圖形處理單元（GPU）、中央處理單元（CPU）、定制人工智能專用集成電路（ASIC）以及其他人工智能加速器，涵蓋參與者分析、技術、趨勢、供應鏈和預測

前沿人工智能吸引了全球數千億美元的投資，各國政府和超大規模云服務提供商競相在藥物發現和自主基礎設施等領域取得領先地位。圖形處理單元（GPU）和其他人工智能芯片在推動人工智能增長方面發揮了重要作用，為數據中心和云計算基礎設施中的深度學習提供了所需的計算能力。GPU在提供計算能力方面發揮了關鍵作用，是大型語言模型（LLM）和生成式人工智能浪潮下的主導力量。然而，隨著對更高效計算、更低成本、更高性能、大規模可擴展系統、更快推理和特定領域計算的需求增加，其他人工智能芯片也有機會在流行度上增長。

隨著人工智能芯片的格局從僅限于GPU擴展到更多新型架構實現大規模商業化，IDTechEx的報告《2025-2035數據中心和云計算中的人工智能芯片：技術、市場、預測》提供了對數據中心和云計算中人工智能芯片市場的獨立分析。這包括對當前和新興技術的基準測試、技術分解和關鍵趨勢的分析，涵蓋了當前和新興的硬件架構、先進節點技術和先進半導體封裝，以及供應鏈、投資和政策方面的信息。報告提供了2025年至2035年數據中心和云計算人工智能芯片市場的詳細收入預測，按人工智能芯片類型劃分，包括GPU、超大規模云服務提供商和云服務提供商（CSP）使用的定制人工智能專用集成電路（ASIC）、具備人工智能能力的中央處理單元（CPU）以及其他由人工智能芯片初創公司和大型供應商開發的人工智能ASIC。

圖形處理單元（GPU）

人工智能最大的系統是大規模擴展的高性能計算（HPC）和人工智能系統——這些系統大量使用GPU。這些通常是超大規模人工智能數據中心和超級計算機，它們都可以提供每秒千萬億次浮點運算（exaFLOPS）的性能，無論是本地部署還是通過分布式網絡。近年來，NVIDIA憑借其Hopper（H100/H200）芯片取得了顯著成功，并最近發布了Blackwell（B200/B300）芯片。AMD也憑借其MI300系列處理器（MI300X/MI325X）創建了具有競爭力的芯片。由于美國對先進芯片的制裁，中國參與者也在開發解決方案。這些高性能GPU繼續采用最先進的半導體技術。一個例子是增加芯片上內存容量，頂級芯片擁有超過250GB的高帶寬內存（HBM），使具有更多參數的更大人工智能模型能夠在這些GPU上運行。這些芯片還采用了最先進的半導體封裝解決方案，如臺積電的CoWoS-L封裝、小芯片和多芯片GPU，以及最先進的工藝節點（5納米及以下）。報告中詳細探討了所有這些趨勢和市場活動。

超大規模云服務提供商和云服務提供商使用的定制人工智能芯片

GPU一直是訓練人工智能模型的基礎，但存在局限性，例如高總擁有成本（TCO）、供應商鎖定風險、特定人工智能操作的低利用率，以及對于特定推理工作負載可能過于強大。超大規模云服務提供商采用的一種新興策略是使用基于脈動陣列的定制人工智能ASIC。這些芯片為人工智能工作負載設計了專用核心，每個操作的成本更低，針對特定系統（例如，變換器、推薦系統等）進行了優化，提供了高效的推理，并為超大規模云服務提供商和云服務提供商提供了在不犧牲性能的情況下實現全棧控制和差異化的機會。報告提供了潛在風險評估、關鍵合作伙伴關系、參與者活動、基準測試和技術概述。

其他人工智能芯片

其他人工智能芯片正在被商業化以顛覆GPU，具有類似和新穎的計算架構。一些大型芯片供應商，如英特爾、華為和高通，設計了人工智能加速器（例如，Gaudi、Ascend 910、Cloud AI 100），使用類似于GPU的異構計算單元陣列，但專門用于加速人工智能工作負載。這些芯片在性能、能效和特定應用領域的靈活性之間取得了平衡。通常，這些芯片包含矩陣引擎和張量核心，這些核心被設計為以高吞吐量執行密集的線性代數運算，如GEMM（通用矩陣乘法）和BMM（批量矩陣乘法）。

專注于人工智能芯片的初創公司通常采用不同的方法，部署前沿架構和制造技術，如數據流控制處理器、晶圓級封裝、空間人工智能加速器、內存中處理（PIM）技術和粗粒度可重構陣列（CGRAs）。許多公司已成功推出這些系統（Cerebras、Groq、Graphcore、SambaNova、Untether AI等），用于數據中心和云計算，通常開發機架級解決方案以便于企業部署，或在其自己的云平臺上提供使用。這些系統在擴展環境中表現卓越。IDTechEx的報告提供了全面的基準測試、比較、關鍵趨勢、技術分解和參與者活動。

設計人工智能芯片和供應鏈

開發具有競爭力吞吐量的人工智能芯片，用于訓練（訓練時間）和推理（每秒令牌數），高能效（TOPS/瓦特）以及相關的軟件支持，對所有芯片設計者來說都是一個嚴格的挑戰。這個過程涉及到許多步驟的精細平衡，包括選擇編程和執行模型、設計優化的硬件和內存架構，以及使用先進工藝節點和先進半導體封裝進行制造。例如，數據中心芯片正在采用臺積電、英特爾代工和三星代工的最先進工藝節點，使用ASML的極紫外（EUV）光刻技術。這些代工廠正在推動晶體管技術從5納米技術發展到使用FinFET（Fin場效應晶體管）的2納米節點以下，使用GAAFET（環繞柵極FET）和背面供電。報告中包含了最近的制造發展、設備要求、硬件架構分解、先進半導體封裝細節、供應鏈以及編程模型比較。

設計和制造中涉及的各種技術為整個半導體行業供應鏈的未來技術創新提供了廣泛的空間。政府政策和大量投資顯示出推動前沿人工智能達到新高度的普遍興趣，這將需要在人工智能數據中心中使用大量的人工智能芯片來滿足這一需求。IDTechEx預測，從2025年到2030年，這一市場將以14%的年復合增長率增長，收入超過4000億美元。