ASIC 的另一个未来发展是类脑芯片。类脑芯片是基于神经形态工程、借鉴人脑信息处理方式，适于实时处理非结构化信息、具有学习能力的超低功耗芯片，更接近人工智能目标。由于完美适用于神经网络相关算法，ASIC在性能和功耗上都要优于GPU FPGA，TPU1 是传统GPU性能的14-16倍，NPU是GPU的118 倍。寒武纪已发布对外应用指令集，预计ASIC将是未来AI 芯片的核心。

理论上是这么讲，但现实问题是，谁来代工?

先看代工厂这边，全球有很多代工厂，但是因为难度太高，能生产AI单封装系统的厂家并不多，台积电、三星和格罗方德都在榜单之列。那么，是哪些厂商在设计AI单封装系统呢?你需要看看哪些厂商真正擅长2.5D集成和拥有设计所需的关键IP(比如HBM2物理层接口和高速SerDes)。HBM2 PHY和高速SerDes模块执行该单封装系统内多个组件之间的任务关键性通信。这些都是模拟设计中非常苛刻的挑战，从ASIC供应商那里购买IP可以把风险降至最低。

擅长这些领域的ASIC厂商并不多，不过由于人工智能市场可能会出现爆炸性增长，所以这些ASIC厂商将会受益匪浅。其中有一家ASIC厂商值得关注–eSilicon。上面提到的三项关键技术eSilicon都有涉及，一方面从2011年以来他们一直在做2.5D集成并且已被公认为这一领域的领导者。同时eSilicon也有硅验证的HBM2 PHY技术。

那么SerDes呢?到目前为止，eSilicon已经集成了第三方的SerDes模块。如果仔细观察你会发现情况还在发生变化，eSilicon并没有关于拥有SerDes技术的官方声明，但是该公司网站上已经出现了高性能SerDes开发中心的相关文字。并且他们正在招聘版图工程师，这很说明问题。